Количество нейронных связей отражает степень функциональности головного мозга. Нейроны и образованные ими связи отвечают за все физиологические процессы, протекающие в организме. Они управляют деятельностью внутренних органов, приводят в движение, заставляют работать все части тела, координируют мыслительные процессы и функцию запоминания.
Нейронная теория строения мозга
Нейронная теория предполагает, что у ЦНС клеточное строение. Клетки нервной ткани – нейроны, являются структурно-функциональными элементами центральной системы. В зависимости от того, где именно в нервной системе находятся нейроны, они выполняют разные функции. Мозг – высокоорганизованный орган.
Командные клетки управляют исполнительными клетками. Нервная деятельность представляет собой результат взаимодействия между элементами системы. Нейроны, образующие головной мозг – это такие элементы системы, которые организуют реакции в ответ на раздражения, что обуславливает появление стандартных рефлексов.
Характеристика нейронов
Структурно-функциональные элементы центральной системы – глиальные клетки и нейроны. Первые количественно преобладают, хотя на них возлагается решение вспомогательных, второстепенных задач. Нейроны способны выполнять много операций. Они вступают во взаимодействие друг с другом, формируют связи, принимают, обрабатывают, кодируют и передают нервные импульсы, хранят информацию.
Нейроглия выполняет опорную, разграничительную и защитную (иммунологическую) функцию в отношении нейронов, отвечает за их питание. В случае повреждения участка нервной ткани, глиальные клетки восполняют утраченные элементы для воссоздания целостности мозговой структуры. Количество нейронов в составе ЦНС равняется около 65-100 млрд. Клетки головного мозга образуют нейронные сети, охватывающие все отделы тела человека.
Передача данных в рамках сети осуществляется при помощи импульсов – электрических разрядов, которые генерируются клетками нервной ткани. Считается, что число нейронов, которые находятся в мозге человека, не изменяется в течение жизни, если не брать в расчет ситуации, когда в силу определенных причин (нейродегенеративные процессы, механические повреждения мозговых структур) происходит их гибель и уменьшение количества.
Необратимое повреждение участка нервной ткани сопровождается неврологическими нарушениями – судорогами, эпилептическими приступами, расстройством тактильного восприятия, слуха и зрения. Человек утрачивает способность чувствовать, разговаривать, мыслить, двигаться. Развитие интеллектуальных способностей человека отождествляется с увеличением количества нейронных связей в мозге при неизменной численности нейронов.
Нейрон выглядит, как обычная клетка, состоящая из ядра и цитоплазмы. Он оснащен отростками – аксоном и дендритами. При помощи единственного аксона осуществляется передача информации другим клеткам. Дендриты служат для приема информации от других клеток. В аксоплазме (часть цитоплазмы нервной клетки, которая находится в аксоне) синтезируются вещества, передающие информацию – нейромедиаторы (ацетилхолин, катехоламин и другие).
Нейромедиаторы вступают во взаимодействие с рецепторами, провоцируя процессы возбуждения или торможения. Нейроны образуют группы, ансамбли, колонки с учетом расположения в определенном отделе головного мозга, в зависимости от того, сколько и какие функции выполняют в процессе жизнедеятельности человека. К примеру, ансамбль корковых структур может состоять из сотни нервных клеток, которые включают:
- Клетки, получающие сигналы из подкорковых отделов (к примеру, от ядер таламуса – сенсорных или двигательных).
- Клетки, принимающие сигналы из других отделов коры.
- Клетки локальных сетей, формирующие вертикальные колонки.
- Клетки, отправляющие сигналы обратно к таламусу, другим участкам коры, элементам лимбической системы.
Синапс – место, где происходит биоэлектрический контакт между двумя клетками и передача информации благодаря преобразованию электрического импульса в химический сигнал и затем снова в электрический. Подобные трансформации протекают в синапсе при переходе нервного импульса через пресинаптическую мембрану, синаптическую щель и постсинаптическую мембрану.
Передача импульса возможна между отдельными нейронами или нейроном и эффекторной клеткой (клеткой органа, который исполняет задачу, закодированную в сигнале). Классификация синапсов предполагает разделение по критериям:
- Месторасположение (центральная, периферическая системы).
- Тип действия (возбуждение, торможение).
- Вид нейромедиатора, участвующего в процессе передачи сигнала (холинергический, адренергический, серотонинергический).
Количество синапсов у одного нейрона, расположенного в головном мозге, может достигать 10 тысяч. Скорость передачи биоэлектрического сигнала составляет около 3-120 м/с. Кроме синаптической передачи существует другой способ проведения сигнала – через кровь. Передвижение закодированных данных происходит за счет того, что нервные отростки связываются с кровеносным сосудом и выделяют в кровь нейрогормон.
Нервные клетки, отвечающие за моторную активность, могут создавать тысячи синаптических контактов. Синапсы, формирующиеся на дендритах, количественно преобладают. Меньше синаптических связей образуется на аксонах. В процессе активации одних клеток, происходит торможение других. В результате человек может сосредоточиться на конкретной мысли или выполнить произвольное движение.
Виды нейроцитов
Нейроциты – это второе название нейронов. Вне мозговых структур ЦНС они находятся в ганглиях, которые представляют собой нервные узлы (спинномозговые, черепных нервов, относящиеся к вегетативной системе). В зависимости от выполняемых функций клетки нервной ткани бывают чувствительными, ассоциативными, эффекторными, секреторными. Первые получают сигналы, поступающие от периферических зон нервной системы.
Чаще сигналы направлены к головному мозгу, реже к клеткам вегетативного ганглия. Чувствительные клетки отличаются малыми размерами и большим количеством дендритов. Ассоциативные проводят сигналы в рамках нейронной сети, обеспечивая связь между чувствительными и эффекторными видами клеток. Они находятся в мозге (головном, спинном) и вегетативной системе. Во всех случаях являются элементами, замыкающими рефлекторные дуги (группы нейронов, связанные синапсами).
Эффекторные – это двигательные нейроны, которые приводят в движение части тела человека. Эффекторные нейроны проводят сигналы к исполнительным органам, в том числе к скелетным мышцам, что обуславливает моторную активность человека. Эффекторные – крупные клетки, оснащенные грубыми, менее разветвленными отростками. Секреторные клетки продуцируют нейрогормоны.
Функции клеток нервной ткани
Нейроны, которые расположены в головном мозге – это своеобразная база знаний, теоретически способная вместить и хранить весь объем информации, накопленной человечеством в течение тысячелетий. Мозг запоминает абсолютно все полученные в ходе жизни сведения относительно взаимодействия с внешней средой и процессов, происходящих в человеческом организме. При этом человек не может произвольно извлекать из недр памяти все данные, которые хранятся в мозговом веществе. Функции нейронов:
- Рецепция (прием) импульсов. Клетки нервной ткани принимают определенные сигналы, поступающие, к примеру, от органов чувств (световые, температурные, обонятельные, тактильные воздействия) или других клеток.
- Управление физиологическими процессами посредством возбуждения или торможения. Получая сигнал, участок клетки нервной ткани реагирует переходом в возбужденное или заторможенное состояние.
- Передача возбуждения. Сигналы в состоянии возбуждения передаются от одного участка нервной клетки к другому участку ее отростка. Таким способом передаваемый сигнал может преодолевать расстояние, равное 1,5 м (к примеру, от продолговатого мозга к дистальным отделам ног).
- Проведение импульса. Сигналы передаются от одной нервной клетке к другой или к эффекторным (исполнительным) органам, деятельность которых регулируется рефлексами – ответными реакциями организма на раздражители. К эффекторам относят скелетные и гладкие мышцы, эндокринные, экзокринные железы.
Повреждение нервных клеток приводит к тому, что они теряют способность проводить электрические импульсы и взаимодействовать между собой. Нарушение процессов обмена информацией в нейрональных структурах провоцирует сбои в работе всего организма. Человек теряет способность выполнять движения, разговаривать и воспринимать речь, чувствовать, запоминать, мыслить.
Значение нейронных связей
В книге «От нейрона к мозгу», написанной учеными-нейробиологами Дж. Николлсом, А. Мартином, Б. Валласом, П. Фуксом, научно обосновано значение межнейронного взаимодействия, как ведущего фактора формирования высших психических функций и саморазвития личности.
Нейронные связи играют решающую роль в формировании и развитии интеллекта, появлении устойчивых привычек. Человек рождается с огромным запасом нейронов и малым числом связей между ними. В ходе взросления, жизнедеятельности, взаимодействия с окружающей действительностью, накопления опыта количество связей увеличивается, что обуславливает интеллектуальные и физические свойства личности, ее поведение и уровень здоровья.
Человек способен создавать новые нейронные связи на протяжении всей жизни. Объекты окружающего мира воздействуют на органы чувств, вызывая ответные реакции мозга. Вокруг нейронов, которые постоянно работают, образуется слой – миелиновая оболочка, улучшающая способность нервных волокон проводить электрические сигналы. Клетки, покрытые миелиновым слоем – белые, не покрытые – серые, поэтому мозговое вещество бывает серым и белым.
Основные реакции, возникающие на внешние раздражители, формируются к 7 годам. В этом возрасте выработка миелина сокращается. Семилетний ребенок уже знает, что огонь вызывает ожог, а неосторожные движения приводят к падению. Основной ресурс знаний сформирован, что ассоциируется с замедлением образования новых нейронных связей. Выработка миелина вновь увеличивается в период полового созревания, когда меняются ментальные представления человека.
Гениальность часто проявляется в детском и подростковом возрасте, что коррелирует с повышенной выработкой миелина и созданием мощных, разветвленных нейронных сетей. Количество синаптических связей (взаимодействие между разными нейронами) увеличивается вследствие процесса накопления опыта и получения новых знаний. У нейрона могут образовываться новые отростки в результате активной стимуляции электрическими импульсами.
Разрастание синаптических связей прослеживается в поведении и реакциях человека на условия и обстоятельства внешнего мира. К примеру, любитель собак оценивает окружающую действительность с учетом привязанности к четвероногим питомцам. Религиозные люди относятся к объектам внешнего мира, опираясь на высокие моральные принципы. Это указывает на образование связи между двумя посторонними на первый взгляд идеями и отражает появление новых синаптических контактов.
Создание новых нейронных связей возможно, если человек постоянно занимается саморазвитием – изучает иностранные языки, осваивает новые знания и навыки (живопись, вышивка и вязание, литературное мастерство, занятия спортом, интеллектуальные игры – шахматы и шашки), овладевает новой профессией, меняет привычки.
Мозг нуждается в тренировке, которая провоцирует рост дендритов и расширение взаимодействий между клетками нервной ткани. Восприятие внешнего мира, успехи, состояние здоровья, настроение, удовлетворенность положением в социуме и жизнью в целом зависят от нашего сознания.
Посредством нейронных связей осуществляется управление работой внутренних органов, двигательной активностью, когнитивными процессами. Нейронные связи регулируют поведение человека. Чем больше нейронных связей, тем выше интеллектуальные и физические способности индивида.
ПОЖАЛУЙСТА, ОЦЕНИТЕ СТАТЬЮ!
Просмотров: 634
Сравнение мозга с нейронной сетью / Хабр
Можно встретить много критических замечаний о том, что биологический мозг или биологические нейронные сети работают совершенно не так как ныне популярные компьютерные нейронные сети. К подобным замечаниям прибегают различные специалисты, как со стороны биологов, нейрофизиологов так и со стороны специалистов по компьютерным наукам и машинному обучению, но при этом очень мало конкретных замечаний и предложений. В этой статье мы попытаемся провести анализ этой проблемы и выявить частные различия между работой биологической и компьютерной нейронной сетью, и предложить пути улучшения компьютерных нейронных сетей которые приблизят их работу к биологическому аналогу.
Граница знаний
Прежде я хочу пояснить, почему, по моему мнению, в вопросе создания сильного искусственного интеллекта до сих пор всё так печально, не смотря на грандиозные успехи в компьютерных науках и знаниях о биологическом мозге. Прежде всего, это связано с большой идеологической пропастью между этими двумя столпами науки. Компьютерные науки требуют некой схематичной простоты, строгости и лаконичности в описании систем, некого системного подхода, в отбрасывании лишнего и чёткой структуризации достаточной для оформления в программном коде. В биологии же главенствует подробность описания наблюдаемых систем, ничто не может быть отброшено или проигнорировано из наблюдений. В описываемые системы должны быть включены все наблюдаемые факты. Поэтому биологам сложно применять системный подход к своим обширным знаниям для создания алгоритмов мозга. Ведь чтобы создать конструктив самолёта потребовалось очень многое пересмотреть и отбросить из образа птицы.
Если кто-то попробует провести реинжиниринг работы мозга, то встретит целый пласт накопленных противоречивых знаний, разобраться в которых фактически не хватит жизни даже биолога, не говоря уже о системном инженере который привычен к более другой форме знаний. Работать с таким объёмом информации возможно только через призму некой общей теории работы мозга, которой пока нет.
Человечество обладает технологиями колоссальных вычислительных мощностей и гигантским объёмом знаний о мозге, но не может получить синтез этих вещей. Давайте же попытаемся решить эту проблему и сотрём эту границу знаний.
Мозг это должно быть просто
Первый очень важный принцип, которым следует руководствоваться – это идея того, что мозг должен работать по неким очень простым правилам, т.е. все когнитивные процессы какими бы сложными они не казались, основаны на простых базовых принципах. Это отличается от того, что мы привыкли слышать о мозге. Длительное отсутствие общей теории работы мозга породило множество спекуляций на тему того, что мозг — некий непостижимо сложный объект, или природа его работы выходит далеко за рамки тех научных методов изучения, которые к нему применяют. К примеру, сравнивают мозг с квантовым компьютером, или незаслуженно приписывают отдельным нейронам свойства сложных вычислителей, что вкупе с их количеством в нервной системе делают требования к вычислительным мощностям для моделирования мозга не достижимыми.
Так что же свидетельствует в пользу простоты работы мозга? Здесь я приведу совершенно парадоксальный пример. Если взять виноградную улитку и подвести электроды к одному нейрону её крупного ганглия, согласно всем требованиям, которые применяются к подобным экспериментам, то мы сможем получить график активности отдельного нейрона, и попытаемся проанализировать его, то получим очень сложный характер его активности. Даже если учтём характер инвазивности нашего эксперимента, то что наши электроды приносят улитки серьёзные повреждения и ограничение её жизнедеятельности, то характер активности нейрона всё равно выглядит очень сложным. Мы увидим и спонтанную активность, и изменение в количестве и частоте спайков с течением времени. Многие учёные бьются над объяснением этого сложного поведения нейрона на протяжении уже долгого времени, ища какую-либо закономерность в этом.
Эти факты делают нейрон неким сложным вычислителем, работающим по сложному алгоритму. Учитывая, что таких нейронов в нервной системе улитки насчитывается около 20 тысяч, то можно сказать, что вычислительная мощь нервной системы рядовой улитки сопоставима с мейнфреймом. Я думаю это должно вселить в Вас трепет перед этими животными. Но давайте посмотрим, насколько сложно поведение улиток. Улитка – это некий биологический автомат, да у него существует некая степень вариативности поведения, но она очень мала. Это набор безусловных рефлексов, зачастую очень простых, которые можно объяснить уже имеющимися знаниями о нейронах, синапсах и рефлекторных актах и здесь не будет места сложным вычислениям.
В подтверждение выше изложенного хочу сделать отсылку к моей прошлой статье, в которой описывается модель головастика лягушки, в которой благодаря нервной системе из нескольких десятков нейронов можно получить достаточно сложное поведение водоплавающего существа. Причём из очень простых нейронов, модель которых основана на известных в науке фактах.
Так откуда берётся это сложное поведение нейрона, и зачем их такое большое количество? Здесь на самом деле одно вытекает из другого. В природе существует парадоксальное явление, которое можно назвать парадоксом эффективности нейрона. Оно заключается в том, что с увеличением и усложнением нервной системы эффективность или роль отдельного нейрона в этой системе падает.
Если мы проанализируем нервную систему кольчатого червя c.elegans, животного, чей коннектом из 301 нейрона полностью составлен, то увидим, что не только отдельные нейроны важны в правильной работе его нервной системы, но и имеют значения даже отдельные синапсы. То есть мы можем присвоить отдельному нейрону кольчатого червя 100% эффективности. Если рассматривать с этой точки зрения нервную систему человека, то сложно присвоить нейронам значимое значение эффективности которые можно вынести ломиком из черепной коробки, при этом сохранив жизнедеятельность человека и даже его социальную интеграцию, ну почти сохранив.*
Регулярно можно увидеть статьи, в которых описывается случаи, где люди, живущие полноценной жизнью и социально адаптивны, вдруг обнаруживают, что их мозг лишён каких-либо областей или долей. Не удивительно, что такие факты порождают идеи того, что дело вовсе не в нейронах, да и вообще не в мозге.
Если наблюдать за активностью здорового мозга, то мы не увидим никаких лишних нейронов, каждый нейрон будет задействован, в разной степени, конечно, каждому будет присвоена своя роль. Как это делает мозг, какой должен быть алгоритм нейрона, чтобы это происходило, при низкой эффективности нейрона, я поясню ниже.
Парадокс эффективности нейрона можно объяснить тем, что при увеличении количества нейронов в нервной системе уменьшается «внимание» процессов эволюции к отдельным нейронам. Поэтому нейроны кольчатого червя, можно выразиться, работают как часы, очень точно, нейроны же виноградной улитки и Человека такой точностью похвастаться не могут, в их работе можно увидеть и спонтанную активность так и отсутствие ответа там, где он должен быть, так и его нестабильность.
Итак, на сложную активность нейрона можно представить две теории: нейрон – это сложный вычислитель, алгоритм работы которого сложно понять и обосновать, либо нейрон просто работает очень нестабильно, что компенсируется его избыточным количеством, что является самым простым решением с точки зрения эволюции. Примените к этим теориям правило бритвы Оккама, согласно которой нужно оставить идеи которые имеют самое простое объяснение и вероятнее всего эти идеи будут верными.
С одной стороны парадокс эффективности нейрона даёт нам позитивную надежду, что необходимых вычислительных мощностей для моделирования мозга потребуется значительно меньше, чем при прямой оценке по количеству нейронов и синапсов в мозге человека. С другой стороны это очень сильно усложняет изучение биологического мозга. Мы можем создать достаточно подробную модель небольшого фрагмента коры мозга, затратив большие вычислительные мощности и в этой модели не увидеть каких-либо значимых процессов, которые указывали бы на то, как протекают когнитивные механизмы в нервной системе. Такие попытки уже проводились.
На первый взгляд самый простой и прямолинейный подход в создании общей теории работы мозга – это создание подробной модели мозга, в соответствии с множеством научных фактов известных о нейроне и синапсах. Моделирование – это самый практичный научный инструмент в изучении каких-либо сложных систем. Модель буквально раскрывает суть изучаемого объекта, позволяет погружаться и влиять на внутренние процессы, протекающие в моделируемой системе, давая возможность их глубже понимать.
У нейрона нет никаких исключительных органелл, которые производили бы вычисления, но его мембрана имеет ряд особенностей, и позволяют выполнять нейрону определённую работу. Это работу можно определить с помощью системы уравнений называемой моделью Ходжкина-Хаксли, которая была разработана в 1952 году, за что её авторы получили нобелевскую премию.
Эти формулы содержат несколько коэффициентов определяющих некоторые параметры мембраны нейрона, такие как скорость реакции ионных каналов, их проводимость и т.д. Эта волшебная модель описывает сразу несколько явлений, помимо изменения заряда на поверхности мембраны нейрона. Во-первых, она описывает функцию активации нейрона, или механизм суммации, он достаточно прост. Если исходный заряд недостаточен, то модель остаётся в равновесном состоянии. Если заряд переходит через определённый порог, то модель отвечает одним спайком. Если заряд в значительной степени превышает данный порог, то модель отвечает серией спайков. В компьютерных нейронных сетях используется большое разнообразие вариантов функции активации, самые близкое к биологии может являться функция Хевисайда (единичная ступенька) и линейный выпрямитель (Rectifier). Но нужно понимать, что мы описываем достаточно простой аспект работы нейрона – суммацию. В своей работе над головастиком, упомянутой выше, я применил очень простой вариант модели суммации, который образно можно представить в виде сосуда накапливающего в себе фактор побудительного воздействия, если этот фактор превышал определённый порог, то нейрон активизировался. Чтобы этот сумматор работал в реальном времени, из образного сосуда фактор воздействия медленно истекал.
Эта модель суммации позволяла производить суммацию сигналов, которые приходили на нейрон асинхронно, и она достаточно реалистично работает. На мой взгляд, чем проще описывать этот процесс, тем лучше, и это непринципиальное отличие биологических и компьютерных сетей.
Во-вторых, модель Ходжкина-Хаксли описывает изменение заряда в одной точке мембраны, но если мы, к примеру, создадим топологически точную 3D модель нейрона и разобьём эту модель на равномерную сетку, мы сможем применить модель Ходжкина-Хаксли в каждой вершине (узле) этой сетки, с условием влияния заряда на значение в соседних вершинах по сетке. Тем самым мы получим модель распространения возбуждения по нейрону близко к тому, как это происходит в живом нейроне.
Главные выводы, которые можно сделать из этой модели, это то, что возбуждение, возникнув на любом участке мембраны, распространяется на всю мембрану, в том числе распространяется по длинному аксону к самым удалённым синапсам. Модель Ходжкина-Хаксли очень ресурсозатратна поэтому для целей моделирования используют менее затратные модели с очень схожими графиками, таких придумано несколько моделей.
В рамках проекта Human Brain Project (HBP) была создана модель небольшого фрагмента коры мозга мыши, её создатели учли очень многое. 3D модели нейронов были воссозданы по реальным нейронам, использовался один из вариантов моделей Ходжкина-Хаксли, учитывались различные типы нейронов и нейромедиаторов, и нет сомнений в том, что модель действительно соответствует биологическому аналогу. На это потрачено множество ресурсов и времени, но так и не дало значимых результатов по причине того, что в столь малом размере из-за парадокса эффективности нейрона невозможно было увидеть значимых процессов. Поэтому путь подробного повторения биологии является очень и очень трудоёмким. Залог успеха это возможность понимания того как работает нервная ткань и нейроны в более широком масштабе.
Давайте рассмотрим то как мозг обрабатывает информацию на частном примере, на обработке зрительной информации. Мы составим схему нейронной сети выполняющей эту задачу.
Информация с сетчатки глаза по зрительному нерву передаётся в таламус, там информация практически не подвергается значимым преобразованиям. Далее она передается в первичную зрительную зону коры головного мозга (V1). В коре головного мозга выделяют шесть слоёв, но эти слои по гистологическим или морфологическим признакам. Вероятно, здесь мы имеем дело с двумя слоями, так как некоторые структуры повторяются дважды. Но и при этом мы имеем дело скорее не с двумя отдельными самостоятельными слоями, слоями нервных клеток работающих в тандеме.
Охарактеризуем зону зрительной коры V1 как первый слой, в котором происходит обработка информации. Зона V1 также имеет обратные связи с таламусом. Подобные обратные связи имеются и между всеми последующими слоями. Эти связи формируют циклические передачи возбуждения между слоями называемыми реверберациями.
После зоны V1 информация передаётся в следующую зону V2, все последующие зоны будут иметь меньшие площади. В зависимости от того, что наблюдает мозг, был это объект, символ, лицо человека, место или что-то другое информация из V2 может передаваться в различные области V3, V4, V5. То есть уже на этой зрительной области V2 происходит серьёзная категоризация зрительных образов. И примерно уже на третьем или четвёртом слое можно будет выделить нейроны-детекторы определённых образов. К примеру, мы сможем выделить нейрон-детектор буквы «А», цифры 3 или лица Дженнифер Энистон. По активации этих нейронов-детекторов мы сможем судить об том, что в данный момент наблюдает мозг. Достаточно простая архитектура нейронной сети, если сравнить её с архитектурой компьютерных нейронных сетей специализированных на распознавании визуальных образов, свёрточных нейронных сетей.
AlexNet
Есть схожие моменты, это иерархия свёрточных слоёв, каждый последующий слой будет иметь всё меньшее количество параметров. Но у слоёв данного типа компьютерных сетей нет рекуррентных связей, конечно, их наличие не является критерием для успешного распознавания образов, так как природа ревербераций в живом мозге до конца не изучена. Есть гипотеза, что реверберации связаны с явлением моментальной памяти, той памяти, которая позволяет нам, к примеру, не сбиться при наборе номера телефона или его произношении. Реверберирующая активность как бы задерживается, обозначая участки, по которым проходит эта активность, тем самым создается контекст обрабатываемой информации.
Человек может распознать сложные образы за доли секунд, скорость распространения потенциала действия по мембране от 1 до 120 м/с, синаптическая задержка в химических синапсах составляет 0,2-0,5мс, что говорит о том, что за время распознавания может задействоваться цепочка не более чем ста нейронов.
Вышеописанное говорит о том, что в нашей черепной коробке присутствует нейронная сеть, работающая быстрее и эффективнее любой компьютерной нейронной сети, при этом организованна она относительно просто, выполняющая не сложные преобразования информации. Понимание этого и подстрекает производить поиск алгоритма сети, который бы выполнял задачу распознавания образов с применением значительно меньших вычислительных ресурсов, чем современные нейронные сети.
Формальный нейрон
Ещё со школьных лет меня волновала идея создания искусственного интеллекта, свои интерес я удовлетворял изучением литературы по нейрофизиологии, и об искусственных нейронных сетях я ничего не знал. С нейронными сетями я познакомился позже, будучи уже студентом. Знакомство с формальным нейроном Маккалока-Питса, который является основой для всех современных нейронных сетей меня озадачило и разочаровало, из-за большого акцента на дендритных синапсах.
Формальный нейрон Маккалока-Питса можно представить как некую функцию с множеством аргументов и одним ответом. Аргументы-входы преумножаются с соответствующими коэффициентами, называемыми весами (W1, W2,… Wn), затем эти значения складываются и полученная сумма проходит через активационную функцию, результат которой и является результатом вычислений нейрона. Главное это правильно подобрать веса, то есть обучить нейронную сеть. Эта модель нейрона может показаться простой и очевидной, но в ней сильный акцент на дендритных синапсах.
В химическом синапсе можно выделить две важные части: это пресинапс и постсинапс. Пресинапсы расположены на концах длинного единичного отростка аксона, который может многократно разветвляться. Пресинапс представлен в виде небольшого уплотнения на кончиках, он относится к нейрону, который передаёт возбуждение. Постсинапсы расположены на коротких ветвистых отростках дендритах, они принадлежат нейрону, которому передается возбуждение.
В пресинапсе расположены везикулы, пузырьки с порциями вещества нейромедиатора. Именно в пресинапсах прежде была выявлена неравнозначность синапсов, пресинапсы различаются по количеству порций нейромедиатора хранящегося в нем, а также по количеству выделяемого нейромедиатора при его активации. Вес или силу пресинапса обозначим буквой S.
На поверхности мембраны постсинапса расположены рецепторы, которые реагируют на нейромедиатор. Количество этих рецепторов определяет, то насколько синапс будет чувствителен. То есть постсинапс также можно охарактеризовать некоторой характеристикой, весом. Обозначим этот вес буквой A. Конечно, можно эти два параметра представить как один W, определяющий силу всего синапса, но эти параметры при обучении должны настраиваться по-разному и они относятся всё-таки к разным нейронам.
Такое представление нейрона более реалистичное, но при этом оно сильно усложняется, так как теперь предстоит понять, как настраивать все эти параметры при обучении.
Хочу представить мою версию того по какому алгоритму происходит изменения в постсинапсах, то есть дендритных синапсах. Он основан на том, что биологическому нейрону требуется поддержание определённого уровня активности. Дело в том, что нейрон как клетка очень ресурсозатратна для организма, он не может самостоятельно питаться, за него это делаю клетки-спутники, глии. Поэтому если нейрон по каким-то причинам не выполняет своих функций, то лучший вариант это избавиться от него в целях эффективности всего организма. При длительном отсутствии активаций в нейроне может запуститься процесс апоптоза, этот процесс активно поддерживают клетки-спутники, буквально разрывая и растаскивая нейрон на части. Поэтому чтобы выжить нейрону в условиях недостаточного источника активаций приходится развивать ветви дендритов, увеличивать чувствительность синапсов на дендритах и иногда даже мигрировать в другие участки (это происходит крайне редко и в определённых условиях), ну или производить спонтанную активность. Об этом свидетельствуют, к примеру, зрительные или слуховые галлюцинации у людей, чьи органы зрения или слуха подвергнуты депривации, или деградации вследствие старения. Об этом подробней пишет Оливер Сакс в своей книге «Человек, который принял свою жену за шляпу».
Оливер Сакс о галлюцинацияхПОЖАЛУЙСТА, ОЦЕНИТЕ СТАТЬЮ!
Просмотров: 634
Сравнение мозга с нейронной сетью / Хабр
Можно встретить много критических замечаний о том, что биологический мозг или биологические нейронные сети работают совершенно не так как ныне популярные компьютерные нейронные сети. К подобным замечаниям прибегают различные специалисты, как со стороны биологов, нейрофизиологов так и со стороны специалистов по компьютерным наукам и машинному обучению, но при этом очень мало конкретных замечаний и предложений. В этой статье мы попытаемся провести анализ этой проблемы и выявить частные различия между работой биологической и компьютерной нейронной сетью, и предложить пути улучшения компьютерных нейронных сетей которые приблизят их работу к биологическому аналогу.
Граница знаний
Прежде я хочу пояснить, почему, по моему мнению, в вопросе создания сильного искусственного интеллекта до сих пор всё так печально, не смотря на грандиозные успехи в компьютерных науках и знаниях о биологическом мозге. Прежде всего, это связано с большой идеологической пропастью между этими двумя столпами науки. Компьютерные науки требуют некой схематичной простоты, строгости и лаконичности в описании систем, некого системного подхода, в отбрасывании лишнего и чёткой структуризации достаточной для оформления в программном коде. В биологии же главенствует подробность описания наблюдаемых систем, ничто не может быть отброшено или проигнорировано из наблюдений. В описываемые системы должны быть включены все наблюдаемые факты. Поэтому биологам сложно применять системный подход к своим обширным знаниям для создания алгоритмов мозга. Ведь чтобы создать конструктив самолёта потребовалось очень многое пересмотреть и отбросить из образа птицы.
Если кто-то попробует провести реинжиниринг работы мозга, то встретит целый пласт накопленных противоречивых знаний, разобраться в которых фактически не хватит жизни даже биолога, не говоря уже о системном инженере который привычен к более другой форме знаний. Работать с таким объёмом информации возможно только через призму некой общей теории работы мозга, которой пока нет.
Человечество обладает технологиями колоссальных вычислительных мощностей и гигантским объёмом знаний о мозге, но не может получить синтез этих вещей. Давайте же попытаемся решить эту проблему и сотрём эту границу знаний.
Мозг это должно быть просто
Первый очень важный принцип, которым следует руководствоваться – это идея того, что мозг должен работать по неким очень простым правилам, т.е. все когнитивные процессы какими бы сложными они не казались, основаны на простых базовых принципах. Это отличается от того, что мы привыкли слышать о мозге. Длительное отсутствие общей теории работы мозга породило множество спекуляций на тему того, что мозг — некий непостижимо сложный объект, или природа его работы выходит далеко за рамки тех научных методов изучения, которые к нему применяют. К примеру, сравнивают мозг с квантовым компьютером, или незаслуженно приписывают отдельным нейронам свойства сложных вычислителей, что вкупе с их количеством в нервной системе делают требования к вычислительным мощностям для моделирования мозга не достижимыми.
Так что же свидетельствует в пользу простоты работы мозга? Здесь я приведу совершенно парадоксальный пример. Если взять виноградную улитку и подвести электроды к одному нейрону её крупного ганглия, согласно всем требованиям, которые применяются к подобным экспериментам, то мы сможем получить график активности отдельного нейрона, и попытаемся проанализировать его, то получим очень сложный характер его активности. Даже если учтём характер инвазивности нашего эксперимента, то что наши электроды приносят улитки серьёзные повреждения и ограничение её жизнедеятельности, то характер активности нейрона всё равно выглядит очень сложным. Мы увидим и спонтанную активность, и изменение в количестве и частоте спайков с течением времени. Многие учёные бьются над объяснением этого сложного поведения нейрона на протяжении уже долгого времени, ища какую-либо закономерность в этом.
Эти факты делают нейрон неким сложным вычислителем, работающим по сложному алгоритму. Учитывая, что таких нейронов в нервной системе улитки насчитывается около 20 тысяч, то можно сказать, что вычислительная мощь нервной системы рядовой улитки сопоставима с мейнфреймом. Я думаю это должно вселить в Вас трепет перед этими животными. Но давайте посмотрим, насколько сложно поведение улиток. Улитка – это некий биологический автомат, да у него существует некая степень вариативности поведения, но она очень мала. Это набор безусловных рефлексов, зачастую очень простых, которые можно объяснить уже имеющимися знаниями о нейронах, синапсах и рефлекторных актах и здесь не будет места сложным вычислениям.
В подтверждение выше изложенного хочу сделать отсылку к моей прошлой статье, в которой описывается модель головастика лягушки, в которой благодаря нервной системе из нескольких десятков нейронов можно получить достаточно сложное поведение водоплавающего существа. Причём из очень простых нейронов, модель которых основана на известных в науке фактах.
Так откуда берётся это сложное поведение нейрона, и зачем их такое большое количество? Здесь на самом деле одно вытекает из другого. В природе существует парадоксальное явление, которое можно назвать парадоксом эффективности нейрона. Оно заключается в том, что с увеличением и усложнением нервной системы эффективность или роль отдельного нейрона в этой системе падает.
Если мы проанализируем нервную систему кольчатого червя c.elegans, животного, чей коннектом из 301 нейрона полностью составлен, то увидим, что не только отдельные нейроны важны в правильной работе его нервной системы, но и имеют значения даже отдельные синапсы. То есть мы можем присвоить отдельному нейрону кольчатого червя 100% эффективности. Если рассматривать с этой точки зрения нервную систему человека, то сложно присвоить нейронам значимое значение эффективности которые можно вынести ломиком из черепной коробки, при этом сохранив жизнедеятельность человека и даже его социальную интеграцию, ну почти сохранив.*
Регулярно можно увидеть статьи, в которых описывается случаи, где люди, живущие полноценной жизнью и социально адаптивны, вдруг обнаруживают, что их мозг лишён каких-либо областей или долей. Не удивительно, что такие факты порождают идеи того, что дело вовсе не в нейронах, да и вообще не в мозге.
Если наблюдать за активностью здорового мозга, то мы не увидим никаких лишних нейронов, каждый нейрон будет задействован, в разной степени, конечно, каждому будет присвоена своя роль. Как это делает мозг, какой должен быть алгоритм нейрона, чтобы это происходило, при низкой эффективности нейрона, я поясню ниже.
Парадокс эффективности нейрона можно объяснить тем, что при увеличении количества нейронов в нервной системе уменьшается «внимание» процессов эволюции к отдельным нейронам. Поэтому нейроны кольчатого червя, можно выразиться, работают как часы, очень точно, нейроны же виноградной улитки и Человека такой точностью похвастаться не могут, в их работе можно увидеть и спонтанную активность так и отсутствие ответа там, где он должен быть, так и его нестабильность.
Итак, на сложную активность нейрона можно представить две теории: нейрон – это сложный вычислитель, алгоритм работы которого сложно понять и обосновать, либо нейрон просто работает очень нестабильно, что компенсируется его избыточным количеством, что является самым простым решением с точки зрения эволюции. Примените к этим теориям правило бритвы Оккама, согласно которой нужно оставить идеи которые имеют самое простое объяснение и вероятнее всего эти идеи будут верными.
С одной стороны парадокс эффективности нейрона даёт нам позитивную надежду, что необходимых вычислительных мощностей для моделирования мозга потребуется значительно меньше, чем при прямой оценке по количеству нейронов и синапсов в мозге человека. С другой стороны это очень сильно усложняет изучение биологического мозга. Мы можем создать достаточно подробную модель небольшого фрагмента коры мозга, затратив большие вычислительные мощности и в этой модели не увидеть каких-либо значимых процессов, которые указывали бы на то, как протекают когнитивные механизмы в нервной системе. Такие попытки уже проводились.
На первый взгляд самый простой и прямолинейный подход в создании общей теории работы мозга – это создание подробной модели мозга, в соответствии с множеством научных фактов известных о нейроне и синапсах. Моделирование – это самый практичный научный инструмент в изучении каких-либо сложных систем. Модель буквально раскрывает суть изучаемого объекта, позволяет погружаться и влиять на внутренние процессы, протекающие в моделируемой системе, давая возможность их глубже понимать.
У нейрона нет никаких исключительных органелл, которые производили бы вычисления, но его мембрана имеет ряд особенностей, и позволяют выполнять нейрону определённую работу. Это работу можно определить с помощью системы уравнений называемой моделью Ходжкина-Хаксли, которая была разработана в 1952 году, за что её авторы получили нобелевскую премию.
Эти формулы содержат несколько коэффициентов определяющих некоторые параметры мембраны нейрона, такие как скорость реакции ионных каналов, их проводимость и т.д. Эта волшебная модель описывает сразу несколько явлений, помимо изменения заряда на поверхности мембраны нейрона. Во-первых, она описывает функцию активации нейрона, или механизм суммации, он достаточно прост. Если исходный заряд недостаточен, то модель остаётся в равновесном состоянии. Если заряд переходит через определённый порог, то модель отвечает одним спайком. Если заряд в значительной степени превышает данный порог, то модель отвечает серией спайков. В компьютерных нейронных сетях используется большое разнообразие вариантов функции активации, самые близкое к биологии может являться функция Хевисайда (единичная ступенька) и линейный выпрямитель (Rectifier). Но нужно понимать, что мы описываем достаточно простой аспект работы нейрона – суммацию. В своей работе над головастиком, упомянутой выше, я применил очень простой вариант модели суммации, который образно можно представить в виде сосуда накапливающего в себе фактор побудительного воздействия, если этот фактор превышал определённый порог, то нейрон активизировался. Чтобы этот сумматор работал в реальном времени, из образного сосуда фактор воздействия медленно истекал.
Эта модель суммации позволяла производить суммацию сигналов, которые приходили на нейрон асинхронно, и она достаточно реалистично работает. На мой взгляд, чем проще описывать этот процесс, тем лучше, и это непринципиальное отличие биологических и компьютерных сетей.
Во-вторых, модель Ходжкина-Хаксли описывает изменение заряда в одной точке мембраны, но если мы, к примеру, создадим топологически точную 3D модель нейрона и разобьём эту модель на равномерную сетку, мы сможем применить модель Ходжкина-Хаксли в каждой вершине (узле) этой сетки, с условием влияния заряда на значение в соседних вершинах по сетке. Тем самым мы получим модель распространения возбуждения по нейрону близко к тому, как это происходит в живом нейроне.
Главные выводы, которые можно сделать из этой модели, это то, что возбуждение, возникнув на любом участке мембраны, распространяется на всю мембрану, в том числе распространяется по длинному аксону к самым удалённым синапсам. Модель Ходжкина-Хаксли очень ресурсозатратна поэтому для целей моделирования используют менее затратные модели с очень схожими графиками, таких придумано несколько моделей.
В рамках проекта Human Brain Project (HBP) была создана модель небольшого фрагмента коры мозга мыши, её создатели учли очень многое. 3D модели нейронов были воссозданы по реальным нейронам, использовался один из вариантов моделей Ходжкина-Хаксли, учитывались различные типы нейронов и нейромедиаторов, и нет сомнений в том, что модель действительно соответствует биологическому аналогу. На это потрачено множество ресурсов и времени, но так и не дало значимых результатов по причине того, что в столь малом размере из-за парадокса эффективности нейрона невозможно было увидеть значимых процессов. Поэтому путь подробного повторения биологии является очень и очень трудоёмким. Залог успеха это возможность понимания того как работает нервная ткань и нейроны в более широком масштабе.
Давайте рассмотрим то как мозг обрабатывает информацию на частном примере, на обработке зрительной информации. Мы составим схему нейронной сети выполняющей эту задачу.
Информация с сетчатки глаза по зрительному нерву передаётся в таламус, там информация практически не подвергается значимым преобразованиям. Далее она передается в первичную зрительную зону коры головного мозга (V1). В коре головного мозга выделяют шесть слоёв, но эти слои по гистологическим или морфологическим признакам. Вероятно, здесь мы имеем дело с двумя слоями, так как некоторые структуры повторяются дважды. Но и при этом мы имеем дело скорее не с двумя отдельными самостоятельными слоями, слоями нервных клеток работающих в тандеме.
Охарактеризуем зону зрительной коры V1 как первый слой, в котором происходит обработка информации. Зона V1 также имеет обратные связи с таламусом. Подобные обратные связи имеются и между всеми последующими слоями. Эти связи формируют циклические передачи возбуждения между слоями называемыми реверберациями.
После зоны V1 информация передаётся в следующую зону V2, все последующие зоны будут иметь меньшие площади. В зависимости от того, что наблюдает мозг, был это объект, символ, лицо человека, место или что-то другое информация из V2 может передаваться в различные области V3, V4, V5. То есть уже на этой зрительной области V2 происходит серьёзная категоризация зрительных образов. И примерно уже на третьем или четвёртом слое можно будет выделить нейроны-детекторы определённых образов. К примеру, мы сможем выделить нейрон-детектор буквы «А», цифры 3 или лица Дженнифер Энистон. По активации этих нейронов-детекторов мы сможем судить об том, что в данный момент наблюдает мозг. Достаточно простая архитектура нейронной сети, если сравнить её с архитектурой компьютерных нейронных сетей специализированных на распознавании визуальных образов, свёрточных нейронных сетей.
AlexNet
Есть схожие моменты, это иерархия свёрточных слоёв, каждый последующий слой будет иметь всё меньшее количество параметров. Но у слоёв данного типа компьютерных сетей нет рекуррентных связей, конечно, их наличие не является критерием для успешного распознавания образов, так как природа ревербераций в живом мозге до конца не изучена. Есть гипотеза, что реверберации связаны с явлением моментальной памяти, той памяти, которая позволяет нам, к примеру, не сбиться при наборе номера телефона или его произношении. Реверберирующая активность как бы задерживается, обозначая участки, по которым проходит эта активность, тем самым создается контекст обрабатываемой информации.
Человек может распознать сложные образы за доли секунд, скорость распространения потенциала действия по мембране от 1 до 120 м/с, синаптическая задержка в химических синапсах составляет 0,2-0,5мс, что говорит о том, что за время распознавания может задействоваться цепочка не более чем ста нейронов.
Вышеописанное говорит о том, что в нашей черепной коробке присутствует нейронная сеть, работающая быстрее и эффективнее любой компьютерной нейронной сети, при этом организованна она относительно просто, выполняющая не сложные преобразования информации. Понимание этого и подстрекает производить поиск алгоритма сети, который бы выполнял задачу распознавания образов с применением значительно меньших вычислительных ресурсов, чем современные нейронные сети.
Формальный нейрон
Ещё со школьных лет меня волновала идея создания искусственного интеллекта, свои интерес я удовлетворял изучением литературы по нейрофизиологии, и об искусственных нейронных сетях я ничего не знал. С нейронными сетями я познакомился позже, будучи уже студентом. Знакомство с формальным нейроном Маккалока-Питса, который является основой для всех современных нейронных сетей меня озадачило и разочаровало, из-за большого акцента на дендритных синапсах.
Формальный нейрон Маккалока-Питса можно представить как некую функцию с множеством аргументов и одним ответом. Аргументы-входы преумножаются с соответствующими коэффициентами, называемыми весами (W1, W2,… Wn), затем эти значения складываются и полученная сумма проходит через активационную функцию, результат которой и является результатом вычислений нейрона. Главное это правильно подобрать веса, то есть обучить нейронную сеть. Эта модель нейрона может показаться простой и очевидной, но в ней сильный акцент на дендритных синапсах.
В химическом синапсе можно выделить две важные части: это пресинапс и постсинапс. Пресинапсы расположены на концах длинного единичного отростка аксона, который может многократно разветвляться. Пресинапс представлен в виде небольшого уплотнения на кончиках, он относится к нейрону, который передаёт возбуждение. Постсинапсы расположены на коротких ветвистых отростках дендритах, они принадлежат нейрону, которому передается возбуждение.
В пресинапсе расположены везикулы, пузырьки с порциями вещества нейромедиатора. Именно в пресинапсах прежде была выявлена неравнозначность синапсов, пресинапсы различаются по количеству порций нейромедиатора хранящегося в нем, а также по количеству выделяемого нейромедиатора при его активации. Вес или силу пресинапса обозначим буквой S.
На поверхности мембраны постсинапса расположены рецепторы, которые реагируют на нейромедиатор. Количество этих рецепторов определяет, то насколько синапс будет чувствителен. То есть постсинапс также можно охарактеризовать некоторой характеристикой, весом. Обозначим этот вес буквой A. Конечно, можно эти два параметра представить как один W, определяющий силу всего синапса, но эти параметры при обучении должны настраиваться по-разному и они относятся всё-таки к разным нейронам.
Такое представление нейрона более реалистичное, но при этом оно сильно усложняется, так как теперь предстоит понять, как настраивать все эти параметры при обучении.
Хочу представить мою версию того по какому алгоритму происходит изменения в постсинапсах, то есть дендритных синапсах. Он основан на том, что биологическому нейрону требуется поддержание определённого уровня активности. Дело в том, что нейрон как клетка очень ресурсозатратна для организма, он не может самостоятельно питаться, за него это делаю клетки-спутники, глии. Поэтому если нейрон по каким-то причинам не выполняет своих функций, то лучший вариант это избавиться от него в целях эффективности всего организма. При длительном отсутствии активаций в нейроне может запуститься процесс апоптоза, этот процесс активно поддерживают клетки-спутники, буквально разрывая и растаскивая нейрон на части. Поэтому чтобы выжить нейрону в условиях недостаточного источника активаций приходится развивать ветви дендритов, увеличивать чувствительность синапсов на дендритах и иногда даже мигрировать в другие участки (это происходит крайне редко и в определённых условиях), ну или производить спонтанную активность. Об этом свидетельствуют, к примеру, зрительные или слуховые галлюцинации у людей, чьи органы зрения или слуха подвергнуты депривации, или деградации вследствие старения. Об этом подробней пишет Оливер Сакс в своей книге «Человек, который принял свою жену за шляпу».
Оливер Сакс о галлюцинацияхПодвижные нейроны
С другой стороны, чрезмерная активность нейрона также может привести к его гибели. Активность нейрона — это очень сложный процесс, который требует чёткого выполнения множества механизмов, и любой сбой их выполнения приведёт к фатальным последствиям для всей клетки. Если источники активности избыточны, то нейроны начинают процесс деградации некоторых ветвей дендритов и снижения чувствительности своих постсинапсов. Таким образом, нейрон пытается найти некий баланс, в уровне своей активности, регулируя дендритные синапсы. Нейрон, выступающий как самостоятельный агент, действующий в своих интересах, обеспечивает удивительную адаптивность и пластичность всего мозга. Несмотря на парадокс эффективности нейрона, здоровый мозг работает очень слажено, и каждый нейрон играет свою роль. Нейроны зрительных зон коры головного мозга слепых людей благодаря этому механизму будут вовлечены в другие нервные процессы, не связанные с обработкой зрительных образов. А избыточность в количестве нервных клеток делает нервную систему очень надёжной и при повреждении некоторых участков нервной ткани, нейроны могу взять на себя функции и роли потерянных клеток.
Исходя из этой версии, дендритным синапсам отводится роль, влияющая на адаптивные качества всей нервной системы, а не какие-то логические функции которые и определяют когнитивные процессы.
Для изменений в пресинапсах синапсов аксона уже существует алгоритм, так называемое правило Хебба.
Если аксон клетки А находится достаточно близко, чтобы возбуждать клетку B, и неоднократно или постоянно принимает участие в ее возбуждении, то наблюдается некоторый процесс роста или метаболических изменений в одной или обеих клетках, ведущий к увеличению эффективности А, как одной из клеток возбуждающих В.Hebb, D. O. The organization
of behavior: a neuropsychological theory. New York (2002) (Оригинальное издание — 1949) (спасибо)
Привожу здесь полный текст правила Хебба потому, что существует его множество трактовок, меняющих его смысловое значение.
Как видим, акцент отводится нейрону, который передаёт возбуждение, то есть на синапсах аксона, а не дендритных синапсах принимающего нейрона. Пресинапс и постсинапс безусловно влияют друг на друга. К примеру, при дефиците активаций нейрон прежде будет увеличивать чувствительность того постсинапса, который чаще используется. А в случае необходимости снижения уровня активации будут прежде деградировать те постсинапсы, которые использовались реже всего. Это связано с важностью сохранения логики научения при адаптивных процессах.
Если мы хотим создавать искусственную нейронную сеть, то можно пренебречь адаптивными механизмами, всё-таки биологические системы более требовательны к экономии ресурсов каждым элементом, нежели искусственные модели.
Получается, что в основу компьютерных нейронных сетей положена модель нейрона, у которой акценты расставлены наоборот, нежели чем у биологического нейрона. Поэтому и не стоит рассчитывать на качественный результат в развитии этого направления. Но понимая эти проблемы, можно изменить ситуацию, нужно перестроить концепцию нейронных сетей заново, пересмотреть ее, заложив верный фундамент.
Анализ и Синтез
Нейрофизиология это молодая еще не зрелая наука, в ней нет ещё строгих фундаментальных законов подобно законам в физике, хоть в ней присутствуют большое количество теорий и фактов. Мне кажется, такими законами могут являться постулаты и принципы рефлекторной теории Ивана Петровича Павлова. Их можно сравнивать с законами Ньютона в физике. При создании новых теорий в нейрофизиологии мы должны задаваться вопросами: как в рамках нашей теории происходят и формируются рефлексы, а также как проявляются процессы синтеза и анализа.
Анализ и синтез требуют отдельного внимания. Эти понятия кажутся очень абстрактными, но это конкретные процессы которые протекают в нервной системе. И.П. Павлов считал, что анализ и синтез непрерывно протекают в коре головного мозга. Эти процессы являются базой для когнитивной деятельности. Я попытаюсь доступно донести, что это за процессы, это очень важно для того, чтобы воссоздать когнитивные процессы в нейронных сетях.
Синтез – это механизм объединения, обобщения различных признаков в один образ или действие.
Пример из экспериментов И.П. Павлова:
Специально подготовленному модельному животному – собаке, изолированной от иных внешних раздражителей и обездвиженной (заневоленой) при кормлении включают звук метронома, который ранее для неё был индифферентен, безразличен. После нескольких таких сочетаний у собаки выработается условный рефлекс, то есть на звук только метронома у модельного животного может вырабатываться желудочный сок, как при кормлении.
Анализ – это механизм выделения, ранжирования (предания рангов, значимости) каждого признака из ограниченного набора признаков.
Пример из работ И.П. Павлова:
Ранее обученному модельному животному, у которого сформирован условный рефлекс на звук метронома выработка желудочного сока, меняют условия эксперимента, теперь животные получает пищу при звуке метронома 120 ударов в минуту, а при звуке 160 ударов в минуту не будут подкреплять ничем. Сначала выученный пищевой условный рефлекс срабатывал на оба звука метронома, но стечением множества повторений, причём значительно большего количества раз, чем при эксперименте с синтезом. Собака начинает различать эти два очень сходных раздражителя и перестает реагировать на звук метронома с частотой, которая не подкреплялась.
Давайте качественно сравним эти два когнитивных процесса.
Синтез – это относительно быстрый механизм потому, что требует малого количества примеров, в свою очередь, Анализу требуется значительно больших повторений. Синтез может протекать в некоторой пассивной форме, то есть здесь главное одновременное сочетание раздражителей или признаков, чтобы их можно было объединить. Для Анализа всегда требуется эмоциональное подкрепление или некая обратная связь, которая будет определять, каким признакам повысить или понизить важность, ранг. Синтез всегда предшествует Анализу, то есть признаки должны сначала быть объедены в группу, внутри которой уже может производиться ранжирование (процесс анализа).
Анализ всегда приводит к сокращению количества ошибок, так как придаёт данным дополнительную информативность: ранги или значимость отдельных признаков. Чистый Синтез создаёт множество ошибок, так как приводит к снижению информативности исходных данных, объединив, обобщив их в единые группы.
Теперь вооружившись пониманием этих процессов, проанализируем компьютерные нейронные сети на их наличие.
Обратное распространение ошибки – это чистый Анализ, это процесс ранжирования входов нейронов по результатам работы всей нейронной сети. Синтеза как механизма в нейронных сетях нет. У каждого нейрона изначально уже сформирована группа входов, эта группа никак не меняется в процессе научения по принципу Синтеза. Может возникнуть ложное представление присутствия Синтеза в нейронных сетях благодаря их возможности классификации данных, но это результат работы механизма Анализа над данными. Синтез это способность обобщения, слияния данных, а не объединения в группы по общим признакам.
Как следствие, высокой способности к обобщению, которая свойственна человеческому интеллекту, так сильно не хватает компьютерным нейронным сетям, и это компенсируется необходимостью использовать большое количество примеров при обучении.
Надо понимать, что у алгоритмов, в которых присутствует акцент на Анализе, всё равно будет существовать преимущество в определённых задачах. К примеру, в задаче поиска закономерностей в большом количестве данных, или распознавании лиц из миллионной базы с современными нейронными сетями не сравнится уже никакой алгоритм. Но в задаче, где требуется применять опыт, полученный на небольшом количестве примеров в различных и разнообразных ситуациях, к примеру, задача автопилота, то здесь требуются другие новые алгоритмы, основанные на Синтезе и Анализе, подобно тому, как это происходит в мозге.
Вместо заключения
То, чем я занимаюсь – это поиск новых алгоритмов, это создание моделей, основанных на вышеизложенных принципах. Я вдохновляюсь изучением биологического мозга. Этот путь проходит через череду неудач и заблуждений, но с каждой новой моделью я получаю ценный опыт и становлюсь ближе к своей цели. В будущем я постараюсь поделиться некоторым своим опытом на примере разбора конкретных моделей. Разберем, как на практике я применяю свои знания о нервной системе.
Сейчас я поставил себе задачу создать алгоритм нейронной сети, которая сможет различать рукописные цифры из стандартного набора MNIST, причём при обучении должно использоваться не более 1000 примеров и предъявлений. Результат я буду считать удовлетворительным при хотя бы 5% ошибке. Я уверен это возможно потому, что наш мозг делает нечто подобное. Напоминаю, что MNIST содержит 6000 примеров обучения, которые для настройки нейронной сети могут предъявлять по несколько десятков раз.
С тех пор, как я стал писать о своих идеях и работе на хабре – гиктаймс, ко мне стали обращаться люди с похожими идеями и стремлениями, люди для кого мои статьи оказались вдохновляющими на собственные изыскания. На меня это также оказывает положительный мотивирующий фактор. Сейчас время возможностей, когда необязательно быть академиком или деятелем науки, чтобы создавать новые технологии или решать фундаментальные задачи. Один из таких искателей, как и я, Николай — он самостоятельно создаёт некую платформу для моделирования нервной системы простейшего животного, проект «Дафния». Проект открыт, и желающие могут подключиться.
Каждый из нас хоть раз в жизни слышал о том, что нервные клетки не восстанавливаются. Но, проведя массу серьезных исследований и экспериментов, ученым удалось доказать, что организм человека способен не только «тратить», но и «создавать» новые нервные клетки. Данный процесс получил название «нейрогенез».
Так как о нейрогенезе люди узнали совсем недавно, то пока у ученых нет однозначных ответов на касающиеся этой темы вопросы, а их мнениях во многом расходятся. И в этом нет ничего странного или удивительного, ведь изучать человеческий мозг трудно и по медицинским, и по этическим причинам.
Пока ученые продолжают проводить исследования на грызунах, мы в данной статье попытаемся разложить по полочкам всю ту информацию о формировании новых нейронных связях головного мозга, которая доступна нам на текущий момент.
Немного полезной информации о нейронах
Нейроны, в отличие от всех остальных клеток нашего организма, «не умеют» делиться, поэтому до недавних пор ученые были убеждены, что человек всю жизнь живет с тем ограниченным запасом нервных клеток, который достался ему при появлении на свет. Результаты многочисленных современных исследований показали, что данное утверждение не соответствует истине, так как нейроны все же создаются на протяжении всей нашей жизни. Происходит это благодаря стволовым клеткам, которые обладают способностью превращаться в клетки практически любого вида.
Наш мозг обладает собственным запасом стволовых клеток. Ученые пока не могут определить точное число принимающих участие в формировании новых нервных клеток отделов. Научному сообществу известно только то, что новые нейроны формируются в отвечающей за память и эмоции зубчатой извилине гиппокампа и тонком слое клеток, расположенном вдоль желудочков мозга (субвентикулярная зона).
Многие новообразованные нейроны практически сразу же погибают из-за активной работы нейромедиаторов, негативного влияния микросреды, определенных белков и прочей химии, происходящей в нашем головном мозге.
Чтобы новоиспеченная нервная клетка могла продолжить свое существование, ей необходимо сформировать нейронную связь (синапс) с другими нервными клетками. Так как мозгу совершенно не нужны одиноко плавающие нейроны, то он просто уничтожает их, ведь никакой пользы они ему не приносят и в будущем принести не смогут. Те же нейроны, которые смогли установить связь с другими нервными клетками, успешно встраиваются в структуру нашего головного мозга.
Каждый день в структуру мозга может встроиться около 700 – 800 нейронов, которые сумели выжить и образовать новые нейронные связи.
Запрограммированная мозгом гибель клеток или апоптоз является совершенно нормальным процессом, которого не стоит бояться. При помощи апоптоза мозг наводит порядок и избавляется от ненужных ему нейронов.
Мозг взрослого среднестатистического человека состоит примерно из 85 – 88 миллионов нервных клеток.
Мозг новорожденного содержит намного больше нейронов, но уже к концу первого года жизни их количество уменьшается практически в два раза. Психофизиолог и сотрудник Психологического института РАО Илья Захаров объясняет это тем, что человеческий мозг активнее всего развивается в первые три года после рождения.
Почему так происходит? Дело в том, что именно в этот период времени ребенок активно познает окружающий мир: он постоянно трогает что-то новое, нюхает его, видит, пробует на вкус или на ощупь и т.д. Все новые знания фиксируются в головном мозгу малыша в виде новых нейронных связей, благодаря которым сохраняются все сформированные и уже закрепленные навыки, весь приобретенный эмоциональный и интеллектуальный опыт.
Хотя человеческий мозг подобным образом развивается на протяжении всей жизни, но «основной рывок» он совершает именно в самом раннем детстве.
Как нейронные связи влияют на наше восприятие окружающего мира?
Любым человеком, независимо от уровня его духовного развития, движет один из трех основных инстинктов: инстинкт размножения, инстинкт иерархии и инстинкт выживания. Они, глубоко «сидя» где-то в недрах нашего рептильного мозга, четко и расчетливо управляют нашей жизнью. Именно благодаря инстинктам мы хотим завоевать признание и уважение окружающих нас людей, выделиться из толпы, любить и быть любимыми, рожать и воспитывать детей, двигаться вперед и решать не только жизненные, но и математические или экономические задачи. Инстинкты очень сильно влияют на наш выбор и на нашу повседневную жизнь.
У животных за удовлетворение вызванных тремя основными инстинктами желаний отвечают рептильный мозг и ответственная за выработку «гормонов счастья» лимбическая система. В нашем же арсенале есть отлично развитая кора головного мозга, которая дарит нам возможность удовлетворять инстинктивные желания миллионами разных способов. Хорошо развитая кора позволяет нам не только реализовывать свои инстинкты, но и обманывать мозг, делая вид, что мы, занимаясь удовлетворением инстинктивных желаний, реально выбираем правильный, конструктивный и полезный способ.
Зачем же нам заниматься самообманом? А затем, что мозг и в первом, и во втором случае «вручает» нам «подарок» в виде гормональной «плюшки».
Суть данного вопроса заключается именно в самообмане нашего мозга: когда наш мозг совершает объективно вредное действие, он внутренне убежден в том, что это действие реально способствует нашему выживанию. Объективно полезное же действие мозг воспринимает как угрозу выживанию, поэтому оно зачастую сопровождается стрессом.
Ранее образованные нейронные связи включают в себя все наши умения, привычки и ассоциации. И в этом нет ничего плохого, а вся проблема заключается только в том, что чаще всего эти связи создаются совершенно случайно, а потом эти случайно сформированные нейронные дорожки ведут нас не в ту сторону и становятся серьезным препятствием на пути к нашему счастью.
✔ Если родители постоянно хвалили ребенка за то, что он хорошо знает математику, то в его мозгу формируются мощные нейронные пути, созданные при помощи положительного действия дофамина и серотонина. В данном случае математика становится для такого ребенка источником истинного удовольствия, поэтому он постоянно будет развиваться в этом направлении, а во взрослом возрасте сможет достичь каких-то существенных результатов и добиться успеха.
✘ Если же родители никогда не поощряли ребенка и все его начинания сопровождались жесткими комментариями, то эта нейронная связь будет «отполирована» негативным влиянием гормона кортизола. Со временем ребенок возненавидит математику, не захочет развиваться в данном направлении и выберет совершенно другой вид деятельности. Во взрослом же возрасте он может и не вспомнить, откуда взялась такая нелюбовь к точным наукам.
Данную схему можно применить не только к выбору рода деятельности, но и к людям, местам, фильмам, книгам, музыке и т.д. Чем сильнее выброс гормона (сопроводительная эмоция), тем крепче и быстрее формируется нейронная связь.
Поэтому каждый из нас может в любой момент оказаться Алисой в Зазеркалье и начать относиться положительно к тому, что вредно, а от того, что полезно, будет уклоняться. При помощи вредных и избыточных удовольствий наш мозг пытается избежать давно миновавшего негатива. Поэтому во взрослом возрасте вы будете избегать математики, потому что родители относились негативно к вашему увлечению, или же пристраститесь к сладкому, потому что пирожные в детском возрасте помогали вам пережить очередное поражение и т.д.
На формирование нейронных связей влияют не только гормоны и вызываемые ими эмоции, но и количество повторений. Чем чаще и регулярнее вы повторяете то или иное действие, тем крепче становится нейронная связь.
Если нейронная связь ведет к объективно негативному результату (скандал, физическое насилие, потеря работы, ожирение, проблемы со здоровьем и т.д.), и она не только достаточно крепкая, но и «отшлифованная» положительными гормонами и приятными эмоциями, то человеческий мозг будет субъективно воспринимать такую нейронную связь как нужную и полезную.
Нейронные связи, сформированные при помощи сильных эмоций и большого количества повторений, могут вести нас как к райскому саду, так и к вратам ада. И все это происходит без каких-либо усилий со стороны нашего сознательного.
Как создать новые нейронные связи головного мозга: несколько эффективных способов
Выбирая между привычным и новым поведением, большинство людей отдаст предпочтение первому варианту. Почему? От многих мужчин и женщин можно услышать такую фразу: «Умом я все понимаю, но ничего не могу с собой поделать. Я говорю себе, что сложившаяся ситуация меня совершенно не устраивает, но продолжаю вести себя так, как вел (вела) раньше!». Парадокс? Нет! Все дело в уже сформировавшихся нейронных связях!
Чем крепче нейронная связь, тем больше образовывается синапсов (синапс — место контакта между двумя нервными клетками), и тем мощнее и эффективнее становятся электрические сигналы между входящими в эту связь нервными клетками. Чем больше формируется синапсов, тем активнее и эффективнее они начинают работать. Нервные же клетки, входящие в крепкую нейронную связь, со временем покрываются специфической оболочкой, которую можно сравнить с проводами. Она не только защищает и изолирует нейроны, но и значительно повышает их активность.
Именно поэтому человек, который действует не так, как обычно, ощущает неудовлетворенность и тревогу как на ментальном, так и на физическом уровне. Когда вы отказываетесь следовать по уже сформированным нейронным путям, ваш мозг воспринимает это как угрозу вашему выживанию.
А ведь эти старые нейронные связи укоренились в вашей голове только из-за того, что ваш мозг когда-то их связал с «гормонами счастья» и положительными эмоциями! Вы же, повторив определенное количество раз то или иное вызывающее положительную эмоцию действие, «заставили» ваш мозг «поверить» в то, что оно напрямую связано с вашим выживанием.
Можно ли избавиться от старых, объективно вредных и ведущих в никуда нейронных связей? Можно ли создать новые нейронные связи, благодаря которым ваша жизнь изменится в лучшую сторону? Не только можно, но и нужно! Как это сделать? Предлагаем вашему вниманию несколько эффективных способов!
1. Меняем привычный образ жизни
Ученые доказали, что те процессы, которые вредят организму, негативно влияют и на головной мозг. Хроническое переутомление, постоянный стресс, дефицит сна, ночные кошмары, депрессия, постоянное переедание, злоупотребление лекарственными препаратами и алкогольными напитками, вредные привычки, малоподвижный образ жизни, несбалансированное питание и многие другие негативные факторы окружающей среды препятствуют образованию новых нейронных связей.
Проведенные на мышах исследования показали, что формированию новых нервных клеток и их связей способствуют физическая активность, обогащенный полезными веществами рацион, полноценный ночной отдых, разные развлечения и т.д.
У людей, ведущих здоровый и активный образ жизни, головной мозг, по сравнению с людьми, ведущими малоактивный и малоподвижный образ жизни, стареет намного медленнее.
2. Заменяем старую нейронную связь совершенно новой
Чтобы научиться строить новые нейронные связи на основе старых, необходимо желаемое поведение связать с привычным для вашего мозга поведением, которое доставляет вам удовольствие. Рассмотрим данный способ создания полезных нейронных связей на примере человека, которому нужно найти новую работу.
Человек, которому необходимо отыскать честного и справедливого работодателя, прекрасно понимает, что эта затея достаточно трудная и на неё придется потратить много личного времени, поэтому он делает все возможное, чтобы оттянуть момент начала поисков. Чтобы облегчить задачу, такому человеку необходимо связать процесс поиска работы с чем-то, что вызывает у него положительные эмоции. Если желающий трудоустроиться специалист обожает зеленый чай, то ему необходимо отправиться в любимое кафе вместе с планшетом или ноутбуком, заказать там зеленый чай и начать на протяжении определенного времени (1,5−2 часа) мониторить те сайты, на которых он сможет отыскать подходящего ему работодателя.
Поначалу будет тяжело, но через 5 – 7 дней такому человеку станет намного проще заниматься поисками работы. А если процесс пойдет по правильному пути и организм начнет вырабатывать дофамин, то желающий трудоустроиться будет приходить в любимое кафе за 10 минут до его открытия, лишь бы побыстрее заказать зеленый чай и продолжить поиски!
Если вы давно планировали начать заниматься спортом и уже записались в тренажерный зал, то вам следует объединить тренировки с тем, что вы любите и что вызывает у вас положительные эмоции: слушайте любимую музыку, купите новую спортивную одежду, на которую вы уже давно засматриваетесь, но все никак не можете приобрести, запишитесь на массаж и идите на сеанс сразу же после тренировки, позовите с собой коллегу или друга и т.д.
Многим людям данный способ может показаться банальным, но именно так можно построить совершенно новую и объективно полезную нейронную связь на основе старой и объективно вредной нейронной связи.
Связывание старых нейронных путей с новыми, а неприятное с приятным – это достаточно трудоемкая задача. Чем старше становится человек, тем труднее его мозгу создавать новые синапсы между нервными клетками. Поэтому вовлечение уже существующих связей (паттернов) в создание совершенно новых нейронных путей существенно облегчает эту задачу.
3. Находим приятную и полезную замену
Когда мы лишаемся чего-то привычного, то начинаем испытывать сильнейший дискомфорт и гнетущее чувство тревоги. Мозг, пытаясь избежать этих деструктивных ощущений, «толкает» нас что-то делать в буквальном смысле этого слова. Чаще всего люди начинают заниматься всякими ненужными делами, которые не только не меняют их жизнь в лучшую сторону, но и могут в будущем стать причиной возникновения серьезных проблем с душевным или физическим здоровьем. Именно поэтому многие бывшие курильщики заменяют сигареты едой и очень быстро набирают лишний вес. Многие из них прекрасно понимают, что так нельзя, но ничего не могут с собой поделать, ведь еда не только спасает их от тревоги и дискомфорта, но и активизирует выработку «гормонов счастья».
Именно поэтому вам нужно найти приятную и полезную замену. Кто-то отдает предпочтение чтению книг, кого-то привлекает рисование, кто-то записывается в тренажерный зал, а кто-то полностью отдается работе. У каждого из нас есть свои индивидуальные предпочтения, поэтому универсальной замены, которая бы подошла абсолютно любому человеку, не существует и существовать не может!
Находясь в поисках приятной и полезной замены, не забывайте о том, что в приоритете у вас должна быть цель (создание полезных нейронных связей), а не средства, которые вы используете для её достижения.
Если человек приходит в любимое кафе, несколько раз заказывает зеленый чай, но мониторит социальные сети и ведет переписку с другом, а не занимается поиском работы, то те средства, которые он выбрал для достижения своей цели, ему совершенно не подходят! Если вы «выбрали» определенную нейронную связь и влияете на неё тем или иным образом, а «воз и ныне там», то следует продолжать поиски средств до тех пор, пока вы не отыщете подходящие именно вам варианты!
Если вы смотрели мультсериал «Эй, Арнольд», то должны помнить Шоколадного Мальчика, который ни дня не мог прожить без шоколада. Арнольд, узнав печальную историю нового друга, сделал все возможное, чтобы ему помочь. Обожающий шоколад школьник смог избавиться от шоколадной зависимости, но стал зависимым от редиски. Редиска, в отличие от шоколада, полезна для организма, поэтому Шоколадный Мальчик не только при помощи замены создал в своей голове новую нейронную связь, но и улучшил качество своей жизни!
4. Учимся преодолевать чувство отторжения
Почему мы не спешим ближе знакомиться с теми людьми, которые нам неприятны, слушать музыку неизвестных исполнителей, читать книги неизвестного автора или смотреть фильм неизвестного режиссера? Дело в том, что наш мозг склонен доверять первым впечатлениям, поэтому человеку, который хочет создать новую нейронную связь, нужно иногда делать то, что ему совершенно не нравится.
Многие наши ощущения часто основываются только на каком-то случайном жизненном опыте, поэтому они далеко не всегда способны объективно отражать всю ситуацию. Такие случайно сформировавшиеся нейронные связи заставляют нас испытывать чувство отторжения и тревоги каждый раз, когда мы «сворачиваем» с хорошо известного пути и совершаем несвойственное нам действие.
Если вы отдаете предпочтение старым нейронным связям только из-за того, что не желаете испытывать чувство отторжения и тревоги, то вы упускаете огромнейшее количество возможностей изменить свою жизнь в лучшую сторону и стать реально счастливым человеком.
5. Регулярно и «через не хочу» повторяем нужное действие
Чтобы создать нужные синаптические связи между нервными клетками, необходимо одно и то же действие повторять снова и снова. И не имеет никакого значения, выделяются ли в этот момент «гормоны счастья» или нет. Многократное повторение способствует созданию новой нейронной связи и без активного участия эмоций.
Если вы систематически совершаете одно и то же действие и повторяете одно и то же поведение, то в той или иной нейронной связи передача электрических сигналов с каждым разом становится все эффективнее, а связь с выработкой «гормонов счастья» — все крепче. Те же нейроны, которые долгое время пребывают в неактивном состоянии, мозг уничтожает, так как они больше ему не нужны. Так проявляется экономность и гибкость нашей природы!
Необходимо потратить от нескольких дней до нескольких месяцев, чтобы приучить мозг ассоциировать полезное и нужное вам действие с «гормонами счастья». Для этого вам необходимо активно задействовать префронтальную кору, отвечающую за самоконтроль.
Поначалу вы будете отдавать предпочтение старому поведению, ведь новые действия будут вызывать у вас чувство дискомфорта, тревоги, отторжения и беспокойства. Если будете выполнять нужное вам действие регулярно и «через не хочу», то сможете создать новую нейронную связь в мозгу, благодаря которой ваша жизнь начнет меняться в лучшую сторону!
6. Составляем специальный конспект
Многие изучающие теоретическую физику студенты, которые хотят создать новые нейронные связи в своем мозгу, используют этот способ. Чтобы составить конспект, необходимо взять какой-нибудь текст и прочитать его два раза: первый раз – бегло, а второй раз – очень вдумчиво.
Свободно пользуясь оригиналом, перепишите текст дословно, а затем перечитайте то, что вы написали. Отложите и оригинал, и переписанный текст. Возьмите чистый лист бумаги и резюмируйте всю полученную с оригинала информацию. Прочтите свое резюме и попытайтесь самостоятельно написать весь текст, не используя никаких подсказок.
Используя этот способ, вы не только при помощи чтения, воспроизведения, запоминания и структурирования «заставите» мозг создавать новые нейронные связи, но и, стимулируя нервные окончания на пальцах ваших рук, положительно повлияете на собственные мнемонические способности.
Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.
В коре вашего мозга 17 млрд компьютеров / Хабр
Нейросеть нейросетей
Изображение brentsview под лицензией CC BY-NC 2.0
В мозг поступает информация из внешнего мира, его нейроны получают данные на входе, производят обработку и выдают некий результат. Это может быть мысль (хочу карри на ужин), действие (сделать карри), изменение настроения (ура, карри!). Что бы ни получилось на выходе, это «что-то» является преобразованием данных со входа (меню) в результат на выходе («куриный дхансак, пожалуйста»). И если представлять мозг как преобразователь с входом в выходом, то неизбежна аналогия с компьютером.
Для одних это просто полезный риторический приём, для других — серьёзная идея. Но мозг — это не компьютер. Компьютером является каждый нейрон. В коре головного мозга 17 миллиардов компьютеров.
Посмотрите на это:
Пирамидальный нейрон, спроецированный в 2D. Чёрное пятно посередине — это тело нейрона, а остальные провода — его дендриты. Изображение: Ален Декстеше
Это изображение пирамидального нейрона. Такие клетки составляют большую часть коры вашего мозга. Пятно в центре — тело нейрона, а во все стороны тянутся и ветвятся дендриты, извилистые провода, которые собирают входные данные от других близких и далёких нейронов. Входные данные поступают по всей длине каждого дендрита, некоторые прямо рядом с телом, а другие далеко на кончиках. Важно, куда именно поступит сигнал.
Многие не понимают, насколько важно местоположение входных данных. Обычно работу нейронов сводят к идее простого сумматора. В этой идее дендриты — просто устройства для сбора входных данных. Активация каждого входа в отдельности немного изменяет напряжение тока в электрической нейросети. Если суммировать ток со всех дендритов, то генерируется дендритный потенциал действия (спайк), который спускается по аксону и станет входом для других нейронов.
Модель нейрона с суммированием входных сигналов и генерацией дендритного потенциала действия, если сумма входов превышает порог (серый круг)
Это удобная ментальная модель, она лежит в основе всех искусственных нейронных сетей. Но она неправильная.
Дендриты — не просто кусочки проволоки. У них тоже есть собственное устройство для генерации спайков. Если на одном небольшом участке дендрита активировано достаточное количество входов, то они будут усилены:
Два цветных сгустка — это два входа в один участок дендрита. Когда они самостоятельно активируются, каждый порождает отклик. Серая стрелка на рисунке указывает на активацию этого входа (отклик здесь означает «изменение напряжения»). При совместной активации отклик больше (сплошная линия), чем сумма отдельных входов (пунктирная линия)
Соотношение между количеством активных входов и размером отклика на небольшом участке дендрита выглядит следующим образом:
Размер отклика в одной ветви дендрита в ответ на увеличение числа активных входов. Локальный «спайк» — это резкий скачок от минимальной к большой реакции
Мы видим локальный всплеск: внезапный скачок от почти нулевой реакции на несколько входов к очень большой реакции с добавлением ещё одного. Этот участок дендрита работает «надлинейно», здесь 2+2=6.
Мы много лет знаем об этих локальных всплесках на отдельных участках дендрита. Мы видели спайки в нейронах на срезах мозга. Мы видели их у животных под наркозом, которым щекотали лапы (да, мозг без сознания ещё что-то чувствует; просто не утруждает себя ответом). Совсем недавно мы видели их в дендритах нейронов у животных в движении (да, Мур с коллегами зафиксировали ЭМ-поле в нескольких микрометрах от мозга бегающей мыши; сумасшедший, правда?). Дендриты пирамидального нейрона действительно генерируют спайки.
Но почему этот локальный всплеск меняет наше представление о мозге как о компьютере? Потому что у дендритов пирамидального нейрона много отдельных веток. И каждая способна вычислить результат и выдать всплеск. Это означает, что каждая ветвь дендрита действует как небольшое нелинейное выходное устройство, суммируя и выводя локальный всплеск, если эта ветвь получает достаточное количество входов примерно в одно время:
Дежавю. Одна дендритная ветвь действует как небольшое устройство для суммирования входов и выдачи всплеска, если одновременно поступило достаточно входов. И преобразование от входа к выходу (серый круг) — тот же график, который мы уже видели выше, определяющий силу спайка
Погодите. Разве это не наша модель нейрона? Да, это она. Теперь, если заменить каждую маленькую ветвь дендрита одним из наших маленьких «нейронных» устройств, то пирамидальный нейрон выглядит примерно так:
Слева: много дендритных ветвей нейрона (сверху и снизу от тела). Справа: получается, что это набор нелинейных суммирующих устройств (жёлтые ящики с нелинейными выходами), которые выводятся в тело нейрона (серый ящик) и суммируются там. Что-то знакомое?
Да, каждый пирамидальный нейрон представляет собой двухслойную нейронную сеть. Сам по себе.
Прекрасная работа Поирази и Мела ещё в 2003 году явно показала это. Они построили сложную компьютерную модель одного нейрона, имитируя каждый маленький кусочек дендрита, локальные всплески внутри них, и как те спускаются к телу. Затем они напрямую сравнили выход нейрона с выходом двухслойной нейронной сети — и они оказались одинаковыми.
Необычайное значение этих локальных всплесков в том, что каждый нейрон является компьютером. Сам по себе нейрон способен вычислить огромный диапазон так называемых нелинейных функций, которые он просто суммирует и выдаёт спайк. Например, с четырьмя входами (синий, море, жёлтый и солнце) и двумя ветвями, действующими как маленькие нелинейные устройства, пирамидальный нейрон может вычислить функцию «связывания признаков»: реагировать на сочетание синего и моря или на сочетание жёлтого и солнца, но не реагировать иначе, например, на синий и солнце или жёлтый и море. Конечно, у нейронов гораздо больше четырёх входов и гораздо больше двух ветвей: таким образом, они способны вычислять астрономический диапазон логических функций.
Совсем недавно Ромен Кейз с друзьями (я один из друзей) показали, что единственный нейрон вычисляет удивительный диапазон функций, даже если не способен сгенерировать локальный дендритный всплеск. Потому что дендриты, естественно, не линейны: в своём нормальном состоянии они фактически суммируют входные данные, получая результат меньше, чем сумма отдельных значений. В таком режиме они работают сублинейно, то есть 2+2 = 3,5. И наличие многих дендритных ветвей с сублинейным суммированием также позволяет нейрону действовать как двухслойная нейронная сеть. Двухслойная нейронная сеть, которая вычисляет различный набор нелинейных функций, построенный по нейронам с надлинейными дендритами. И почти у каждого нейрона есть дендриты. Таким образом, почти все нейроны в принципе могут быть двухслойной нейронной сетью.
Другое удивительное следствие локального всплеска состоит в том, что нейроны знают о мире намного больше, чем говорят нам — или другим нейронам, если уж на то пошло.
Недавно я задал простой вопрос: как мозг распределяет информацию? Когда мы смотрим на проводку между нейронами в мозге, мы можем проследить путь от любого нейрона к любому другому. Как же тогда информация, очевидно доступная в одной части мозга (скажем, запах карри), не появляется во всех других частях мозга (например, в зрительной коре)?
На это есть два противоположных ответа. Во-первых, в некоторых случаях мозг не разделён: информация действительно появляется в странных местах, например, звуки доходят до области мозга, которая отвечает за ориентирование на местности. И другой ответ: мозг разделяют дендриты.
Как мы только что видели, локальный всплеск является нелинейным событием: он больше, чем сумма входов. И тело нейрона в основном не может обнаружить ничего, что не является локальным всплеском. Это означает, что оно игнорирует большую часть входных данных: тот участок, который генерирует импульс для остальной части мозга, изолирован от большей части информации, которую получает нейрон. Нейрон реагирует только тогда, когда много входов активны одновременно во времени и пространстве (на одном и том же участке дендрита).
В таком случае получается, что дендриты реагируют на то, на что не реагирует нейрон. Именно это и происходит. Мы видели, как в зрительной коре многие нейроны реагируют только на объекты, которые движутся под определённым углом. В некоторых нейронах генерируются спайки при движении объекта под углом 60°, в других 90° или 120°. Но дендриты реагируют на все углы без исключения. Дендриты знают гораздо больше об окружающем мире, чем тело нейрона.
Они также видят гораздо больше. Нейроны зрительной коры реагируют только на вещи в определённом месте: один нейрон может реагировать на объекты слева вверху, другой — на объекты справа внизу. Совсем недавно Соня Хофер с коллегами показали, что всплески нейронов происходят только в ответ на объекты, появляющиеся в одном определённом положении, но дендриты реагируют на множество различных положений, часто далёких от специализации нейрона. Таким образом, нейроны реагируют только на небольшую часть полученной информации, а остальная информация спрятана в их дендритах.
Почему всё это важно? Это означает, что каждый нейрон может радикально изменить свою функцию, сменив всего несколько входов. Некоторые входы становятся слабее — и внезапно целая ветвь дендрита замолкает. Нейрон, который раньше был рад видеть кошек, потому что эта ветвь любила кошек, больше не реагирует, когда ваша кошка запрыгнула на клавиатуру работающего компьютера — и в результате вы стали гораздо более спокойным, собранным человеком. Несколько входов усиливаются — и внезапно целая ветвь начинает реагировать: нейрон, который раньше не реагировал на вкус оливок, теперь радостно генерирует всплески, когда фиксирует полный рот спелых зелёных оливок — по моему опыту, этот нейрон активируется у человека только после 20 лет. Если бы входы просто суммировались, то новые входы сражались бы со старыми за функцию нейрона; но каждый участок дендрита действует независимо и легко производит новые вычисления.
Это означает, что мозг может производить множество вычислений. Нельзя считать нейрон просто сумматором входных данных и генератором всплесков. Но именно так устроены юниты в искусственных нейронных сетях. Это говорит о том, что глубокое обучение и другие системы ИИ даже не приблизились к вычислительной мощи реального мозга.
В коре головного мозга 17 миллиардов нейронов. Чтобы понять, что они делают, мы часто проводим аналогии с компьютером. Некоторые аргументы полностью основаны на этой аналогии. Другие считают её заблуждением. В пример часто приводят искусственные нейросети: они производят вычисления и состоят из нейроноподобных вещей, поэтому и мозг должен вычислять. Но если мы думаем, что мозг — это компьютер, потому что он подобен нейронной сети, то теперь мы должны признать, что отдельные нейроны тоже являются компьютерами. Все 17 миллиардов в коре. Возможно, все 86 миллиардов в мозге.
Это значит, что кора головного мозга — не нейронная сеть. Это нейросеть из нейросетей.
Нейронная сеть мозга формирует наши привычки
На протяжении многих веков человеческий организм, его жизнеобеспечивающие функции, психика и система восприятия являлись одним из самых трудоёмких объектов для всестороннего и глубокого изучения. С появлением новых направлений и исследований в медицине, генетике, нейробиологии и психологии стало возможным провести множество параллелей о взаимном влиянии наших психоментальных процессов и биологических функций организма.
В данной статье мы обзорно рассмотрим с позиции нейробиологии и ииссиидиологии взаимосвязи некоторых отделов мозга и проходящих в них нейрональных цепочек с психологическими состояниями и привычками человека.
1. Немного о нейронах
Нейронная сеть (нервная система человека) – сложная сеть структур, которая обеспечивает взаимосвязанное поведение разных систем в организме. Нейрон – это специальная клетка, состоящая из ядра, тела и многочисленных отростков – дендритов (длинные отростки называют аксонами). Зоны контакта между нейронами называются синапсами. Средний человеческий мозг располагает ресурсом в 100 млрд. нейронов. Каждая клетка, в свою очередь, может дать примерно 200 тыс. синаптических ответвлений. В нейронах происходят сложнейшие процессы обработки информации. С их помощью формируются ответные реакции организма на внешние и внутренние раздражения [1].
Одна из ключевых задач нейрона — передача электрохимического импульса по нейронной сети по доступным (резонационным) связям с другими нейронами. При этом каждая из связей характеризуется некоторой величиной, которая называется синаптической силой. Она определяет, что будет происходить с электрохимическим импульсом при его передаче другому нейрону: усилится он, ослабеет или останется неизменным.
Биологическая нейронная сеть имеет высокую степень связности: на один нейрон приходится порою несколько тысяч связей с остальными нейронами. Однако это приблизительное значение, которое в каждом из конкретных случаев разное. Передача импульсов от нейрона к нейрону порождает некоторое возбуждение всей сети нейронов. Несколько упрощая, можно сказать, что каждая нейронная сеть представляет собой мысль, навык, воспоминание, то есть некий блок информации.
Любая наша мысль меняет работу мозга, прокладывая новые пути для электрических импульсов. При этом электрический сигнал должен преодолеть щель синапса для образования новых связей между нервными клетками. Эту дорогу ему труднее всего пройти первый раз, но по мере повторения, когда сигнал преодолевает синапс снова и снова, связи становятся «шире и прочнее»; растёт число синапсов и связей между нейронами. Образуются новые нейронные микросети, куда «встраиваются» новые знания, убеждения, привычки, модели поведения, навыки человека.
Здесь мне бы хотелось подчеркнуть, что конкретика этих убеждений будет зависеть от того, в каком отделе головного мозга будут чаще всего задействованы нейронные цепочки.
2. Отделы мозга: неокортекс и лимбическая система
На сегодняшний день считается, что отличительной особенностью человеческого мозга от мозга животных является заметно увеличенные области лобных долей, которые представляют собой один из отделов неокортекса (от лат. neo – новая, cortex- кора). Этот отдел полушарий головного мозга в процессе эволюции был сформирован довольно поздно. И если у хищников он едва намечен, то у современного человека лобные доли занимают около 25% общей площади больших полушарий мозга.
Другими словами, эта — человеческая — часть головного мозга отвечает за то, насколько хорошо мы способны организовывать свои мысли и действия в соответствии с теми целями, которые стоят перед нами. Также полноценное функционирование лобных долей дает каждому из нас возможность сопоставлять свои действия с теми намерениями, для осуществления которых мы их совершаем, выявлять несоответствия и исправлять ошибки. Это центр концентрации внимания, осознанности, а также контроля инстинктов и эмоций. За поведение, которое повторяется многократно и выполняется на «автопилоте», отвечает левая часть неокортекса. Правая часть «включается», когда человек сталкивается с незнакомой информацией, собирается выполнить новую задачу или делает несвойственный ему выбор.
В тоже время каждый из нас может себя узнать и в таких проявлениях как резкие перепады настроения, окрашенные пессимистичным или негативным взглядом на жизнь, снижение мотивации, устремления, самооценки, усиление чувства вины или беспомощности и многие другие подобные состояния.
Такие модели поведения регулируются архикортексом, или лимбической системой. У «людей» и у животных эта подкорковая мозговая структура участвует в формировании как отрицательных (страх, оборонительное и агрессивное поведение), так и примитивных положительных эмоций. Причём её размер положительно коррелирует с агрессивным поведением: у менее развитых «личностей» она всегда крупнее [2, 11.12161].
Почему же нам, людям, бывает так сложно контролировать степень активности нейронных сетей лимбической системы?
Одной из основных причин является ещё достаточно устойчивая сосредоточенность личности на собственных интересах. По этой причине задействуются отделы мозга, связанные с эмоциями и получением различных видов удовольствий: тактильных, вкусовых, обонятельных, эстетических и других; в корне многих мотиваций лежит получение выгоды и желание комфорта, побуждающее личность идти путём наименьшего сопротивления к данным состояниям.
Лимбическая система обуславливает автоматические (часто неосознаваемые) реакции на уровне инстинктов. Инстинкты – это совокупность сложных наследственно обусловленных шаблонов поведения, которые мы машинально используем в своей повседневной жизни [3]. Однако многие базовые животные инстинкты: стадный, половой, инстинкт самосохранения в процессе эволюционирования были адаптированы под человеческий образ жизни и приобрели несколько иной вид. Например, инстинкт самосохранения может проявляться у людей как склонность к повышенной осторожности, мнительности, нетерпимость к боли, тревожность в отношении всего неизвестного, эгоцентричность. Всё это может стать одной из причин формирования у человека «тяжелого характера», которому присущи чрезмерный эгоизм, подозрительность, истеричность, трусость и прочие качества. Другой пример, это инстинкт продолжения рода, проявляющийся первично в воспроизводстве потомства и межполовых отношениях, однако он также изрядно трансформировался и проявляется у людей как излишнее стремление к нарядам, самоукрашению, паническая зацикленность на своей внешности и фигуре, кокетство, флирт, нарциссизм, стремление обнажать себя. Это всего лишь несколько примеров, демонстрирующих то, что в основе большинства наших повседневных интересов главенствуют нейронные цепочки архаичных животных программ выживания и зацикленности на себе.
Некоторые люди могут даже не предполагать того, что данные проявления не только являются нечеловеческим наследием, но и не позволяют нам полноценно развиваться, преодолевать свои недостатки и несовершенства с лёгкостью. Таким образом, ежедневно подкрепляя различные типы инстинктов, усиливаются и «уплотняются» подобные нейрональные цепи, являясь причиной формирования импульсивных и в большей степени негативных шаблонов поведения.
Здесь важно отметить, что наиболее действенный способ для «торможения» этих нейронных цепочек – научиться анализировать и различать собственные черты и модели поведения, стараясь подключать отделы неокортекса, посредством осознанности и наблюдением за собой. А для этого необходим контроль над своими текущими навыками и эгоистичными состояниями для усиления других нейрональных сетей, отвечающих за «новые» гармоничные шаблоны мышления [4].
3. Взаимосвязанность нейронных сетей
В добавление ко всему вышесказанному, хотелось бы отметить ещё несколько особенностей нейронных сетей. Одно из фундаментальных правил нейронауки гласит: нейроны, используемые вместе, соединяются. Стоит сделать что-либо один раз, и разрозненная группа нейронов образует сеть, но если вы не повторите это действие достаточное количество раз, то не «протопчете тропинку» в мозге, соответствующую подобному качеству выборов и мышления. Когда мы совершаем определённые действия снова и снова, то связь между нервными клетками укрепляется и «включить» эту нейросеть повторно становится гораздо проще. В результате даже мимолетные мысли и ощущения могут надолго оставить соответствующий след в нашем мозге.
Здесь стоит подумать о том, какие нейрональные цепочки мы закладываем своим мышлением и действиями изо дня в день. Какие тенденции мышления нам больше свойственны: гармония, созидание или деструкция, разрушение? Какую «атмосферу» мы создаём вокруг себя и что полезного и радостного несём другим людям?
Все образующиеся в нашем мозге нейросети не обособлены, а тесно и сложно взаимоувязаны между собой, и именно эти взаимосвязи образуют сложные идеи, глубокие переживания, воспоминания из жизни, образы давно испытанных эмоций. Человеческий мозг взаимодействует с миллионами бит информации каждую секунду, но сознательно мы способны воспринимать только небольшую часть из них.
Например, нейросеть, хранящая понятие «яблока» в информационном простнатсве нашего сознания, — это не один простой комплекс нейронов. Это довольно крупная сеть, соединенная с другими сетями, хранящими такие понятия, как «красный», «фрукт», «круглый», «вкусный», «сочный», «сладкий» и т. д. Эта нейросеть также соединена со многими другими сетями, поэтому, когда мы видим яблоко, зрительная область коры головного мозга (которая тоже подключена сюда) обращается к этой сети, чтобы дать нам образ яблока именно для этой конкретной ситуации. В другой ситуации в зависимости от настроения, текущего психического состояния человека, он к понятию яблока подключит абсолютно другие нейронные сети и получит соответственно другие переживания, например, «кислое», «твёрдое», «несочное» и т.д.
У каждого человека имеется собственная коллекция огромного многообразия переживаний и навыков, представленная в нейросетях его мозга. Доктор медицинских наук Д. Диспенза поясняет: «В какой семье вы росли, сколько у вас было братьев и сестер, где вы учились, какую религию исповедовали ваши близкие, к какой культуре они принадлежали, где вы жили, любили вас и поощряли в детстве или били и обижали — все это и многое другое сказалось на формировании нейросетей вашего мозга» [5].
Согласно концепции автора «Ииссиидиологии», на образование новых нейронных взаимосвязей оказывают влияние не только вышеназванные факторы. Одним из постулатов ииссиидиологии является теория о многовариантном, многомировом существовании всех форм, в том числе и людей. Одновременно с нами существует бесконечное количество Вселенных, миров и наших личностных интерпретаций в них. Из этого вытекает следующий принцип: благодаря постоянным взаимовлияниям друг на друга разных вариантов «нас самих», мы образуем тесную генно-волновую резонационную связь, благодаря чему происходит обмен и поступление информации в систему восприятия для дальнейшего декодирования её через ДНК с помощью нейронов и гормонов [6].
Таким образом происходит формирование «нейронной ткани» нашего мироощущения и в ответ на стимулы из окружающей среды включаются те или иные зоны нейросетей, вызывая определенные биохимические процессы в мозге и гормональной системе. Эти процессы, в свою очередь, влекут за собой соответствующие эмоциональные реакции, окрашивают восприятие, обусловливают отношение к людям и событиям нашей жизни.
Подобное информационное воздействие на нас всегда осуществляется по резонационному (резонанс – усиление частоты колебаний по совпадению некоторых признаков) принципу. В какой-то степени здесь уместно выражение «притяжение подобного подобным». Иными словами, задействовав новые модели поведения, человек начинает постепенно резонировать с соответствующим вариантом убеждений «другого себя», укрепляя тем самым данные нейронные цепочки.
Как уже говорилось выше, если часто реагировать одним образом, активизируется определенная нейронная сеть и соответствующее поведение превращается в устойчивую привычку. Чем чаще используется сеть, тем прочнее она становится и тем проще получить к ней доступ.
Также возможен и обратный процесс: устойчивые связи между нейронами, не используемыми вместе, ослабевают. Всякий раз, когда мы прекращаем или предотвращаем действие, ментальный процесс, оформленный в нейросеть, соединенные между собой нервные клетки и группы клеток ослабляют свою связь. При этом тончайшие дендриты, отходящие от каждого нейрона и связывающие его с другими нейронами, освобождаются для связи с другими. Этот механизм обусловлен нейропластичностью (нейрогенезом) — в зависимости от стимуляции нейронов, одни связи становятся прочнее и эффективнее, а другие ослабевают, высвобождая потенциал для формирования новых.
Авторы книги «Мозг: краткое руководство» Д. Льюис и А. Вебстер утверждают, что человеку необходима ежедневная «встряска»», иначе в мозге не будут формироваться новые нейронные связи, необходимые для сбалансированного ментально-чувственного развития [7].
Когда мозг привыкает не думать, не решать сложных задач и не преодолевать сложности, не трансформировать внутренние и внешние конфликты, то происходит торможение развития и постепенная деградация личности, потому что электрические импульсы задействуют уже знакомые им пути, не прокладывая новых.
В цикле книг по ииссиидиологии для повышения нейрональных взаимосвязей в сторону высокочувственного и высокоинтеллектуального потенциала личности предлагается модель интеллектуально-альтруистичного развития и образа жизни. Это позволяет нам в большей степени задействовать Человеческие отделы мозга и гармонизировать активность эгоистично-импульсивных выборов и программ. Ииссиидиология и центры МИЦИАР, создаваемые для её практического применения, направлены на радикальное позитивное человеческое переформатирование и трансформацию нейронных сетей, соответствующих модели нашего восприятия себя и мира вокруг нас [8].
4. Заключение
С точки зрения физиологии, привычки есть не что иное, как образование в мозговых структурах устойчивых нервных взаимосвязей, отличающихся повышенной готовностью к функционированию по сравнению с другими цепочками нейронного реагирования. Чем больше мы повторяем какие-либо действия, мысли, слова, тем более активными и автоматическими становятся соответствующие нейронные пути.
Разные отделы полушарий мозга играют в этом процессе свою необходимую роль. Когда их деятельность синхронизирована между собой, то передача информации между нейронами становится оптимальной.
Для человека огромное значение имеет баланс между чувственно-эмоциональной сферой (контролируется лимбической системой) и высокоинтеллектуальной активностью (отвечают отделы неокортекса). Личность развивается и действует наиболее эффективно, когда дисбаланс между «передовыми» областями мозга и более старыми (примитивными) отсутствует либо его степень незначительна.
Мозг — это более сложная структура, чем просто большой набор разных популяций нейронов, аксонов и глиальных клеток. Это один из главных механизмов адаптации поступающей к нам из внешней среды любого рода информации. Он выступает в роли её «декодировщика» и «интерпретатора» для нашей системы восприятия. Исполнительные функции этого процесса выполняются благодаря гормональной системе, которая и отражает на физиологическом уровне результат внутренней психоментальной активности человека в каждый момент времени.
С другой стороны, наше самосознание является «регулятором» любых биологических процессов и нервной системы, способствуя побуждению к деятельности тех или иных участков головного мозга. Эта закономерность всегда предоставляет нам возможность создавать необходимый образ себя, а также наиболее гармоничные привычки в своей повседневной жизни, которые станут основой для внутренней гармонии.
Известно, что мозг состоит из эмбриональной ткани, поэтому он всегда открыт для развития, обучения и перемен. Учёные убеждены, что наш мозг способен простой мыслью, воображением, визуализацией, изменять структуру и функцию серого вещества, и это может происходить даже без специальных, внешних воздействий, а под влиянием лишь тех мыслей, которыми он наполнен. Всё вышесказанное подводит к пониманию того, что каждому, кто задумывается о качестве своего мышления и привычек, требуется фундаментальное изменение накопленных убеждений – преодоление и смену инстинктивной генетической программы и прежнего воспитания на истинно человеческие представления, основанные на высокоинтеллектуальных и высокочувственных представлениях любого аспекта жизни.
Первоисточники:
[1] Научный журнал «Нейросайнс»
[2] Орис О. В. «Ииссиидиология. Комментарии к Основам» Том 11 — Издательство «Москва», 2010, п.11.12161
[3] Статьи «Инстинктивные или «животные» уровни в структуре сознания человека», Дррааоллдлисс.
[4] Статьи «Эмоции с точки зрения нейропсихологии и ииссиидиологии», Смаайгллаамсс.
[5] Джо Диспенза «Сила подсознания, или Как изменить жизнь за 4 недели». Издательство: Эксмо. Москва, 2013 г.
[6] Орис О.В. «Ииссиидиология. Комментарии к Основам» Том 10 — Издательство «Москва», 2010.
[7] Джек Льюис и Адриан Вебстер «Мозг: краткое руководство». Издательство МИФ, 2014.
[8] Официальный сайт ииссиидиологии.
© absolutvision/unsplash
Автор Ирина Рудевич
05 декабря 2019
Ученые утверждают, что, тренируя мозг посредством нового опыта, можно восстановить его после повреждений и достичь многого в личном развитии. Рассказываем о том, как этого можно добиться.
Магия нейронов
Цепочки нейронов, нервных клеток мозга, отвечающих за передачу информации, регенерируются, как и ткани организма. Известны случаи, когда люди возвращались к привычной жизни после черепно-мозговых травм и инсульта. Доктор Селеста Кэмпбелл, нейропсихолог из Ветеранского медицинского центра в Вашингтоне, утверждает, что в результате взаимодействия с окружающей средой происходят физиологические изменения в головном мозге. Это и есть нейропластичность. Помимо нее существует концепция нейрогенеза, в соответствии с которой мозг может не только менять имеющиеся связи и создавать новые, но и выращивать нейроны.
С момента рождения и в течение всей жизни клетки реорганизуются в соответствии с потребностями человека, позволяя адаптироваться к происходящему. Мозг можно сравнить с компьютером, но последний работает на неизменных алгоритмах, которые требуют обновлений программного обеспечения. Процесс построения новых нейронных связей происходит постоянно, но если его стимулировать, то клетки будут обновляться быстрее, а способности — развиваться активнее.
Нейропластичность и психология
Эксперты по нейропластичности Кристофер А. Шоу и Джилл К. МакИчерн считают, что нейропластичность — это фундаментальный процесс, который описывает изменения нервной активности в мозге. Специалисты делят область исследований на две части: функциональную и структурную. Первая описывает изменения в синапсах (нейронах) за счет обучения и развития, вторая — силу связей между ними. Нейропластичность интересна не только химикам и нейробиологам, но также психологам, так как предполагает потенциальные возможности для изменений в обучении, поведении и настроении.
Если постоянно выполнять одни и те же действия, полагаясь на привычные реакции, то человек рискует начать жить «на автомате». Так работа превращается в рутину, а отношения с близкими и эмоциональное состояние переходят в застойный режим. Специалисты изучают возможности преодоления шаблонов мышления, потому что постоянная практика способна внести существенные изменения в структуру и функции мозга.
Учеба для нейронов
Без смены привычек и в отсутствие новых знаний человек использует малую часть нейронов. Нейробиолог Ричард Дэвидсон организовал Институт здорового мышления и совместно с его специалистами провел ряд исследований. Ученый считает, что люди способны целенаправленно создавать связи в мозге, помогающие стать счастливее. При этом у каждого из нас наиболее активны различные участки мозга. Например, в соответствии с исследованиями Дэвидсона, у оптимистов лучше развита определенная область префронтальной коры головного мозга. Нейробиолог указывает, что при помощи специальных упражнений можно справиться с болью, стрессом и депрессией, активируя нейронные связи, которые отвечают за ощущение радости.
Семь дней счастья
Нейропластичность уникальна тем, что новые способности возникают почти мгновенно, но для устойчивости цепочек нейронов нужно минимум семь дней тренировок. Причем этого времени достаточно для человека любого возраста, хотя с годами скорость восприятия информации может снижаться. Ричард Дэвидсон считает, что достаточно потратить полчаса в день, чтобы научиться новому и закрепить эти знания. Когда человек сталкивается с задачей, которую раньше не приходилось решать, мозг активирует скрытые ресурсы. Таким упражнением может быть что угодно — от нового маршрута с работы домой до изучения иностранного языка.
Аэробика для мозга
© alice achterhof/unsplash
Исследователь Лоренс Кац создал направление для тренировки мозга — нейробику. Эта практика помогает формировать новые, более эффективные связи для развития и самочувствия человека. В основе тренировок — смена шаблонов, которая затрагивает пять органов чувств. Упражнения можно выполнять без специальной подготовки, в любое время суток и в любом месте. Например, Кац советует начать день по-другому. Поставьте другую мелодию на будильник и заварите чай вместо кофе. Стойкую ассоциацию с запахом последнего можно перебить ароматами для дома и периодически менять их для обновления восприятия. Задействуйте тактильные ощущения и пространственную память в привычном месте: попробуйте позавтракать в тишине, если привыкли слушать музыку, или смотреть в окно, а не в монитор.
Мир вверх ногами
Если у вас насыщенный график и нет желания кардинально менять привычные вещи, Лоренс Кац предлагает посмотреть на них по-другому. На полке или столе рядом с вашим рабочим местом наверняка есть предметы, которые стоят там давно (календарь, статуэтка, фотография в рамке). Исследователь советует перевернуть их вверх ногами. Как это работает: при взгляде на вещь логическая часть мозга моментально обрабатывает информацию, а затем подключается абстрактное мышление. Если мозг определил предмет как знакомый, то ему не нужно активизировать мыслительный процесс: вещь становится «частью пейзажа» и человек не обращает на нее внимания. Непривычная картинка требует дополнительных нейронных ресурсов, подключает творческое правое полушарие и аналитику формы, сочетания цветов, качеств предмета. Такая реорганизация внесет эффект новизны и позволит сломать шаблон мышления.
Что еще можно сделать для мозга
Для полноценного восстановления мозгу нужны сон, правильное питание и спорт. По данным исследований, физическая активность влияет на настроение, самочувствие и познавательные способности. Можно начать с пеших прогулок, совместив их с поиском нового маршрута по системе «прокачки мозга» от Ричарда Дэвидсона.
Специалисты советуют применять различные техники для активизации нейропластичности. Например, на формирование новых нейронных связей позитивно влияют чтение, игра на музыкальных инструментах, путешествия и рукоделие, которое задействует мелкую моторику. Большинство этих тренировок считаются развлечениями, поэтому выбирайте занятия, которые доставляют вам удовольствие. Уже через неделю «тренировок» можно отметить изменения в восприятии, настроении и скорости мышления.
Здравствуй, Geektimes! В ранее опубликованной статье, была представлена модель нервной системы, опишу теорию и принципы, которые легли в её основу.
Теория основана на анализе имеющейся информации о биологическом нейроне и нервной системе из современной нейробиологии и физиологии мозга.
Сначала приведу краткую информацию об объекте моделирования, вся информация изложена далее, учтена и использована в модели.
НЕЙРОН
Нейрон является основным функциональным элементом нервной системы, он состоит из тела нервной клетки и её отростков. Существуют два вида отростков: аксоны и дендриты. Аксон – длинный покрытый миелиновой оболочкой отросток, предназначенный для передачи нервного импульса на далекие расстояния. Дендрит – короткий, ветвящийся отросток, благодаря которым происходит взаимосвязь с множеством соседних клеток.
ТРИ ТИПА НЕЙРОНОВ
Нейроны могут сильно отличаться по форме, размерам и конфигурации, не смотря на это, отмечается принципиальное сходство нервной ткани в различных участках нервной системе, отсутствуют и серьезные эволюционные различия. Нервная клетка моллюска Аплизии может выделять такие же нейромедиаторы и белки, что и клетка человека.
В зависимости от конфигурации выделяют три типа нейронов:
а) рецепторные, центростремительные, или афферентные нейроны, данные нейроны имеют центростремительный аксон, на конце которого имеются рецепторы, рецепторные или афферентные окончания. Эти нейроны можно определить, как элементы, передающие внешние сигналы в систему.
б) интернейроны (вставочные, контактные, или промежуточные) нейроны, не имеющие длинных отростков, но имеющие только дендриты. Таких нейронов в человеческом мозгу больше чем остальных. Данный вид нейронов является основным элементом рефлекторной дуги.
в) моторные, центробежные, или эфферентные, они имеют центростремительный аксон, который имеет эфферентные окончания передающий возбуждение мышечным или железистым клеткам. Эфферентные нейроны служат для передачи сигналов из нервной среды во внешнюю среду.
Обычно в статьях по искусственным нейронным сетям оговаривается наличие только моторных нейронов (с центробежным аксоном), которые связаны в слои иерархической структуры. Подобное описание применимо к биологической нервной системе, но является своего рода частным случаем, речь идет о структурах, базовых условных рефлексов. Чем выше в эволюционном значении нервная система, тем меньше в ней превалируют структуры типа «слои» или строгая иерархия.
ПЕРЕДАЧА НЕРВНОГО ВОЗБУЖДЕНИЯ
Передача возбуждения происходит от нейрона к нейрону, через специальные утолщения на концах дендритов, называемых синапсами. По типу передачи синапсы разделяют на два вида: химические и электрические. Электрические синапсы передают нервный импульс непосредственно через место контакта. Таких синапсов в нервных системах очень мало, в моделях не будут учитываться. Химические синапсы передают нервный импульс посредством специального вещества медиатора (нейромедиатора, нейротрансмиттера), данный вид синапса широко распространен и подразумевает вариативность в работе.
Важно отметить, что в биологическом нейроне постоянно происходят изменения, отращиваются новые дендриты и синапсы, возможны миграции нейронов. В местах контактов с другими нейронами образуются новообразования, для передающего нейрона — это синапс, для принимающего — это постсинаптическая мембрана, снабжаемая специальными рецепторами, реагирующими на медиатор, то есть можно говорить, что мембрана нейрона — это приемник, а синапсы на дендритах — это передатчики сигнала.
СИНАПС
При активации синапса он выбрасывает порции медиатора, эти порции могут варьироваться, чем больше выделится медиатора, тем вероятнее, что принимаемая сигнал нервная клетка будет активирована. Медиатор, преодолевая синоптическую щель, попадает на постсинаптическую мембрану, на которой расположены рецепторы, реагирующие на медиатор. Далее медиатор может быть разрушен специальным разрушающим ферментом, либо поглощен обратно синапсом, это происходит для сокращения времени действия медиатора на рецепторы.
Так же помимо побудительного воздействия существуют синапсы, оказывающие тормозящее воздействие на нейрон. Обычно такие синапсы принадлежат определенным нейронам, которые обозначаются, как тормозящие нейроны.
Синапсов связывающих нейрон с одной и той же целевой клеткой, может быть множество. Для упрощения примем, всю совокупность, оказываемого воздействия одним нейроном, на другой целевой нейрон за синапс с определённой силой воздействия. Главной характеристикой синапса будет, является его сила.
СОСТОЯНИЕ ВОЗБУЖДЕНИЯ НЕЙРОНА
В состоянии покоя мембрана нейрона поляризована. Это означает, что по обе стороны мембраны располагаются частицы, несущие противоположные заряды. В состоянии покоя наружная поверхность мембраны заряжена положительно, внутренняя – отрицательно. Основными переносчиками зарядов в организме являются ионы натрия (Na+), калия (K+) и хлора (Cl-).
Разница между зарядами поверхности мембраны и внутри тела клетки составляет мембранный потенциал. Медиатор вызывает нарушения поляризации – деполяризацию. Положительные ионы снаружи мембраны устремляются через открытые каналы в тело клетки, меняя соотношение зарядов между поверхностью мембраны и телом клетки.
Изменение мембранного потенциала при возбуждении нейрона
Характер изменений мембранного потенциала при активации нервной ткани неизменен. Независимо от того кокой силы воздействия оказывается на нейрон, если сила превышает некоторое пороговое значение, ответ будет одинаков.
Забегая вперед, хочу отметить, что в работе нервной системы имеет значение даже следовые потенциалы (см. график выше). Они не появляются, вследствие каких-то гармонических колебаний уравновешивающих заряды, являются строгим проявлением определённой фазы состояния нервной ткани при возбуждении.
ТЕОРИЯ ЭЛЕКТРОМАГНИТНОГО ВЗАИМОДЕЙСТВИЯ
Итак, далее приведу теоретические предположения, которые позволят нам создавать математические модели. Главная идея заключается во взаимодействии между зарядами формирующихся внутри тела клетки, во время её активности, и зарядами с поверхностей мембран других активных клеток. Данные заряды являются разноименными, в связи этим можно предположить, как будут располагаться заряды в теле клетки под воздействием зарядов других активных клеток.
Можно сказать, что нейрон чувствует активность других нейронов на расстоянии, стремится направить распространения возбуждения в направлении других активных участков.
В момент активности нейрона можно рассчитать определённую точку в пространстве, которая определялась бы, как сумма масс зарядов, расположенных на поверхностях других нейронов. Указанную точку назовем точкой паттерна, её месторождение зависит от комбинации фаз активности всех нейронов нервной системы. Паттерном в физиологии нервной системы называется уникальная комбинация активных клеток, то есть можно говорить о влиянии возбуждённых участков мозга на работу отдельного нейрона.
Нужно представлять работу нейрона не просто как вычислителя, а своего рода ретранслятор возбуждения, который выбирает направления распространения возбуждения, таким образом, формируются сложные электрические схемы. Первоначально предполагалось, что нейрон просто избирательно отключает/включает для передачи свои синапсы, в зависимости от предпочитаемого направления возбуждения. Но более детальное изучение природы нейрона, привело к выводам, что нейрон может изменять степень воздействия на целевую клетку через силу своих синапсов, что делает нейрон более гибким и вариативным вычислительным элементом нервной системы.
Какое же направление для передачи возбуждения является предпочтительным? В различных экспериментах связанных с образованием безусловных рефлексов, можно определить, что в нервной системе образуются пути или рефлекторные дуги, которые связывают активируемые участки мозга при формировании безусловных рефлексов, создаются ассоциативные связи. Значит, нейрон должен передавать возбуждения к другим активным участкам мозга, запоминать направление и использовать его в дальнейшем.
Представим вектор начало, которого находится в центре активной клети, а конец направлен в точку паттерна определённую для данного нейрона. Обозначим, как вектор предпочитаемого направления распространения возбуждения (T, trend). В биологическом нейроне вектор Т может проявляться в структуре самой нейроплазмы, возможно, это каналы для движения ионов в теле клетки, или другие изменения в структуре нейрона.
Нейрон обладает свойством памяти, он может запоминать вектор Т, направление этого вектора, может меняться и перезаписываться в зависимости от внешних факторов. Степень с которой вектор Т может подвергается изменениям, называется нейропластичность.
Этот вектор в свою очередь оказывает влияние на работу синапсов нейрона. Для каждого синапса определим вектор S начало, которого находится в центре клетки, а конец направлен в центр целевого нейрона, с которым связан синапс. Теперь степень влияния для каждого синапса можно определить следующим образом: чем меньше угол между вектором T и S, тем больше синапс будет, усиливается; чем меньше угол, тем сильнее синапс будет ослабевать и возможно может прекратить передачу возбуждения. Каждый синапс имеет независимое свойство памяти, он помнит значение своей силы. Указанные значения изменяются при каждой активизации нейрона, под влиянием вектора Т, они либо увеличиваются, либо уменьшаются на определённое значение.
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ
Входные сигналы (x1, x2,…xn) нейрона представляют собой вещественные числа, которые характеризуют силу синапсов нейронов, оказывающих воздействие на нейрон.
Положительное значение входа означает побудительное воздействие, оказываемое на нейрон, а отрицательное значение – тормозящее воздействие.
Для биологического нейрона не имеет значение, откуда поступил возбуждающий его сигнал, результат его активности будет идентичен. Нейрон будет активизирован, когда сумма воздействий на него будет превышать определённое пороговое значение. Поэтому, все сигналы проходят через сумматор (а), а поскольку нейроны и нервная система работают в реальном времени, следовательно, воздействие входов должно оцениваться в короткий промежуток времени, то есть воздействие синапса имеет временный характер.
Результат сумматора проходит пороговую функцию (б), если сумма превосходит пороговое значение, то это приводит к активности нейрона.
При активации нейрон сигнализирует о своей активности системе, передовая информацию о своём положении в пространстве нервной системы и заряде, изменяемом во времени (в).
Через определённое время, после активации нейрон передает возбуждение по всем имеющимся синапсам, предварительно производя пересчет их силы. Весь период активации нейрон перестает реагировать на внешние раздражители, то есть все воздействия синапсов других нейронов игнорируются. В период активации входит так же период восстановления нейрона.
Происходит корректировка вектора Т (г) с учётом значения точки паттерна Pp и уровнем нейропластичности. Далее происходит переоценка значений всех сил синапсов в нейроне(д).
Обратите внимание, что блоки (г) и (д) выполняются параллельно с блоком (в).
ЭФФЕКТ ВОЛНЫ
Если внимательно проанализировать предложенную модель, то можно увидеть, что источник возбуждения должен оказывать большее влияние на нейрон, чем другой удалённый, активный участок мозга. Следовательно возникает вопрос: почему же все равно происходит передача в направлении другого активного участка?
Данную проблему я смог определить, только создав компьютерную модель. Решение подсказал график изменения мембранного потенциала при активности нейрона.
Усиленная реполяризация нейрона, как говорилось ранее, имеет важное значение для нервной системы, благодаря ей создается эффект волны, стремление нервного возбуждения распространятся от источника возбуждения.
При работе с моделью я наблюдал два эффекта, ели пренебречь следовым потенциалом или сделать его недостаточно большим, то возбуждение не распространяется от источников, а в большей степени стремится к локализации. Если сделать следовой потенциал сильно большим, то возбуждение стремится «разбежаться» в разные стороны, не только от своего источника, но и от других.
КОГНИТИВНАЯ КАРТА
Используя теорию электромагнитного взаимодействия, можно объяснить многие явления и сложные процессы, протекающие в нервной системе. К примеру, одним из последних открытий, которое широко обсуждается в науках о мозге, является открытие когнитивных карт в гиппокампе.
Гиппокамп – это отдел мозга, которому отвечает за кратковременную память. Эксперименты на крысах выявили, что определённому месту в лабиринте соответствует своя локализованная группа клеток в гиппокампе, причем, не имеет значение, как животное попадает в это место, все равно будет активирован соответствующий этому месту участок нервной ткани. Естественно, животное должно помнить данный лабиринт, не стоит рассчитывать на топологическое соответствие пространства лабиринта и когнитивной карты.
Каждое место в лабиринте представляется в мозге, как совокупность раздражителей различного характера: запахи, цвет стен, возможные примечательные объекты, характерные звуки и т. д. Указанные раздражители отражаются на коре, различных представительствах органов чувств, в виде всплесков активности в определённых комбинациях. Мозг одновременно обрабатывает информацию в нескольких отделах, зачастую информационные каналы разделяются, одна и та же информация поступает в различные участки мозга.
Активация нейронов места в зависимости от положения в лабиринте (активность разных нейронов показана разным цветом). источник
Гиппокамп расположен в центре мозга, вся кара и её области удалены от него, на одинаковые расстояния. Если определить для каждой уникальной комбинации раздражителей точку масс зарядов поверхностей нейронов, то можно увидеть, что указанные точки будут различны, и будут находиться примерно в центре мозга. К этим точкам будет стремиться и распространятся возбуждение в гиппокампе, формируя устойчивые участки возбуждения. Более того, поочередная смена комбинаций раздражителей, будет приводить к смещению точки паттерна. Участки когнитивной карты будут ассоциативно связываться друг с другом последовательно, что приведет к тому, что животное, помещенное в начало знакомого ей лабиринта, может вспомнить весь последующий путь.
Заключение
У многих возникнет вопрос, где в данной работе предпосылки к элементу разумности или проявления высшей интеллектуальной деятельности?
Важно отметить, что феномен человеческого поведения, есть следствие функционирования биологической структуры. Следовательно, чтобы имитировать разумное поведение, необходимо хорошо понимать принципы и особенности функционирования биологических структур. К сожалению, в науке биологии пока не представлен четкий алгоритм: как работает нейрон, как понимает, куда необходимо отращивать свои дендриты, как настроить свои синапсы, что бы в нервной системе смог сформироваться простой условный рефлекс, на подобие тех, которые демонстрировал и описывал в своих работах академик И.П. Павлов.
С другой стороны в науке об искусственном интеллекте, в восходящем (биологическом) подходе, сложилось парадоксальная ситуация, а именно: когда используемые в исследованиях модели основаны на устаревших представлениях о биологическом нейроне, консерватизм, в основе которого берётся персептрон без переосмысления его основных принципов, без обращения к биологическому первоисточнику, придумывается все более хитроумные алгоритмы и структуры, не имеющих биологических корней.
Конечно, никто не уменьшает достоинств классических нейронных сетей, которые дали множество полезных программных продуктов, но игра с ними не является путем к созданию интеллектуально действующей системы.
Более того, не редки заявления, о том, что нейрон подобен мощной вычислительной машине, приписывают свойство квантовых компьютеров. Из-за этой сверхсложности, нервной системе приписывается невозможность её повторения, ведь это соизмеримо с желанием смоделировать человеческую душу. Однако, в реальности природа идет по пути простоты и элегантности своих решений, перемещение зарядов на мембране клетки может служить, как для передачи нервного возбуждения, так и для трансляции информации о том, где происходит данная передача.
Несмотря на то, что указанная работа демонстрирует, как образуются элементарные условные рефлексы в нервной системе, она приближает к пониманию того, что такое интеллект и разумная деятельность.
Существуют еще множество аспектов работы нервной системы: механизмы торможения, принципы построения эмоций, организация безусловных рефлексов и обучение, без которых невозможно построить качественную модель нервной системы. Есть понимание, на интуитивном уровне, как работает нервная система, принципы которой возможно воплотить в моделях.
Создание первой модели помогли отработать и откорректировать представление об электромагнитном взаимодействии нейронов. Понять, как происходит формирование рефлекторных дуг, как каждый отдельный нейрон понимает, каким образом ему настроить свои синапсы для получения ассоциативных связей.
На данный момент я начал разрабатывать новую версию программы, которая позволит смоделировать многие другие аспекты работы нейрона и нервной системы.
Прошу принять активное участие в обсуждении выдвинутых здесь гипотез и предположений, так как я могу относиться к своим идеям предвзято. Ваше мнение очень важно для меня.
Эпидемия дезинформации искусственного интеллекта, сосредоточенная вокруг мозга, работающего подобно нейронным сетям, похоже, приходит в голову исследователям, стремящимся к новым формам открытий — фокусируясь на нейронном кодировании, которое может открыть возможность интерфейса мозг-компьютер. В последнее время было реализовано много проектов и проводилось множество исследований по воспроизведению человеческой мысли, в основном с помощью аппаратного и программного моделирования структур человеческого мозга.Но вопрос здесь — можно ли имитировать человеческий мозг? Являются ли искусственные нейронные сети хорошей моделью человеческого мозга и, самое главное, нейронными сетями, которые являются хорошими устройствами для вычислений и могут ли нейронные сети действительно имитировать человеческий разум?
AI мозг против человеческого мозга
Начнем с того, что нейробиологи объясняют две большие проблемы, с которыми сталкивается симуляция мозга: во-первых, человеческий мозг чрезвычайно сложен: около 100 миллиардов нейронов и 1000 триллионов синаптических взаимосвязей.И это не цифровой; вместо этого мозг полагается на электрохимическую передачу сигналов с взаимосвязанными временными и аналоговыми компонентами, своего рода молекулярный и биологический механизм, который нейробиологи только начинают разгадывать. Это означает, что, несмотря на неоднократные попытки, симуляция человеческого разума сложна — и экспоненциально выходит за рамки современных технологических достижений.
С другой стороны, нейронные сети примерно соответствуют структуре человеческого мозга. Архитектура нейронной сети организована по уровням, где каждый уровень состоит из множества простых блоков обработки — узлов — дополнительно соединенных с несколькими узлами в уровнях выше и ниже.Данные поступают на самый нижний уровень, который затем передается на следующий уровень. В отличие от людей, искусственные нейронные сети снабжаются огромным количеством данных для изучения.
Хотя искусственные нейронные сети изначально были предназначены для функционирования подобно биологическим нейронным сетям, нейронная активность в нашем мозге намного сложнее, чем можно было бы предположить, просто изучая искусственные нейроны. Нейробиологи указывают, что реальные нейроны не достигают результата, суммируя взвешенные данные.Кроме того, реальные нейроны не остаются включенными до тех пор, пока не изменится входной сигнал, и выходной сигнал может кодировать информацию, используя сложные схемы импульсов.
Являются ли нейронные сети имитацией разума?
Эта статья, опубликованная в журнале «Компьютерная наука и системная биология» доктором Гаэтано Ликата, ставит вопрос о том, являются ли искусственные нейронные сети хорошей моделью для человеческого разума. По словам доктора Ликата, высокая сложность человеческого мозга делает невозможным рассматривать нейронные сети как хорошие модели для человеческого разума; но это не значит, что они не являются хорошими устройствами для параллельных вычислений.Теперь человеческий разум является результатом биофизической структуры нервной системы в теле, которое эволюционировало, чтобы выжить в окружающей среде, и сила человеческого разума может быть приписана этой долгой и трудной эволюции.
Вот где разница проявляется, отмечает исследователь:
a) Целью нейронных сетей является имитация поведения мозга, а не разума: Именно здесь в стратегии нейронных сетей пропущен разрыв между зондом и разумом . Ученые пытаются определить, что такое «мысль», что означает, что проблема перевода ума / мозга не будет преодолена, пока ученые не дадут четкое определение человеческой мысли, сознания, восприятия и действия как церебральных явлений .
б) Искусственные нейронные сети против человеческого мозга с точки зрения архитектуры: Человеческий мозг — это «сеть» из 100 миллиардов нейронов, в которой каждый нейрон связан со многими тысячами других нейронов, что означает, что в мозге существуют миллионы соединений ,Одним из наиболее распространенных видов архитектуры нейронных сетей является простая трехслойная структура искусственных нейронов, подобная трехуровневому «персептрону», как показано ниже, который называется архитектурой TLP.
c) Теперь нейронные сети являются сетями прямой связи или обратной связи, подчеркивает документ: В нейронных сетях прямой связи, таких как TLP, информация передается в одном направлении, от входного слоя к выходному слою через скрытый слой (который может быть больше, чем один), и нет циклов.Между тем, в сети обратной связи (или рекуррентных сетях) нет входных или выходных слоев, и все нейроны являются единицами входов и выходов.
Смотрите также
d) С другой стороны, человеческий мозг работает как прямая сеть со слоями, но он также имеет много соединений, которые отсылают информацию назад к нейронам «предыдущего уровня», то есть мозг является сетью обратной связи в которые могут быть много циклов нейронов.
e) Сети с искусственной обратной связью нестабильны : Согласно документу, сети с искусственной обратной связью могут иногда колебаться, и может быть очень трудно получить стабильный выходной сигнал от данного входа; так что загадка в том, как наш мозг, как сеть обратной связи, способен производить результат.
f) Нейроны в нейронной сети проще, чем нейроны в человеческом мозге. : Согласно этой статье исследователей DeepMind и Университета Торонто, симулированные нейроны имеют схожие формы, тогда как область мозга, которая выполняет работу мышления и планирование, имеет нейроны, которые имеют сложные древовидные формы. Каждая клетка имеет «корни» глубоко внутри мозга и «ветви» близко к поверхности.
g) Понимание того, как мозг решает проблему присвоения кредитов: По мнению исследователей из Университета Торонто, существует большой разрыв между глубоким обучением в области искусственного интеллекта и современным пониманием обучения и памяти в нейробиологии.Нейробиологам не хватает решения проблемы присвоения кредита. Согласно исследованиям Янна ЛеКуна и Йошуа Бенжио, «для обучения оптимизации поведенческой или когнитивной функции необходим метод назначения« кредита »(или« вины ») нейронам за их вклад в конечный поведенческий результат». Теперь присвоение кредита в многоуровневых сетях затруднено, поскольку поведенческое воздействие нейронов на ранних уровнях сети зависит от нисходящих синаптических соединений.
Outlook
Несомненно, ИИ проникает во все аспекты нашей жизни и является новым нормой.Он также произвел революцию в отрасли, продемонстрировав точность на уровне человека в таких задачах, как распознавание образов, классификация изображений. Существует также растущий объем исследований и приложений, которые нормализуют ИИ в нашей повседневной жизни, и прогресс в области технологий самостоятельного вождения, распознавания лиц и речи сигнализирует о массовом прибытии ИИ. Однако, несмотря на скорость продвижения вперед, концепция «полномасштабного настроения все еще очень далека».
Доцент Университета Торонто Блейк А. Ричардс отметил в журнале о предстоящем интересе к нейробиологии: «В следующем десятилетии мы увидим огромный объем исследований в области нейробиологии и ИИ, где открытия ученых в области нейробиологии выведут нас на путь нового ИИ, который будет помочь нам понять наши экспериментальные данные в области неврологии ».
Оставьте свои комментарии ниже
комментариев
Рича БхатияРича Бхатия — опытный журналист с шестилетним опытом репортажа и освещения новостей, а также работала в Times of India и The Indian Express. Она заядлый читатель, мама отважного двухлетнего ребенка, любит писать о технологиях нового поколения, которые формируют наш мир.
,Может ли ум напрямую соединяться с искусственным интеллектом, роботами и другими умами через технологии интерфейса мозг-компьютер (BCI), чтобы преодолеть наши человеческие ограничения?
Для некоторых это необходимо для нашего выживания. Действительно, нам нужно стать киборгами, чтобы соответствовать эпохе искусственного интеллекта.
Интерфейс мозг-компьютер (BCI): устройств, которые позволяют его пользователям взаимодействовать с компьютерами только с помощью мозговой активности, причем эта активность обычно измеряется с помощью электроэнцефалографии (ЭЭГ).
Электроэнцефалография (ЭЭГ): физиологический метод выбора для записи электрической активности, генерируемой мозгом с помощью электродов, размещенных на поверхности кожи головы.
Функциональная магнитно-резонансная томография (МРТ): измеряет активность мозга, обнаруживая изменения, связанные с кровотоком.
Функциональная ближняя инфракрасная спектроскопия ( fNIRS ): использование ближней инфракрасной спектроскопии (NIRS) для функциональной нейровизуализации.Используя fNIRS, активность мозга измеряется гемодинамическими реакциями, связанными с поведением нейронов.
Сверточная нейронная сеть (CNN): — тип искусственной нейронной сети, используемой для распознавания и обработки изображений, который специально предназначен для обработки данных пикселей.
Зрительная кора: часть коры головного мозга, которая получает и обрабатывает сенсорные нервные импульсы от глаз
Сара Марш, репортер Guardian, сказала: «Интерфейсы мозг-компьютер (BCI) не новая идея.Различные формы BCI уже доступны, от тех, которые располагаются на макушке головы и измеряют сигналы мозга, до устройств, которые вживляются в ткани вашего мозга ». (источник)
Большинство ИМК были изначально разработаны для медицинских применений. По словам Зазы Зуилхоф, ведущего дизайнера компании Tellart, «около 220 000 людей с нарушениями слуха уже пользуются кохлеарными имплантатами, которые преобразуют аудиосигналы в электрические импульсы, посылаемые непосредственно в их мозг». (источник)
Статья под названием « Краткая история компьютерных интерфейсов мозга» дает нам много информации, связанной с историей BCI.Действительно, в статье говорится: «В годах 1970-х годов в Калифорнийском университете началось исследование ИМК, которое привело к появлению интерфейса мозг-компьютер. В центре внимания исследований и разработок BCI по-прежнему находятся в основном нейропротезы, которые могут помочь восстановить поврежденное зрение, слух и движение. В середине 1990-х годов ознаменовалось появлением первых нейропротезных устройств для людей. BCI не правильно читает мысли, но обнаруживает малейшие изменения в энергии, излучаемой мозгом, когда вы мыслите определенным образом.BCI распознает специфические энергетические / частотные паттерны в мозге.
июнь 2004 ознаменовался значительным событием в этой области, когда Мэтью Нэгл стал первым человеком, которому был имплантирован BCI, BrainGate ™ от Cyberkinetics.
В декабре 2004 года Джонатан Вулпо и исследователи из Центра Уодсворта при Департаменте здравоохранения штата Нью-Йорк выступили с исследовательским отчетом, демонстрирующим способность управлять компьютером с помощью BCI. В ходе исследования пациентов попросили надеть колпачок с электродами для захвата сигналов ЭЭГ от моторной коры — части движений головного мозга.
BCI имеет долгую историю, основанную на управляющих приложениях : курсоры, парализованные части тела, роботизированные руки, телефонный набор и т. Д.
Недавно Элон Маск вошел в индустрию, объявив об инвестициях в Neuralink, стоимостью 27 млн. Долларов США. Миссия по разработке BCI, которая улучшает человеческое общение в свете ИИ. И Регина Дуган представила планы Facebook по изменяющей игру технологии BCI, которая обеспечит более эффективную цифровую связь ».
По словам Джона Томаса, Томаша Машика, Нишанта Синха, Тилмана Клюге и Джастина Дауелса «Система BCI состоит из четырех основных компонентов: получение сигнала, предварительная обработка сигнала, извлечение признаков и классификация.(Источник)
По словам Давиде Валериани, постдокторского исследователя по интерфейсу мозг-компьютер в Университете Эссекса: «Сочетание людей и технологий может быть более мощным, чем искусственный интеллект. Например, когда мы принимаем решения, основанные на сочетании восприятия и мышления, нейротехнологии могут быть использованы для улучшения нашего восприятия. Это может помочь нам в таких ситуациях, когда мы видим очень размытое изображение с камеры безопасности и должны решить, вмешиваться или нет.”(Источник)
Для Zaza Zuilhof, это зависит от того, кого вы спрашиваете и хотите ли вы подвергнуться операции. «Для целей этого мысленного эксперимента давайте предположим, что здоровые люди будут использовать только неинвазивные ИМК, которые не требуют хирургического вмешательства. В этом случае в настоящее время существуют две основные технологии: МРТ и ЭЭГ. Первый требует массивной машины, но второй с потребительскими гарнитурами, такими как Emotiv и Neurosky, фактически стал доступен для более широкой аудитории ». (источник)
ИсточникТем не менее, BCI также может быть многообещающим инструментом взаимодействия для здоровых людей с несколькими потенциальными приложениями в области мультимедиа, виртуальной реальности или видеоигр среди множества других потенциальных приложений.
Давиде Валериани сказал: «Аппаратное обеспечение ЭЭГ абсолютно безопасно для пользователя, но записывает очень шумные сигналы. Кроме того, исследовательские лаборатории были в основном сосредоточены на его использовании, чтобы понять мозг и предлагать инновационные приложения без каких-либо дальнейших исследований в коммерческих продуктах, но пока … но это изменится. (Источник)
Компания Маск является последней. Его технология «нейронного кружева» включает в себя введение в мозг электродов для измерения сигналов. Это позволило бы получить нейронные сигналы гораздо лучшего качества, чем ЭЭГ, но это требует хирургического вмешательства.Недавно он заявил, что интерфейсы мозг-компьютер необходимы для подтверждения превосходства человека над искусственным интеллектом ». (источник)
Эта технология все еще опасна! Действительно, мы создали компьютеры и знаем , а точнее , как они работают и как их «модифицировать». Однако у нас не было мозгов, и мы до сих пор не очень хорошо знаем, как они работают. Тем более, как «безопасно» и успешно «вторгаться» в них. Мы добились большого прогресса, но пока недостаточно.
Проще говоря, ваш мозг разделен на две основные части:
- Лимбическая система
- Неокортекс.
Лимбическая система отвечает за наши первичные побуждения, а также те, которые связаны с выживанием, такими как прием пищи и размножение. Наш неокортекс — самая продвинутая область, и он отвечает за логические функции, которые делают нас хорошими в языках, технологиях, бизнесе и философии.
Человеческий мозг содержит около 86 нервных клеток, называемых нейронами, каждый из которых индивидуально связан с другими нейронами через соединители, называемые аксонами и дендритами. Каждый раз, когда мы думаем, двигаемся или чувствуем, нейроны работают.Действительно, мозг генерирует огромное количество нейронных активностей. В основном, небольшие электрические сигналы, которые перемещаются от нейрона к нейрону, делают работу.
Есть много сигналов, которые можно использовать для BCI. Эти сигналы можно разделить на две категории:
— пики
— потенциалы поля
Мы можем обнаруживать эти сигналы, интерпретировать их и использовать их для взаимодействия с устройством.
По словам Бориса Реудеринка, консультанта по машинному обучению в Cortext, «одна из самых больших проблем в интерфейсах мозг-компьютер состоит в том, что сигналы мозга слабы и очень вариабельны.Вот почему трудно обучить классификатор и использовать его на следующий день, не говоря уже о том, чтобы использовать его по другому предмету ». (источник)
Чтобы вставить Neural Lace, внутри черепа помещается крошечная игла, содержащая свернутую сетку. Сетка затем вводится и раскрывается при инъекции, охватывая мозг.
Искусственному интеллекту или машинному обучению уделяется большое внимание при разработке приложений BCI для решения сложных задач в нескольких областях, в частности в области медицины и робототехники.С тех пор AI / ML стал самым эффективным инструментом для систем BCI. ( источник )
Давайте попробуем подробнее остановиться на этих аспектах чуть ниже. Каждый из этих аспектов имеет свою область исследований.
Производство сигналов
Существует два способа получения этих сигналов мозга:
Согласно Sjoerd Lagarde , инженер по программному обеспечению в Quintiq, «Активная генерация сигналов имеет то преимущество, что обнаружение сигналов легче, поскольку вы иметь контроль над стимулами; Вы знаете, например, когда они представлены.Это сложнее в случае, когда вы просто читаете мозговые волны от субъекта ».
Обнаружение сигналов
Существуют различные способы обнаружения сигналов мозга. Наиболее известными являются ЭЭГ и МРТ, но есть и другие. ЭЭГ измеряет электрическую активность мозга, МРТ — кровоток в мозге. Каждый из этих методов имеет свои недостатки. Некоторые из них имеют лучшее временное разрешение (они могут определять активность мозга, как это происходит), в то время как другие имеют лучшее пространственное разрешение (они могут точно определять местоположение активности).
Идея остается в значительной степени такой же для других типов методов измерения.
Обработка сигналов
Одна из проблем, с которой мы столкнемся при работе с мозговыми данными, заключается в том, что эти данные содержат много шума. Например, при использовании ЭЭГ в данных будут отображаться такие вещи, как шлифовка зубов, а также движения глаз. Этот шум должен быть отфильтрован.
Данные теперь можно использовать для обнаружения реальных сигналов. Когда субъект активно генерирует сигналы, мы обычно осознаем, какие сигналы мы хотим обнаружить.Одним из примеров является волна P300, которая представляет собой так называемый связанный с событием потенциал, который проявится, когда будет представлен нечастый, относящийся к задаче стимул. Эта волна будет отображаться как большой пик в ваших данных, и вы можете попробовать различные методы, от машинного обучения, для обнаружения таких пиков.
Передача сигналов
Когда вы обнаружили интересные сигналы в ваших данных, вы хотите использовать их некоторым способом, который будет полезен для кого-то. Субъект может, например, использовать BCI для управления мышью с помощью воображаемого движения.Одна из проблем, с которой вы здесь столкнетесь, заключается в том, что вам нужно максимально эффективно использовать данные, которые вы получаете от субъекта, и в то же время вы должны помнить, что BCI могут совершать ошибки. Текущие BCI относительно медленные и время от времени делают ошибки (например, компьютер думает, что вы представляли движение левой рукой, в то время как на самом деле вы представляли движение правой рукой) ». (источник)
В случае нейронного кружева он интегрируется с человеческим мозгом. Это создает идеальный симбиоз между человеком и машиной.
Эти два раздела работают симбиотически друг с другом. Слой ИИ или третий интерфейс может лежать поверх них, погружая нас в совершенно новый и продвинутый мир и давая нам возможность оставаться на одном уровне с нашими друзьями-роботами ИИ.
Это соединение может дать нам доступ к увеличенному объему памяти, удивительным возможностям машинного обучения и, да, к телепатическому общению с кем-либо без необходимости говорить.
«У вас есть расширение вашего компьютера в виде телефона, компьютера и всех ваших приложений., , безусловно, у вас больше власти, больше возможностей, чем у президента Соединенных Штатов 30 лет назад », Элон Маск.
. По словам Амит Рэй, автора« Сострадательного искусственного интеллекта »,« Самые сложные ИМК являются «двунаправленными» ИМК. (BBCI), которые могут как записывать, так и стимулировать нервную систему.
Мозговые компьютерные интерфейсы можно разделить на три основные группы:
В инвазивных методах необходимо использовать специальные устройства для сбора данных (сигналов мозга), эти устройства вводятся непосредственно в мозг человека с помощью критической операции.В полуинвазивных устройствах устройства вставляются в череп на верхней части человеческого мозга. В целом, неинвазивные считаются самыми безопасными и недорогими типами устройств. Однако эти устройства могут захватывать только «более слабые» сигналы человеческого мозга из-за обструкции черепа. Обнаружение сигналов мозга достигается с помощью электродов, размещенных на коже головы.
Существует несколько способов разработки неинвазивного интерфейса мозг-компьютер, такого как ЭЭГ (электроэнцефалография), МЭГ (магнитоэнцефалография) или МРТ (магнитно-резонансная томография).Интерфейс мозг-компьютер на основе ЭЭГ является наиболее предпочтительным типом ИМК для обучения. Сигналы ЭЭГ обрабатываются и декодируются в управляющих сигналах, которые компьютер или роботизированное устройство легко воспринимает. Операция обработки и декодирования является одним из самых сложных этапов построения качественного ИМК. В частности, эта задача настолько сложна, что время от времени научные учреждения и различные компании-разработчики проводят конкурсы для создания классификации сигналов ЭЭГ для BCI.
CNN — это тип нейронной сети ИИ, основанный на зрительной коре.Он способен автоматически извлекать соответствующие функции из входных данных, оптимизируя весовые параметры каждого фильтра посредством прямого и обратного распространения, чтобы минимизировать ошибку классификации.
Слуховая кора человека организована в иерархическую организацию, подобную зрительной коре. В иерархической системе ряд областей мозга выполняет различные типы вычислений сенсорной информации при ее прохождении через систему. Более ранние области или «первичная зрительная кора» реагируют на простые функции, такие как цвет или направление.Более поздние этапы позволяют выполнять более сложные задачи, такие как распознавание объектов.
Одним из преимуществ использования техники глубокого обучения является то, что она требует минимальной предварительной обработки, поскольку оптимальные настройки запоминаются автоматически. Что касается CNN, извлечение и классификация признаков объединены в единую структуру и оптимизируются автоматически. Кроме того, данные временных рядов fNIRS людей были введены в CNN. Поскольку свертка выполняется в режиме скользящего показа, процесс извлечения признаков CNN сохраняет временную информацию данных временных рядов, полученных fNIRS.
ИсточникОднако одной из самых больших проблем в исследованиях BCI является нестационарность сигналов мозга. Эта проблема мешает классификатору находить реальные сигналы в сигналах, что приводит к плохим характеристикам классификации ». (источник)
Хосеа Сиу, аспирант кафедры аэрокосмической техники, сказал, что «Для прямого« мозгового »интерфейса вам необходим набор электродов ЭЭГ, а для интерфейсов периферической нервной системы — электроды ЭМГ.
После того, как вы сможете получить эти данные на свой компьютер, вам нужно будет выполнить некоторую обработку сигнала.Такие вещи, как фильтрация по частоте сигнала, который вы ищете, отфильтровывают шум окружающей среды (шум 60 Гц от электрических линий является обычным явлением в США…).
После этого вам нужно подумать о том, что вы на самом деле пытаетесь заставить систему делать. Вам нужно это, чтобы обнаружить определенное изменение в ваших образцах ЭЭГ, когда вы думаете о синем цвете? Или вам это нужно, чтобы обнаружить изменения в вашей ЭМГ, когда вы двигаете пальцем? Как насчет компьютера? Должен ли он запустить программу? Введите текст?
Подумайте, как вы собираетесь маркировать свои данные.Как компьютер узнает изначально, что конкретный сигнал имеет смысл?
Это контролируемое обучение. Выберите предпочитаемый метод классификации, получите много помеченных данных и обучите свою систему. Вы можете использовать такие методы, как перекрестная проверка, чтобы проверить, выполняют ли ваши обученные модели то, что, по вашему мнению, они должны делать.
После всего этого у вас может быть нечто, похожее на интерфейс мозг-компьютер ». (источник)
Вы можете найти несколько общедоступных наборов данных ЭЭГ на следующем веб-сайте:
Последние достижения в области обучения искусственному интеллекту и подкреплению с помощью технологии нейронного взаимодействия и применения различных методологий обработки сигналов позволили нам лучше понять и затем использовать мозг активность для взаимодействия с компьютерами и другими устройствами.
Около трех лет назад, когда я ожидал своего сына, подруга подарила мне книгу Лизы Элиот «Что там происходит?». Это было очень долгожданное отклонение для меня от всех книг для родителей, которые настаивали на том, чтобы рассказать мне, как моя жизнь должна была превратиться в ад с бессонными ночами, истощением и отсутствием здравомыслия. Поэтому я начал изучать книгу и вскоре понял, что это была самая важная вещь, которую я прочитал, готовясь к предстоящему родительству.Книга рассказывает о развитии мозга у человека с рождения до раннего детства. Сам по себе это увлекательный предмет, но особенно в контексте искусственного интеллекта.
Нейробиологически мозг человека функционирует через сеть нейронов — или нервных клеток — которые взаимодействуют друг с другом, чтобы передавать и обрабатывать информацию, на основе которой мы видим, слышим, движемся, думаем, принимаем решения и в целом функционируем. Центральная нервная система и ее сеть нейронов являются основой всей деятельности, которая происходит в организме.
Если мы сломаем это, человеческое тело будет функционировать очень похоже на современные компьютеры — точнее, компьютеры очень тесно связаны с самым сложным процессором, который когда-либо был, а именно с человеческим мозгом. Возвращаясь к основам на мгновение — любая система обработки информации состоит из 5 основных компонентов — ввода, вывода, хранения, обработки и программирования. Мы можем провести параллели между мозгом и компьютерами для каждого из этих элементов.
1. Вход : Входы — это стимулы, данные и объекты, которые служат основой для действий.
- В мире машин входные данные поступают через устройства ввода, такие как клавиатуры, мышь, сканер, камера, микрофон и т. Д. Они бывают разных форматов, таких как изображения, текст и структурированные данные.
- Для человеческого мозга ввод осуществляется через внутренние и внешние стимулы. Входные «устройства» для мозга включают сенсорные клетки (те, которые связаны со зрением, слухом, осязанием, дегустацией), двигательные / мышечные клетки и даже некоторые клетки мозга. Эти клетки собирают полученный стимул и принимают его для дальнейшей обработки.
2. Вывод : Вывод — это информация или действие, возникающее в результате обработки ввода.
- Выходными действиями в случае машин могут быть такие вещи, как распечатка чего-либо, добавление чисел, проецирование изображения, решение сложной проблемы на основе алгоритма, идентификация шаблонов и т. Д.
- Результатом обработки, которая происходит в человеческом мозге, является очевидно, более сложный и включает такие действия, как управление внутренними и внешними мышцами, сенсорное восприятие, управление внутренними функциями организма (такими как кровяное давление, частота сердечных сокращений, температура), принятие решений, решение проблем, эмоции, социальное поведение и т. д.
3. Хранение : Это место, где хранятся такие вещи, как входная информация, выходная информация и программы.
- Компьютеры имеют два типа хранилищ. Краткосрочное хранилище, которое мы обычно называем ОЗУ, в котором хранятся ограниченные объемы информации (данные или программы), необходимые компьютеру для выполнения немедленной задачи. И долговременное хранилище с гораздо большей емкостью в виде жестких дисков, оптических дисков, лент и т. Д.
- Очень похожа на эту конструкцию система памяти человеческого мозга.Краткосрочная память мозга называется «Рабочая память» , которая использует возможности памяти и внимания мозга за короткие промежутки времени для выполнения текущей задачи под рукой (например, запоминание того, что говорит учитель, делая заметки в классе). , Долгосрочное хранение для людей осуществляется с помощью функции «Долгосрочная память» или LTM, которая позволяет им хранить практически неограниченное количество информации в течение неопределенного периода времени. Он включает в себя память (или хранение) таких вещей, как конкретные события, фактическую информацию и опыт.
4. Процессор : Вероятно, это самая простая параллель для понимания. Это относится к центральной схеме обработки, которая выполняет предоставленные инструкции. В компьютере это управляется его центральным процессором, тогда как для человека это центральная нервная система, состоящая из головного и спинного мозга и их внутренней схемы.
5. Программа : или «код» на компьютерном языке.
- Это относится к сложному набору инструкций, которые определяют, что необходимо сделать с вводом, чтобы прийти к выводу, объединяя набор функций, которые должны быть выполнены, в определенном порядке, в пределах определенных параметров. ,
- Это суть того, о чем мы говорим сегодня. У людей этот код выполняется с помощью нейронов, присутствующих в мозге. Нейроны создают связи друг с другом, через которые они передают сигналы, которые обрабатываются для достижения желаемого действия, весь процесс контролируется центральной нервной системой. Обмен сигналами или информацией происходит через очень важные структуры нервной системы, называемые Synapses .
- Компьютерные программы выполняются с помощью машинного кода, который представляет собой набор битов (т.е.е. двоичные единицы информации, такие как «1» и «0»). Точно так же человеческий мозг управляет своим «кодом» через паттерны химических или электрических сигналов, которые передаются от одного нейрона к другому, образуя нейронную сеть.
Искусственные нейронные сети (или ИНС) работают точно так же, как биологические. ИНС — это сеть искусственных нейронов, которые посылают сигналы друг другу. Эти сети функционируют так же, как мозг, обучаясь через зрение, без необходимости специально программировать. Подумайте, как ребенок впервые узнает собаку — вы показываете им собаку, вы произносите слово «собака», вы делаете это несколько раз, и теперь мозг ребенка научился распознавать закономерность между визуальным изображением собаки и термин, используемый для этого.Машина учится точно так же.
Интересно, что человеческий интеллект, как и искусственный интеллект, нуждается в развитии. В первые годы развития мозга (обычно от зачатия до 4–5 лет) происходит очень быстрое создание синапсов, соединяющих нейроны. В терминах науки о данных этот этап в некотором роде похож на «обучение модели» — чем больше ребенок подвергается воздействию, тем больше строятся синапсы, связанные с ним. Хорошим примером является язык — чем больше ребенок подвергается лингвистике в ранние годы, тем больше развивается область его мозга, связанная с языками.То же самое для других когнитивных и некогнитивных способностей.
Это было для меня откровением и изменило мой взгляд на раннее детство. Примерно для меня было то, что чем больше вы подвергаете своего ребенка различным вещам в эти первые дни, тем сильнее и лучше тренируются его синапсы для выполнения этих функций. Другими словами, человеческий интеллект может быть сформирован, как и его искусственный аналог. Это понимание также лежит в основе дебатов о природе и питании, о которых мы часто слышим.
Наше понимание архитектуры человеческого мозга и его функционирования все еще развивается, и есть много аспектов, которые мы еще даже не начали царапать поверхность вокруг. Для меня все сводится к одному вопросу: . Все ли функции мозга являются вычислительными, т. Е. Могут ли они быть сведены к уравнению «обработка-ввод-вывод», которое теоретически можно воспроизвести в физическом мире, каким бы сложным оно ни было «обработка» аспект этого. Или есть части роли человеческого мозга (такие как сознание, свободная воля, классификация памяти и т. Д.)) которые просто не «программируются»?
Жюри об этом нет, и пределы искусственного интеллекта будут во многом зависеть от ответа на этот вопрос.
Оллман, Уильям Ф. 1989. Ученики Чудеса: Революция внутри нейронной сети. Bantam Books, Нью-Йорк.
Баринага, Марсия. 1990. Нейронаука моделирует мозг. Science 247: 524–526.
Блум, Флойд Э. и Арлин Лазерсон. 1988. Мозг, разум и поведение. Фримен, Нью-Йорк.
Changeux, Жан-Пьер.1986. Нейрональный Человек. Издательство Оксфордского университета, Нью-Йорк.
Черчленд, Патриция С., Кристоф Кох и Терренс Дж. Сейновски. 1990. Что такое вычислительная неврология? Pp. 46–55 в вычислительной нейробиологии. Эрик Л. Шварц (ред.). MIT Press, Кембридж, штат Массачусетс,
Черчленд, Пол М. и Патрисия Смит Черчленд. 1990. Может ли машина думать? Scientific American 262 (январь): 25–37.
Крик, Фрэнсис и Кристоф Кох. 1990. На пути к нейробиологической теории сознания.Семинары по нейронаукам 2: 263–275.
Harris, J., C. Koch, E. Staats и J. Luo. 1990. Аналоговое оборудование для обнаружения разрывов в раннем видении. Международный журнал Computer Vision 4: 211–223.
Hinton, G.E., и T.J. Сейновски. 1983. Оптимальный вывод восприятия. Материалы конференции IEEE Computer Society по компьютерному зрению и распознаванию образов. Вашингтон, округ Колумбия, июнь.
Хинтон, Джеффри и Дж. А. Андерсон. 1981. Параллельные модели ассоциативной памяти.Лоуренс Эллбаум, доцент, Хиллсдейл, Нью-Джерси
Hopfield, J.J. 1982. Нейронные сети и физические системы с возникающими коллективными вычислительными возможностями. Труды Национальной академии наук США 79: 2554–2558.
Hutchinson, J., C. Koch, J. Ma и C. Mead. 1988. Вычисление движения с использованием аналоговых и бинарных чувствительных сетей. IEEE Computer 21: 52–63.
Джейкоб, Франсуа. 1982. Возможное и актуальное. Университет Вашингтон Пресс, Сиэтл.
Кох, C., T.H. Ван и Б. Матур. 1989. Вычислительное движение в зрительной системе приматов. Журнал экспериментальной биологии 146: 115–139.
Кох, Кристоф и Идан Сегев (ред.). 1989. Методы нейронного моделирования. MIT Press, Кембридж, штат Массачусетс,
,Lisberger S.G. и T.J. Сейновски. 1991. Вычислительный анализ предлагает новую гипотезу для моторного обучения в вестибуло-глазном рефлексе. Технический отчет INC-9201. Институт нейронных вычислений, Университет Калифорнии, Сан-Диего.
Newsome, W.T., K.H. Бриттен и Я.А. Movshon. 1989. Нейронные корреляты перцептивного решения. Природа 341: 52–54.
Pagels, Хайнц Р. 1988. Сны разума: компьютер и рост наук сложности. Саймон и Шустер, Нью-Йорк.
Rumelhart D., G. Hinton и R. Williams. 1986. Изучение внутренних представлений путем распространения ошибок. Pp. 318–362 в параллельной распределенной обработке, том I. D. Rumelhart и J.Макклелланд (ред.). MIT Press, Кембридж, штат Массачусетс,
Rumelhart, D., J. McClelland и Исследовательская группа PDP. 1986. Параллель
,