четверг, 19 апреля 2018 г.




Инстинкт в Функциональной системе П.К.Анохина:
К молекулярной общей теории мозга

Цыганков В.Д., к.т.н.
НПК БИОМЕДИС (Москва)

НСМИИ РАН в 2016 году опубликовал Сборник научных трудов Всероссийской междисциплинарной  конференции, посвященной 60-летию появления в науке концепции Искусственного интеллекта (ИИ), «Философия искусственного интеллекта». ИФ РАН. Москва. 2016.
В своем докладе Константин Анохин заявил: «У нас нет теории когнитивной науки. Нам нужна третья когнитивная революция, а для того, чтобы она произошла, нужна общая теория мозга, но для этого нам нужен поиск новых парадигм».
Татьяна Черниговская, вдобавок к этому, поставила перед нейронаукой довольно острый вопрос: «А не находится ли когнитивное внутри клетки»?
Настоящая работа автора представляет собой попытку наметить базовые основы новой парадигмы или аксиоматику общей молекулярной теории мозга (ОТМ).
Алгоритм поиска новых парадигм, путей и методов построения новой теории предлагается заимствовать у Альберта Эйнштейна (рис.1). Рис 1. Интуиция - I ,  Аксиомы - A, Дедуктивные состояния - S, Экспериментальные данные – E
Основным методом творческой работы мозга ученого и генерации новых знаний А.Эйнштейн считал интуицию I.
Основываясь на реальных фактах и экспериментальных опытных  данных Е (рис. 1), не логически индуктивно, а интуитивно (imagination, intuition)I , формулируется, точнее, озаряется или рождается в мозге набор новых понятий или сущностей в виде  аксиом A, а от них через дедуктивные рассуждения и выводы S, к новым экспериментам и фактам E, подтверждающим или опровергающим ранее полученные факты с корректировкой аксиом A, в последнем случае. И так далее по кругу, в цикле.  Чем не знаменитая в мире «Функциональная система» П.К.Анохина [1](рис. 2)? Рис. 2 Функциональная система П.К.Анохина, Рис. 3. Функциональная система А.Эйнштейна
У Альберта Эйнштейна как и у П.Анохина в схеме ФС (рис. 3):  E«Афферентный синтез» (АС), I«Интуитивное озарение», A «Принятие решения» (ПР), S - «Акцептор действия»(АД) в «Параметрах ожидаемого полезного результата» (ПОР) Стрелки вниз  к E «Программа действия» (ПД) и сами «Действия», мысли и движения (Д), E - «Сравнение параметров фактического результата с ожидаемым «Результатом действия» (РД), а при несовпадении возникает «Обратная афферентация» (ОА) и новый «Афферентный синтез» (АС),  Кривая стрелка вверх озарениеI с новым смыслом  A* - корректировка * аксиоматики (ПР*) (рис.3).
Имеющаяся у автора нейрокомпьютерная модель Функциональной системы [2] позволяет экспериментально в динамике рассмотреть некоторые механизмы психической деятельности мозга (рис. 4). Рис. 4 Нейрокомпьютер «ЭМБРИОН» как Функциональная система

Цель разработки ОТМ - познание механизмов функционирования и работы мозга для использования этих знаний в медицине, психологии, социологии, а также для создания эффективных искусственный когнитивных (разумных, морально мотивированных и сознающих) систем типа ИИ для систем безопасности.
Откуда в мозге (или в клетке?) возникает когнитивность, сознание, разум и интеллект? Некоторые обоснованные идеи, подсказки и концепции дает нам «Аналитическая психология» К.Юнга, в частности, структура «Я», содержащая Интуицию и Бессознательное (БСО) в виде его компонент [3] (рис. 5). Рис. 5  Динамика проявления БСО и Инстинкта в нейрокомпьютере
По мнению Константина Анохина ОТМ должна ответить, как минимум,  на три вопроса, а именно (по его мнению):
1.«Что такое мозг» - это нейронная сеть,
2.«что такое разум» - когнитивная, языковая  семантическая гиперсеть над нейронной сетью, это сеть сетей,
3.«что такое сознание» - макросеть гиперсетей.
Как соотносятся мозг и разум – это содержание микро- и макросетевой модели  мышления и сознания - это особый тип трафика в макросети?
Актуальная, насущная проблема науки - это  «Сознание сейчас»!
Кто в настоящем (н) в ФС «принимает решение»? Рис. 6  Определение места (Х), времени (Umax) и параметров получения в будущем  «полезного результата» или «результата действия»
От 5-ти основных атомов живой материи: H, O, N, C, P; от органических молекул; от филогенеза генома вируса; от ДНК и фотосинтеза прокариоты синезеленой бактерии; от микробов и через одноклеточные организмы, к основам Общей молекулярной теории мозга (ОТМ) мой дальнейший рассказ.


Литература

1. Анохин П.К. Биология и физиология условного рефлекса. НАУКА. М. 1968.-347 с.
2. Цыганков В.Д. Нейрокомпьютер и мозг. СИНТЕГ. М. 2001. – 248 с.
3. К.Г.Юнг Очерки по аналитической психологии. Минск. Харвест. 2017. – 480 с.





Публикации 2018 года

242.  Цыганков В.Д. От Теории Функциональноц Системы П.К.АНОХИНА (ТФС) к Общей Теории Мозга (ОТМ). Системообразующий фактор в Функциональной системе. Доклад в ЦДУ М. 10 января 2018. с. 7.
243. Цыганков В.Д. Психология взаимосвязи и взаимозависимости «Коллективного бессознательного», «Бессознательного» и «Сознания» в нейрокомпьютерной модели личности //Тезисы докладов XV Всероссийская научная конференция «Нейрокомпьютеры и их применение» (НКП -2018) 13 марта 2018 года. М. ГППУ.  2018. с. 187-188.
244. Цыганков В.Д. Инстинкт в Функциональной системе П.К.Анохина:
К молекулярной общей теории мозга. Тезисы  доклада  //XIV Международный Междисциплинарный Конгресс НЕЙРОНАУКА ДЛЯ МЕДИЦИНЫ И ПСИХОЛОГИИ. Судак, Крым, Россия, 30 мая - 10 июня 2018 года. Тезисы доклада с.
245. Цыганков В.Д. Чем Виртуальные нейронные сети (ВНС) отличаются от обычных Искусственных Нейронных сетей (ИНС). Статья для НПК БИОМЕДИС. М. 20018 с. 13
246. Анохин К.В., Перцов С.С., Судаков С.К., Толоконников Г.К., Умрюхин Е.А.,     Фудин Н.А. Черноиванов В.И., Цыганков В.Д. "Анохин Петр Кузьмич"
"Биомашсистемы", том 2, №1, январь-март 2018.




ЧЕМ ВИРТУАЛЬНЫЕ НЕЙРОННЫЕ СЕТИ (ВНС) ОТЛИЧАЮТСЯ ОТ
ОБЫЧНЫХ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ (ИНС)

Цыганков В.Д.
НПК БИОМЕДИС (Москва)

1.Введение
В настоящей статье речь пойдет об изложении отличительных преимуществ виртуальных нейронных сетей (ВНС) по сравнению с обычными, классическими искусственными нейронными сетями (ИНС), получившими к настоящему времени огромное распространение и которые успешно применяются для решения задач во многих сферах человеческой деятельности. Однако, они имеют ряд существенных недостатков, затрудняющих их разработку и эффективное применение [1].
О виртуальных нейронных сетях (ВНС), к сожалению, почти ничего неизвестно.
В то же время, широко известны и успешно применяются в настоящее время системы, оборудование и устройства (шлемы, перчатки,…) виртуальной, дополнительной и смешанной реальности (VR/AR/MR), а также, например, виртуальные приборы .vi всемирно известной фирмы National Instruments, разрабатываемее в среде проектирования LabVIEW [2].
Виртуальные нейронные сети (ВНС), о которых ниже пойдет речь, создаются в виртуальном нейрокомпьютере (ВНК) типа «ЭМБРИОН» [3], разработанным в январе 1966 г. автором данной статьи [4].  «ЭМБРИОН» - это целая общенаучная парадигма или концепция построения систем искусственного интеллекта (ИИ) и применения универсальных систем обработки неподдающейся формализации информации и управления динамическими объектами с изменяющимися параметрами и       структурой [5].
2.Классификация ИНС и спектр их возможностей
Приведем для начала опубликованный в Интернете перечень из 27 типов или разновидностей ИНС (рис. 1). Как мы видим, все они имеют статическую постоянную, как правило, многослойную структуру с постоянной конфигурацией связей между нейронами. Особо отличаются и выпадают из общей массовой слоистой структуры полносвязные замкнутые вероятностные Марковские сети, сеть Хопфилда и вероятностная Машина Больцмана. Рассмотрению и анализу ИНС посвящено тысячи книг, сотни тысяч статей и различных публикаций в Интернете.
Особо большое  внимание в последние годы уделяется нейронным сетям глубокого обучения и так называемым свёрточным сетям или сетям CNN (рис. 2).
Рис. 1  Классификация видов ИНС



Рис. 2  CNN или сверточная сеть
Эти CNN эвристически придуманные сети обладают колоссально высокой эффективностью их применения, объяснить которую ученые пока еще не в состоянии. Попробуйте объяснить эволюцию (рис. 3) возбуждения в пространстве и во времени нейронов CNN, раскрашенную цветами. Вот получить бы подобную картинку для ВНС!


Рис. 3  Эволюция возбуждения CNN
По структуре CNN похожи на слоистые сети, представленные выше в таблице на рис. 1. Только у них своеобразный эвристический алгоритм выделения и переноса информации от входа к выходу по слоям исключительно оригинальный. Он реализуется двумя операциями: свертка (отсюда и название свёрточные сети или слои нейронов) для получения карты признаков и подвыборка или уменьшение размерности матрицы. На рисунке хорошо видно, ядром-матрицей 5 х 5 сканируется входное изображение и как далее понижается размерность 24 х 24 входной сенсорной матрицы через слои матриц: 24 х 24, 12 х 12, 8 х 8, 4 х 4 до одной строки -  16 разрядного вектора с матрицей 1 х 1.
ИНС различаются по виду представления и переноса информации. Сети  реализуются в виде аналоговых, дискретных, цифровых и квантовых искусственных нейронных сетей. Элементной базой для их аппаратного построения могут быть микроэлектронные схемы и кристаллы, оптические и другие физические, в том числе и нано-  элементы. Всеобщее распространение получила их программная реализация на ПК, ноутбуках, смартфонах или в виде специальных программ в специальных девайсах.










Используя различные алгоритмы обучения, ИНС могут быть использованы для решения самых разнообразных задач. ИНС довольно универсальные преобразователи информации. Однако, в состав и алгоритм функционирования ИНС неявно, но реально  включен человек (его интеллект, эвристика, сознание). В жизненном цикле (Тц) ИНС человек включен в контур разработки, обучения и управления сетью. Без участия человека – пользователя, программиста ИНС бесполезна, как и выключенный компьютер или не запущенная программа.

3.Основные недостатки использования ИНС
Несмотря на широкий спектр возможностей ИНС, решению задач с их помощью сопутствует ряд  недостатков (из статьи портала ИИ [1]):
-       большинство подходов для проектирования ИНС являются эвристическими и часто не приводят к однозначным решениям;
-       для построения модели объекта на основе ИНС требуется выполнение многоразовой настройки параметров внутренних элементов и связей между ними;
-       проблемы, возникающие при подготовке обучающей выборки, связанные с трудностями нахождения достаточного количества обучающих примеров. Например, для сверточных сетей (CNN) их число составляет многие тысячи предъявлений;
-       обучение сети в ряде случаев приводит к тупиковым ситуациям, зацикливаниям и остановкам алгоритма;
-       продолжительные временные затраты на выполнение процедуры обучения зачастую не позволяют применять ИНС в системах реального масштаба времени (РМВ);
-       поведение обученной ИНС не всегда может быть однозначно предсказуемо, что увеличивает риск применения ИНС для управления дорогостоящими техническими объектами и исключено их применение в системах военного назначения;
-      большинство известных коммерческих продуктов схемотехнической реализации нейронных сетей, выполняются в виде сверхбольших дорогостоящих интегральных схем (СБИС), которые сегодня трудно назвать широкодоступными и др.
Этот список недостатков ИНС можно значительно дополнить и расширить, но и этого вполне достаточно для проведения сравнения с ВНС.


4.Новый дополнительный путь повышения эффективности применения искусственных нейронных сетей и
расширения областей их применения

Таким путем решения  указанной проблемы предлагается развитие и углубление фундаментальных исследований  и прикладной разработки парадигмы «ЭМБРИОН», в частности, совершенствование виртуального нейрокомпьютера (ВНК) «ЭМБРИОН» (рис. 4).



На основе парадигмы виртуальности «ЭМБРИОН» разработан, изготовлен ряд (от «ЭМБРИОН-1» до «ЭМБРИОН-5») опытных образцов виртуальных нейрокомпьютеров (ВНК), и на их базе разработаны, изготовлены и внедрены различные технические системы распознавания, управления, системы робототехники (фото 1) и другие в Оборонно-промышленном комплексе страны (ОПК) [5].





Рис. 4. Блок схема ВНК «ЭМБРИОН»



Фото 1. Тактильно очувствлённый робот «Р-2» с искусственными пневмомышцами
с нейрокомпьютерным управлением «ПОИСК-2»

Этот робот был в свое время представлен на Стенде Главного конструктора промышленных роботов Председателю ВПК СССР Л.В.Смирнову и на выставках «Сетунь» и ВДНХ.
В чем преимущество парадигмы виртуального нейрокомпьютера (ВНК) и виртуальных нейронных сетей (ВНС), и каковы их отличительные особенности?
В первую очередь, ВНС и ВНК «ЭМБРИОН»  - это единое неразрывное целое, автономный псевдо организм в меняющейся окружающей внешней среде, реализованный в  последнее время в виде нейрочипа - электронной схемы в кристалле ПЛИС (фото 2).
Основой структуры нейропроцессора нейрокомпьютера «ЭМБРИОН» является матрица из 64-х триплетов нуклеотидов генетического кода живых организмов. 



Фото 2. Электронный мозг мобильного робота «КРАБ-3» в ПЛИС на базе ВНК «ЭМБРИОН»
(разработка С.К.Шарифова)

Искусственный организм имеет свой глобальный основной жизненный цикл (Тц), в который во время работы нейрокомпьютера не включен в реальном времени человек – оператор. В то же время, Тц  содержит три внутренних параметрических цикла с обратными связями. Тц состоит, как минимум, из следующих фаз или периодов: рождение, развитие и рост до границы, зрелость, старение, смерть. ВНС имеет конечное время жизни Тж.
Кроме того, имеется много разработанных программистами программных имитаторов НК «ЭМБРИОН» (эмуляторов или симуляторов нейрокомпьютера). ВНС генерируется в реальном масштабе времени внутри нейрокомпьютера.
Принципиальное отличие ВНК от ИНС. В основе идеи, структурной и функциональной схемы ВНК взята не эвристическая математическая модель программируемого компьютера, микроконтроллера или модель классической формальной ИНС (рис. 1 и рис. 2), а известная нейрофизиологическая Теория функциональной системы (ТФС) академика П.К.Анохина со своими механизмами: опережающего отражения действительности и прогнозирования (основного свойства всего живого на земле), акцептором «полезного результата» действия, мотивацией, памятью и т. д. [6].
ВНК «ЭМБРИОН» без аналитики. Возможно, это может быть одной из недоработок необычного нейрокомпьютера к настоящему времени. ВНК не является аппаратным воплощением аналитической модели ТФС, или какой - либо ее математической модели, он ничего не вычисляет, не имеет традиционного классического вычислительного программируемого микропроцессора, вообще не требует программирования в какой либо ОС. Это аппаратный значительно упрощенный вариант функциональной организации и схемотехники («архитектоники») живого мозга (рис. 5). Адаптация под задачу осуществляется в двух режимах: обучение с учителем методом подражания или путем автоматической самонастройки (самообучение и самоорганизация). Кстати, ВНС, генерируемые внутри ВНК, можно, с некоторыми оговорками, отнести к категории Марковских цепей или к Машинам Больцмана из выше приведенной классификации ИНС (рис.1) .
Рис. 5. Сравнительная гетероморфная архитектура живого (слева) и искусственного электронного (справа) нейрокомпьютерного мозга «ЭМБРИОН», реализованного в ПЛИС

Схемотехническая эффективность  ВНС (расход оборудования на реализацию одной нейронной сети) в ВНК «ЭМБРИОН» по сравнению с одной ИНС порядка                106 - 106 раз! Во столько раз увеличивается универсальность НК и область возможных задач и областей его применения.
Благодаря применению вероятностно – статистическому методу обработки информации и «нечеткой логики» (фуззи -логики) Л.Зале в ВНК, он и его ВНС обладают высокой «живучестью» и надежностью, допускающей при решении задачи выбора поведения в Т-образном лабиринте до 30% разрушения массы нейронной сети (электронных триггеров).
Мгновенная перестройка ВНС одним командным импульсом позволяет ВНК  быть высоко пластичной и лабильной, легко модифицированной структурой.




5.Отличительные  от ИНС
особенности виртуальных нейронных сетей (ВНС)
в нейрокомпьютере «ЭМБРИОН»

Речь идет о том, что нового в ВНС, и чего в принципе нет в ИНС.
Парадигма «ЭМБРИОН» - это фундаментальная научная концепция, NBICS концепция биокибернетики, направленная на разработку и внедрение в практику нано- био- инфо- комп- интеллектуальных и когнитивных нейро- подобных сложных устройств и систем с ИИ.
ИНС большой размерности (порядка более миллиона формальных нейронов) с переменной, управляемой в реальном времени, структурой, реализовать аппаратно технологически исключительно трудоемко, дорого, и сегодня вряд ли кто осилит.
На рис. 6 представлен пример варианта ВНС нейрокомпьютера ВНК «ЭМБРИОН».

Рис. 6  Виртуальная нейронная сеть (ВНС) ВНК «ЭМБРИОН» и многоканальный спектр потока выходных частот спайков - импульсов мотонейронов

В виртуальной нейронной сети (ВНС) ВНК  нет физических нейронов, а есть мгновенная (как короткоживущая виртуальная частица в физике) кодовая комбинация из состояний группы триггеров регистров аппаратного ядра нейрокомпьютера. Эта кодовая комбинация или просто код, который и является виртуальным нейроном ВНС.
В ВНС нет, как в ИНС, жесткой зафиксированной структуры и размера. Они, эти параметры мобильно изменяются в ходе решения задачи. Имеет место сеть с переменной структурой.
В потоковой ВНС одновременно используются несколько видов модуляции: ЧИМ, ВИМ, АМ, ЧМ, ШИМ, КИМ.
В ВНС динамическая иерархическая (пять уровней) оперативная и долговременная память.
В  ВНС реализованы важнейшие нейрофизиологические и физические принципы и законы: возбуждения и торможения, генерализации и концентрации, конвергенции и дивергенции в сети нейронов, принципы симметрии (левое – правое, позитив - негатив) и самосохранения, «принцип устойчивого неравновесия» Э.С.Бауэра, принцип «экстренной мобилизуемости», принцип «взаимосодействия» (симбиоза и синергии), закон эквифинальности в функциональной системе П.К.Анохина, принцип Доминанты А.А.Ухтомского и латерального торможения, принципы осевой симметрии и реципрокности, принцип «Шеррингтоновской воронки» или принцип конечного пути, принцип интерференции и когерентности, принцип суперпозиции, закон необходимого многообразия У.Р.Эщби, три генетических закона Менделя, Периодический закон информационных элементов (n-атомов), аналогичный по свойствам Таблице элементов Д.И Менделеева и др.
ВНС является сетью с переменной структурой, в которой происходит во времени не только редукция, свертывание числа активных нейронов, но и имеет место процесс мультипликации или размножения, увеличения числа и типов нейронов в сети.
Возбужденная ВНС представляет собой виртуальное многомерное пространственно – временное  поле вероятностей состояний – кодов множества ячеек – триггеров или ψ(S/P, U) - некую 3D дискретную волновую функцию (Рис. 7).



Рис. 7  Распределение вероятностей по невязкам
(расчет и рисунок представлен Е.Д.Господчиковым, ИПФ Н.Новгород)

ВНС – это вариант нелинейной дискретно-квантовой системы, разновидность вероятностного дискретного клеточного автомата (ДКА) с памятью.
Виртуальная сеть обладает собственной внутренней активностью, реагирует на воздействие внешней среды не рефлекторно, а условно рефлекторно.
Обучение осуществляется путем управления нелинейностью памяти рядом параметров: кодом начального состояния, образом на Сенсорной матрице, Гипотезой восприятия, временем жизни Тж, состоянием внутренней памяти, соотношением параметра J – неравновесия (невязки) и no – наследственного консервативного параметра, NSпараметра скорости реакции сети и точности достижения цели.
Управление параметрами сети осуществляется из блока концентрации внимания (подобие ретикулярной формации мозга) или Блока выдвижения гипотез.
ВНС  - это универсальная активная информационно-управляющая система с набором признаков и свойств живых систем.

6.Номенклатура высоких (IT)  технологий, где возможно и целесообразно применять физическую систему типа «ЭМБРИОН»
·           Беспилотные подвижные роботы, БЛА и дроны, и их бортовые интеллектуальные системы управления (автоматическая посадка самолета или вертолета на палубу авианосца, робот мини-шаттл, подводные роботы и транспортные средства в условиях, вредных и недоступных для человека).
·           Роботизированные войска, военные робототехнические комплексы (ВРТК).
·           Обучающиеся нейрокомпьютеры и нейрочипы в медицине.
·           Малогабаритные медицинские интеллектуальные диагностические и терапевтические системы и приборы. Биоидентификация личности.
·           Информационная безопасность человека, фирмы, государства (криптография, шифрование. Детекторы взрывчатки и наркотиков),
·           Полупроводниковые гетероструктуры Ж.Алферова. Солнечные преобразователи и источники энергии.  Лазеры и ВОЛС.
·           Цифровая сотовая связь и телевидение.
·           Суперкомпьютеры, квантовые нейрокомпьютеры и квантовые вычисления.
·           Генная инженерия, генетическая информация, динамический геном человека и живого. Память человека.
·           BCI - Интеллектуальный интерфейс «Мозг – компьютер» для мысленного управления объектами и собственным состоянием.
·           Психотроника, ПСИ-кнопка и ПСИ-компьютер.
·           Управление сознанием. Блокирование тяги к наркотикам, алкоголю, табаку.
·           Атомная информатика. Макроквантовый мир.
·           Моделирование ясновидения и телепатии. Виртуальный мир и сознание.
·           Высокотемпературная сверхпроводимость в мозгу.
·           Моделирование интуиции, подсознания, сознания и мышления.
·           Моделирование процессов микромира и космологических систем без БАК.


7.Стратегические задачи для ВНК и для ВНС
Из выше (раздел 6) приведенного перечня возможных и актуальных для ВНК «ЭМБРИОН» и ВНС задач, я бы выделил несколько так называемых СТРАТЕГИЧЕСКИХ ЗАДАЧ, решение которых в настоящее и ближайшее будущее время исключительно важно для государства  и. возможно, для всего человечества. Это следующие проблемы или задачи:
1.Регенеративная или восстановительная медицина. ВНК можно рассматривать как некую ПСЕВДО СТВОЛОВУЮ КЛЕТКУ со своими эволюционными в онтогенезе свойствами жизненного цикла Тц: фазами дифференцировки и системогенеза (превращения в специализированную клетку, орган, организм в течение времени жизни Тж) [7]. Выполнив, изготовив ВНК по нанотехнологии и управляя параметрами превращения клетки, можно будет синтезировать всевозможные протезы для живого организма.
2.Получение энергии в результате ядерного синтеза. Процесс генерации виртуальных нейронов (кодов) и виртуальных нейронных сетей (ВНС) из них в ВНК «ЭМБРИОН» представляет собой алгоритм радиации, мультиплицирования частиц, трансмутации  и конденсации, синтеза атомов, информационных n-атомов или элементов Периодического закона элементов, Таблицы виртуальных нейронов размером 2n x 2n (при n = 10 это 1000 х 1000 = 106 элементов!), в клетках которой записаны: №, имя, код элемента, масса, заряд, валентность, спин, период и группа. Мне представляется реальным построить установку (напоминающую дорогой и стоящий на игле ТОКАМАК) на принципах работы «ЭМБРИОНА» для синтеза безопасной и экологически чистой энергии за счет ее ассимиляции и конденсации нейрокомпьютером из квантового космического вакуума. При этом возможно еще сочетать известные в физике методы получения новых элементов: диффузный и масс-спектроскопический.
3.Квантовый компьютер (КК) и квантовые вычисления (КВ). ВНК и процессы в нем происходят на уровне классических физических процессов в классическом физическом устройстве. Однако, процессы виртуализации подчиняются основным законам и принципам квантовой механики и квантовой физики. Научному сообществу представляется возможность в ближайшем времени построить макроквантовый вычислитель (МКВ). Некоторый задел в этом направлении уже имеется [8].
4.BCI – интеллектуальный интерфейс «мозг - компьютер». Совершенно ближайшая для успешного решения задача для ВНК. Созданный такой BCI мог бы решать задачи анализа ЭЭГ и ЭКГ, обнаружение в них информационных паттернов, значимых неоднородностей, диагностика, психологическая терапия и реабилитация после функционального нарушения в организме пациентов. В этой задаче, видимо, возможно использовать ВНК «ЭМБРИОН» как некий вариант вейвлет – преобразователя [9].

8. Что нужно сегодня?
Успеть передать мой личный научный опыт преемнику и научному сообществу.

9.Что нужно в будущем?
На пути к ДНК – компьютеру.
0.Реклама.
1.Спрос и рынок сбыта.
2.Серийное производство.
3.Инвистиции.
4.Кадры.
5.Инфраструктура. Создание Научного центра НК.
6.НИОКР. Опытные образцы, КД и ТД.



Литература
2.Беликовская Л.Г. Узнайте, как программировать на LabVIEW. ДМК. М. 2014.
3.Цыганков В.Д. Нейрокомпьютер и его применение. Сол Систем. М. 1993.
4.Цыганков В.Д., Довгий И.Н. Обучающаяся машина. Авторское Свидетельство СССР    № 36028 от 26 января 1966 г.
5.Цыганков В.Д. Нейрокомпьютер и мозг СИНТЕГ. М. 2001.
6.Анохин П.К. Биология условного рефлекса. НАУКА. М. 1968.
7.Цыганков В.Д. Физическая система для моделирования мозга и искусственной небелковой живой материи. Издательство «ПЕРО». М. 2016.



8. Владимир Цыганков. Квантовые вычисления на нейрокомпьютере.
Нейрочип и его работа. LAP LAMBERT Academic Publishing. GmbH & Co.
Saarbrucken. 2012.
9.Цыганков В.Д. Виртуальность и сознание. Издательство «ПЕРО». М. 2016. -414 с.