Пользовательского поиска


предыдущая главасодержаниеследующая глава

§ 2. Средства обработки

Современную эпоху характеризует удивительно быстрое развитие технологии изготовления вычислительных машин. В большинстве областей науки это открывает новые и представляющие значительный интерес перспективы. Вычислительные машины позволяют, в частности, применять методы математического анализа при обработке сложной информации, для чего обычно требуется столь большое количество вычислительных операций, что это ранее могло бы показаться утопией.

А. Вычислительные средства

Применение электронных вычислительных устройств в биологии только начинается. Размеры и себестоимость этих машин на первый взгляд не благоприятствовали широкому использованию их в лаборатории. Однако недавнее внедрение методов автоматической обработки физиологических параметров в медицинских клиниках предвещает, как это имело место в случае электрофизиологической и, в частности, электроэнцефалографической аппаратуры, открытие таких возможностей, которыми не замедлят воспользоваться экспериментаторы. Вычислительная техника развивается в настоящее время в двух направлениях: с одной стороны, создание больших вычислительных машин со все возрастающим количеством и скоростью выполняемых операций и - с другой - разработка малых, более простых вычислительных машин, приспособленных для решения частных задач. Такие машины уже начинают появляться в физиологических лабораториях.

а) Универсальные вычислительные машины. Современные электронные вычислительные машины способны производить количественную обработку информации, содержащейся в данных двух видов: аналоговых и цифровых.

Аналоговые данные выражают изменения измеряемой величины в течение определенного времени в форме аналогового изменения электрического напряжения. Источником этого электрического напряжения, как мы видели, может быть само биологическое явление или же адекватное электрическое воспроизведение этого явления. Амплитуда напряжения, совершенно очевидно, должна соответствовать характеристикам входа вычислительной машины.

Цифровые данные предполагают числовое воспроизведение изучаемого явления и выражение переменной с помощью ряда чисел. Дискретность этих данных позволяет, как и в случае аналоговых данных, исследовать изменение во времени дискретной переменной или - в известных случаях - изменение непрерывной величины путем адекватной развертки.

Основными элементами этих машин являются воспроизводящее устройство, программирующее устройство, а также вычислительный блок и память. Еще один важный составной элемент- это дифференциальный усилитель, обеспечивающий большинство внутренних операций.

Аналоговые вычислительные устройства хорошо приспособлены к решению дифференциальных уравнений и осуществлению таких простейших операций, как сложение, умножение, интегрирование, дифференцирование, путем непосредственной обработки элементарных функций синусоидального и экспоненциального типа, которые можно разложить на простые функции и подвергнуть, таким образом, различным видам обработки. Они предназначены для решения задач того типа, который был рассмотрен при анализе сложных форм волны.

Возможности цифровой вычислительной машины необычайно велики, и, хотя она находится в менее выгодном положении по сравнению с аналоговыми вычислительными машинами в отношении некоторых операций, ибо ей приходится иметь дело с гораздо большим количеством основных данных и вследствие этого иметь больший объем памяти, она является практически универсальной в своем применении.

Практические трудности, ограничивающие возможности широкого использования этих машин, заключаются в их высокой себестоимости, необходимости программирования и перевода данных на язык, понятный машине. Объем их памяти все еще ограничивает скорость и число операций, которые они могут производить. Обработка данных может производиться только в условиях, называемых off line, когда вычислительные операции отдаляются на более или менее продолжительное время от момента сбора данных, что часто может представлять основное неудобство для физиологических экспериментов и их применения в медицине. Производились также попытки создания менее универсальных и дорогих устройств, способных работать в условиях, называемых on line, позволяющих осуществлять вычислительные операции непосредственно во время опыта (в режиме реального времени).

б) Специализированные вычислительные машины. Обработка физиологических данных часто трудна из-за малой гибкости больших вычислительных машин. Поэтому возникла необходимость создания аппаратуры, несомненно менее мощной, но в известном смысле более доступной человеку, легко управляемой и контролируемой самим экспериментатором на всех стадиях работы. Возможность начинать, останавливать, повторять определенный тип обработки по ходу эксперимента и в зависимости о г эволюции изучаемого явления привносит в эмпирический и во всех отношениях еще слишком интуитивный физиологический поиск свободу действия и маневра, без которых он не может быть эффективным.

Только что появилось несколько новых лабораторных электронно-вычислительных машин. Прототипом их послужил разработанный в США в Кембридже лабораторный электронно-вычислительный инструмент LINC (Laboratory Instrument Computer). Другие приборы, преимущественно коммерческого характера, находящие все более широкое применение - "Мнемотрон", "Энханцетрон" в США; многоканальный селектор ART 1000, разработанный Обществом по вопросам промышленного применения физики (SAlP, Франция), - призваны решать приблизительно те же задачи.

Все эти приборы построены по одинаковому принципу: они имеют набор каналов (1024 в случае "Мнемотрона"), снабжены магнитной памятью на ферритовых тороидальных сердечниках, способны собирать и хранить получаемую информацию, которая предварительно подвергается цифровому преобразованию (способность производить вычисления со скоростью от 65000 до 1 000000 операций в секунду) и представляет собой, таким образом, класс явлений, которые можно задавать, обрабатывать и комбинировать самыми разными способами. Они включают обычно аналого-цифровые преобразующие устройства, необходимые для анализа данных аналогового типа. Прибор располагает, разумеется, электронно-вычислительными устройствами, способными осуществлять арифметические операции сложения и вычитания. Он располагает распределителем адресов, обеспечивающим поступление обрабатываемой информации по различным каналам накопления и выделение ее для возможной обработки.

Визуальный осциллографический прибор, отражающий держание памяти различных каналов, позволяет контролировать состояние системы в любой момент. Визуальный контроль осуществляется по формам кривых, абсциссы которых всегда являются характеристиками состояния исследовательской программы канала и выражают в каждом конкретном случае либо время, либо значение временного интервала, либо порядковый номер сигнала синхронизации, либо ряд событий и т. д. Ординаты этих кривых являются наглядным отражением содержания каналов; они могут представлять, например, статистическую частоту, амплитуду, время, плотность событий и т. д.

Разумеется, в зависимости от природы требуемой обработки данных, операции определяются различными модификациями программы, организующими последовательность внутренних вычислительных операций.

Составляющие элементы этих машин - печатная схема, функциональные модули - малогабаритные (эти приборы занимают не больше места, чем осциллоскоп обычного размера); взаимозаменяемость их значительно упрощает процедуру профилактики и дает возможность более разнообразного применения машины.

Хотя возможности этих приборов очень широки, используются они еще крайне недостаточно. Автоматические линии гистограмм распределения или классификации событий в зависимости от их пространственных или временных характеристик составляют одну из самых разработанных областей применения в настоящий момент.

Наиболее наглядный успех они имели в области выделения периодического сигнала из случайного фонового шума. Выявление сигналов из фонового шума, являющегося результатом электрической активности коры головного мозга, с очевидностью доказало совершенство этих приборов. Возможность сопоставлять во времени искомый сигнал со стимулом, контролируемым экспериментатором, представляет с этой точки зрения идеальную ситуацию. Поэтому заметно все более широкое использование их для выделения вызванных потенциалов, особенно на электроэнцефалограммах человека; применяются они и для синхронного выявления потенциалов действия нерва, зарегистрированных с помощью внешних электродов (через кожу).

На эти приборы легко можно возложить более сложные оперативные функции и осуществлять с их помощью автоматическое вычисление функций распределения, плотности, вероятностей и все операции, связанные со спектральным анализом.

Понятен энтузиазм исследователей в связи с возможностями этих новых приборов. В настоящее время наблюдается быстрое увеличение их количества в нейрофизиологических лабораториях. Поэтому ученые уже располагают значительным и многообещающим объемом фактов в этой новой области исследований [Кацман, 1964].

Б. Математические модели

Пытаясь связать физиологические показатели с проявлениями поведения, психолог совершенно естественно вынужден прибегать к математическим моделям, эффективность которых в области психологических показателей уже была проверена. Методы параметрического многомерного анализа оказались в достаточной степени применимыми для обработки сложных физиологических ответов. Они позволяют оценить природу и силу связей, существующих между таким-то и таким-то параметром в такой-то экспериментальной ситуации, и в настоящее время представляют собой незаменимый инструмент исследования, поднимая вместе с тем важные метрологические проблемы, к рассмотрению которых мы еще вернемся.

Однако если дискретный характер переменных оказывается доминирующей характеристикой объектов, подвергаемых измерению в психологии, то особенность большинства физиологических параметров, напротив, состоит в том, что их можно представить в виде непрерывных переменных. Но несомненно, можно выделить некоторые существенные значения физиологических переменных, которые можно обрабатывать затем как дискретные величины.

Мы говорили также о плодотворности некоторых вероятностных математических моделей, таких, как случайные стационарные процессы, с помощью которых можно анализировать сложную временную эволюцию отдельных параметров (например, ЭЭГ). Спектральный анализ, несмотря на его ограниченность (приближенность значений и, безусловно, обеднение описываемого с его помощью объекта), открывает, как нам кажется, новые значительные возможности для исследования параметрических связей и формализации функциональных структур. Его применение распространяется, видимо, и на исследование временной эволюции дискретных психологических и физиологических параметров в переменной шкале времени. Изучение ритмов биологической активности, флуктуации бодрствования и внимания, одним словом вариативности явлений во времени, осуществляется такой моделью, которая выходит за рамки традиционных математических методов.

Быстрые темпы развития современной прикладной математики позволяют надеяться на прогресс нашей науки. Как это часто подчеркивалось, полная беспомощность традиционного математического аппарата в биологии проистекает из ограничения его возможностей обработкой аддитивных (или линейных) функций. Поэтому развитие новых методов обработки, смело вторгающихся в область нелинейности, позволяет нам надеяться на появление новых моделей, лучше приспособленных к объектам, которые мы исследуем.

Смежные науки, такие, как социальная психология или эконометрия, также стимулируют, каждая в своей области, интерес математиков к изучению непараметрических методов и развитие методов нечислового расчета (аналоговые вычислительные устройства). Интерес, вызванный созданием новых алгоритмов, более соответствующих, чем традиционные математические алгоритмы, описанию различных фактов физического мира, незаменимой моделью которых те до сих пор практически являлись, представляется нам с этой точки зрения многообещающим. Параллельная эволюция технологии изготовления обрабатывающих машин создает, без сомнения, ценную точку опоры для мощного и быстрого подъема прикладной математики, чем не замедлит воспользоваться наша наука.

предыдущая главасодержаниеследующая глава



Рейтинг@Mail.ru Rambler's Top100

© Степанова Оксана Юрьевна, подборка материалов, оцифровка; Карнаух Лидия Александровна, подборка новостных статей; Злыгостев Алексей Сергеевич, разработка ПО 2001-2018
При копировании материалов проекта обязательно ставить активную ссылку на страницу источник:
http://psychologylib.ru "PsychologyLib.ru: Библиотека по психологии"