Лабораторія балістичних досліджень Міністерства оборони США розраховувала траєкторії снарядів і складала для них корегувальні таблиці. Біля сотні математиків і декілька сот “обчислювачів” не могли справитися з усім об’ємом робіт. Це змусило армію звернутися за допомогою до Пенсільванського університету. Через три роки, коли війна вже закінчилася, перший математичний обчислювач був готовий. Він важив 30 т, містив 18 тисяч електронних ламп, споживав 130 кВт і міг виконувати 300 операцій за секунду. Називався монстр “ENIAC”.

Не дивлячись на те, що обчислювачі були побудовані “по заповітам” Т’юрінга, їх стали несправедливо називати фон-неймановськими – по імені одного із американських розробників. З тих пір більшість комп’ютерів побудовані за цими принципами.

З позицій сьогодення недоліки архітектури, побудованою на базі принципів фон Неймана, очевидні. Однак, не слід забувати, що вони у свій час зіграли досить прогресивну роль і при наявному тоді рівні техніки були єдино можливими. З погляду громіздкості, великої вартості та малої надійності логічних елементів, що будувалися на електронних лампах, конструктори ЕОМ вимушені були обмежувати число таких елементів. Структура ОЗП також лімітувалася наявними реальними технічними можливостями.

Однак вже на ранніх ступенях розвитку електронної обчислювальної техніки було ясно, що прогрес електронної технології рано чи пізно приведе до можливості розроблення принципово нових архітектурних рішень. Якщо припустити, що конструктор може об’єднати в систему не декілька тисяч логічних елементів, як це було в епоху електронно-лампової технології, а багато десятків мільйонів (причому на число з’єднань між цими елементами практично відсутні жодні обмеження), то кращими архітектурними рішеннями для ЕОМ являються мозокоподібні структури.

І вже у 1943 році математики Мак-Калок і Пітс опублікували статтю, в котрій запропонували альтернативу т’юрінговій машині – обчислювач з принципово іншим типом архітектури - нейромереживим. Характерною особливістю їх є злиття пам’яті з обробкою даних: дані обробляються одночасно по всій пам’яті з максимально можливою степеню розпаралелення всіх операцій. Ідея була запозичена у природи, тобто за основу передбачуваної конструкції математики взяли звичайний мозок. Перспективність подібних структур при передбачуваному прогресі мікроелектроніки відмічалися академіком В.М. Глушковим ще у 1959 році на конференції у Києві. Мова йшла саме про подібні мозку структури, а не про точне копіюванні мозку, у котрому ефективно розпаралелюються не всі операції (до речі, у мозку погано розпаралелюються власне обчислювальні операції).

Подібні людському мозку структури з паралельними процесами, що управляються багатьма потоками даних і команд, без сумніву являють собою вищий рівень розвитку архітектур ЕОМ. Було тільки не зрозуміло, як програмувати такі машини. Але в кінці 50-х Френк Розенблат доходить думки, що гіпотетичні нейромережі не треба програмувати. Їх, як і біологічний прототип, треба навчати!

У 1960 році Ф.Розенблат побудував перший примітивний нейрокомп’ютер, котрий успішно розпізнавав деякі букви. Автор назвав своє дитя персептроном (від англ. perception – сприйняття). В газетах з’явилися статті про те, що штучний інтелект на підході. Пройшла чверть віку. У 1986 році Девід Румельхарт придумує перспективний метод навчання персептрона.

З’ясувавши чим нейрокомп’ютери (персептрони) відрізняються від звичайних фон-нейманівських машин, зрозуміємо, чим людський мозок відрізняється від комп’ютера.

Щоби не вдаватися в технічні подробиці, наведемо аналогію. Припустимо, що є функція: y = (7x +5)/9. Як отримати y при x = 4? Чотири множать на сім. Далі прибавляють п’ять. Потім ділять отриманий результат на дев’ять. Послідовність таких дій є алгоритмом, тобто програмою.

Проте існує другий спосіб розв’язати цю задачу. Можна побудувати графік цієї функції. Потім взяти лінійку і провести перпендикуляр від точки 4 на вісі x. Знаходячи точку пересічення функції і цієї прямої, отримують шуканий результат.

Здавалося б, яка різниця між цими двома способами? І те і інше – математика, щоби побудувати функцію, потрібно раз по разу підставляти в формулу різні значення x. Чому б одразу не підставити потрібне, нащо зайвий хід – функцію малювати?

А уявіть собі ситуацію, коли формула відсутня, а є графік. Ну, наприклад, намалюйте на міліметрівці профіль своєї коханої дівчини. Ви замучуєтесь шукати функцію (точніше, цілий набір функцій), котрі описують цей профіль.

Так от, процес навчання нейромережі, наприклад, виховання людини, являється свого роду побудовою готового графіка. Дитині формують поведінкові стереотипи, вчать, як поводитися у різних ситуаціях – дають готовий графік. Стикуючись із незвичайним і екстраполюючи цей поведінковий графік в різні сторони, дитина розуміє, як повестись в незнайомих, але схожих ситуація.

Головному нейрокомп’ютеру дитини батьки повідомляють готовий результат – яке y1 при x1. Вона ставить в розумі точку. Далі дають другу пару чисел – x2, y2, вона ставить другу точку... Якщо у неї багато-багато точок, вона розміщуєте їх в системі координат, поєднуєте близькі, і таким чином у неї оформлюється чудова крива поведінки. Тепер вона можете по довільному x з’ясувати y, не знаючи ніяких формул. Просто подивившись на малюнок.

Інтуїція, між іншим, працює так же. Нейромережа в голові узагальнює досвід, масив знань, будує графік і по йому видає готовий результат. Видає, інколи минаючи свідомість; відповідь спливає ніби нізвідки, а насправді – з підкоркових глибин.

Чим же нейромережі прогресивніше т’юрінгівських (фон-нейманівських) машин?

Для роботи з машиною Т’юрінга всяку задачу треба формалізувати (силует коханої перетворити в набір функцій: прямий ніс буде описаний лінійною функцією, а опуклий лоб гіперболою і т.д.). При цьому якщо із вінчестером фон-нейманівської машини трапиться яка-небудь неприємність і хоча б одна з формул буде пошкоджена, хибним з’явиться і кінцевий результат. У фон-нейманівської машини помилка фатальна.

А