Гуманитарные ведомости. Вып. 3(55) 2025 г

Гуманитарные ведомости ТГПУ им. Л. Н. Толстого № 3 (55), ноябрь 2025 г. 181 знаниями об архитектуре программной системы, в ракурсе философии сознания, картезианского рационализма и гегелевского понимания разума как одной из форм сознания, мы отчетливо понимаем, что эта программа, построенная на главном принципе алгоритмической парадигмы – детерминированности, только симулирует разум, мышление, сознание – мы будем всегда знать, что каждый ответ продиктован кодом, кем-то ранее написанным. Исследователям в области компьютерных наук хорошо известны ограничения алгоритмической системы. Именно поэтому еще в середине двадцатого века многие ученые стали задаваться вопросом о преодолении очевидного ограничения алгоритмических систем. Появились первые идеи эмулировать на основе вычислительных возможностей ЭВМ работу человеческого мозга, а именно нейронов и их взаимосвязи. В биологической системе нейрон получает электрические сигналы от дендритов, модулирующих электрические сигналы с разной силой, которые могут возбуждать нейрон при достижении некоторого порогового значения, что, в свою очередь, обеспечивает передачу электрического сигнала другим нейронам через синапсы. Так в 1943 году Уоррен Мак-Каллок и Уолтер Питтс предложили математическую модель нейрона, а уже в конце 50-х Фрэнк Розенблатт представил простую модель нейронного обучения «Перцептрон», которую можно по праву назвать первой практической реализацией нейронной сети: система ассоциировала поступающие от датчиков сигналы с обученными элементами, а затем запускала реагирующий элемент. Таким образом, перцептроны позволяли создавать набор «ассоциаций» между входными стимулами и необходимой реакцией на выходе. По аналогии с биологическим нейроном, сигналы от возбудившихся элементов накапливались и получали определенный коэффициент, называемый весом . Введение веса «информации» явилось кардинальным отличием от алгоритмического принципа работы с единицами информации. Однако существовавшие на тот момент вычислительные мощности не позволяли реализовать потенциал модели Розенблатта, но сами принципы предопределили будущее нейронных сетей. С развитием компьютерной техники оказалось возможным построение многоуровневых сложных нейронных сетей. Несмотря на то, что нейросети написаны на алгоритмических языках программирования и используют алгоритмическую архитектуру микропроцессоров, они представляют собой совершенно другую парадигму решения задач. Можно сказать, что нейросеть – это эмуляция человеческих мыслительных процессов на базе алгоритмической вычислительной архитектуры, отличающаяся неалгоритмической парадигмой решения задач – она действует не по заданным алгоритмам. Под эмуляцией в области вычислительной техники понимают комплекс программных, аппаратных средств или их сочетание, предназначенных для копирования (или эмулирования) функций одной вычислительной системы (гостя) на другую, отличную от первой, вычислительную систему (хост) таким образом, чтобы эмулированное поведение как можно ближе соответствовало поведению