Другие подходы к искусственному интеллекту. В это же время ученые стали понимать, что создателям вычислительных машин есть чему поучиться у биологии. Среди них был нейрофизиолог и поэт-любитель Уоррен Маккалох, обладавший философским складом ума и широким кругом интересов.
В 1942 г. Маккалох, участвуя в научной конференции в Нью-Йорке, услышал доклад одного из сотрудников Винера о механизмах обратной связи в биологии. Высказанные в докладе идеи перекликались с собственными идеями Маккалоха относительно работы головного мозга. В течении следующего года Маккалох в соавторстве со своим 18-летним протеже, блестящим математиком Уолтером Питтсом, разработал теорию деятельности головного мозга. Эта теория и являлась той основой, на которой сформировалось широко распространенное мнение, что функции компьютера и мозга в значительной мере сходны.
Исходя отчасти из предшествующих исследований нейронов основных активных клеток, составляющих нервную систему животных, проведенных Маккаллохом, они с Питтсом выдвинули гипотезу, что нейроны можно упрощенно рассматривать как устройства, оперирующие двоичными числами. В 30-е годы XX в. пионеры информатики, в особенности американский ученый Клод Шеннон, поняли, что двоичные единица и нуль вполне соответствуют двум состояниям электрической цепи включено-выключено, поэтому двоичная система идеально подходит для электронно-вычислительных устройств.
Маккалох и Питтс предложили конструкцию сети из электронных нейронов и показали, что подобная сеть может выполнять практически любые вообразимые числовые или логические операции. Далее они предположили, что такая сеть в состоянии также обучаться, распознавать образы, обобщать, т.е. она обладает всеми чертами интеллекта.
Теории Маккаллоха-Питтса в сочетании с книгами Винера вызвали огромный интерес к разумным машинам. В 40-60-е годы все больше кибернетиков из университетов и частных фирм запирались в лабораториях и мастерских, напряженно работая над теорией функционирования мозга и методично припаивая электронные компоненты моделей нейронов. Из этого кибернетического, или нейромодельного, подхода к машинному разуму скоро сформировался так называемый восходящий метод - движение от простых аналогов нервной системы примитивных существ, обладающих малым числом нейронов, к сложнейшей нервной системе человека и даже выше. Конечная цель виделась в создании адаптивной сети, самоорганизующейся системы или обучающейся машины - все эти названия разные исследователи использовали для обозначения устройств, способных следить за окружающей обстановкой и с помощью обратной связи изменять свое поведение, т.е. вести себя так же как живые организмы.
Естественно, отнюдь не во всех случаях возможна аналогия с живыми организмами.
Как однажды заметили Уоррен Маккаллох и его сотрудник Майкл Арбиб, если по весне вам захотелось обзавестись возлюбленной, не стоит брать амебу и ждать пока она эволюционирует. Но дело здесь не только во времени. Основной трудностью, с которой столкнулся восходящий метод на заре своего существования, была высокая стоимость электронных элементов. Слишком дорогой оказывалась даже модель нервной системы муравья, состоящая из 20 тыс. нейронов, не говоря уже о нервной системе человека, включающей около 100 млрд. нейронов.
Даже самые совершенные кибернетические модели содержали лишь неколько сотен нейронов. Столь ограниченные возможности обескуражили многих исследователей того периода.