Структуры и функции искусственных нейронных систем принятия решения на основе нейронаук

На семинаре обсуждалось, что успехи нейронаук в значительной степени определили развитие Искусственного Интеллекта (ИИ) (Hassabis et al., 2017). Например: 1) Глубокие нейронные сети (и прежде всего сверточные нейронные системы) основываются на принципах работы зрительной системы человека и животных (LeCun et al., 2015), 2) Обучение с подкреплением, центральный подход в ИИ, основаны на теории классических условных рефлексах И.П. Павлова. С точки зрения нейронаук структура искусственных нейронных сетей (ИНС) и правила их обучения являются довольно примитивными. Это обстоятельство в значительной степени ограничивает функциональные возможности ИНС в ИИ. Вместе с тем большая часть исследований в области ИИ пытается построить системы автоматического принятия решения, которые могут использоваться в медицинских диагностических системах, беспилотных автомобилях, в системах помощи пилотам (Davenport and Harris, 2005; Karanasiou and Pinotsis, 2017; Vatansever et al.,2017). Однако эти ав