Обучение живых и «биологичная» нейронная сеть
Давайте разберемся, как же живой мозг обучается. Насколько его обучение похоже или не похоже на то, как это делают машины. Попытаемся смоделировать некоторые аспекты обучения. В машинном обучении укоренились термины обучение без учителя (англ. unsupervised — без контроля) и обучение с учителем (англ. supervised — под контролем). Обучение без учителя – это обучение по неразмеченным данным, или примерам. А обучение с учителем это обычно обучение по некоторым размеченным данным, обучение на примерах при котором результат регулируется и корректируется некоторым внешним механизмом с учётом этой самой разметки. Иногда термин «обучение без учителя» применяют в случае, когда у нас имеется некий агент, которого мы помещаем в некую среду, причём агент изначально не знает по каким правилам и законам действует среда, и без внешней помощи агент обучается взаимодействовать с этой средой. Если у агента имеется некий механизм оценки достижения цели, то это уже можно назвать термином — обучение с подкреплением. Насколько корректны и применимы эти термины к обучению живых организмов?
Платформа машинного обучения визуализирует активные нейроны в режиме реального времени
Исследователи Дюкского университета научили ИИ искать и выделять активные нейроны. Новый способ упростит диагностику и позволит наблюдать за мозгом людей и других животных в режиме реального времени.
К вопросу о возможном самообразовании интеллектуальной квазибиологической системы
В известной работе Емельянова-Ярославского Л.Б. «Интеллектуальная квазибиологическая система. Индуктивный автомат» (М., Наука, 1990) была предложена модель взаимодействия нейронов, образующих новые управляющие связи с формированием сети взаимодействий за счет добавления нового свойства, путем изменения функционального состояния нейронов (возбуждения) в зависимости от необходимости получения дополнительных энергетических ресурсов, с последующим использованием этих управляющих взаимодействий для получения общего свойства активности сети — системы управления ресурсами. Гипотетическое допущение о необходимом притоке энергии и его последующем межнейронном перераспределении, потребовалось в качестве обоснования идеи возникновения и постоянного обновления импульсной нейронной индуктивности для поддержания активности нейросети. Очевидно автором модели так было понято, как могли бы работать нейронные механизмы живого протомозга на ранних эволюционных этапах. Также предполагалось, что в дальнейшем происходила самосборка активных сетей управления ресурсами в укрупненные нейронные ансамбли с последующим наращиванием их функционала и формирования интеллекта.
Сколько информации за жизнь воспринимает человек
Книги, ТВ, Интернет … – нас окружает информация, «тонны» информации. Вы когда-нибудь задумывались над тем, сколько информации мы воспринимаем за свою жизнь? Мне этот вопрос показался очень интересным, и я решил его прогуглить. Как и ожидалось, вменяемого ответа найти не удалось, поэтому пришлось браться за дело основательно с привлечением умных книжек и научных статей. В итоге получилось целое исследование, ходом и результатами которого я и хочу с вами поделиться.
Сознание и мозг
Сознание — рефлексия субъектом действительности, своей деятельности, самого себя. Оно порождается не природой, а самим человеком и окружающим миром, семьей, обществом. В свое время Г. В. Ф. Гегелем были высказаны идеи о трех слоях в его учении о субъективном духе, который выделял три ступени в развитии субъективного духа: антропологию, феноменологию и психологию. Сегодня этот подход вполне применим к сознанию.
Сравнение мозга с нейронной сетью
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.
Нейро-стимуляция спинного мозга позволит ходить людям, парализованным после травм позвоночника
«Это потрясающее чувство. Я вновь могу согнуть колени, самостоятельно поднять ноги и даже пошевелить пальцами», — рассказывает один из участников экспериментального лечения, которому удалось вернуть свои двигательные способности за счет технологии спинномозговой стимуляции. После травмы позвоночника, полученной 2010 году, его ноги были парализованы. Фактически сразу несколько исследовательских групп как в России, так и за рубежом трудятся над различными способами лечения паралича, вызванного инсультом или травмой спинного мозга. Благодаря инновационным протоколам лечения пациенты с хронической параплегией заново учатся ходить. Подобные технологии позволяют стимулировать спинной мозг сверхточными электрическими импульсами, активировать нейромышечные связи ниже травмы и одновременно с этим усиливать остаточные команды от мозга. Какие механизмы реабилитации уже существуют и могут быть использованы для лечения?
В коре вашего мозга 17 млрд компьютеров
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.
Мозжечок и базальные ядра вместо хрустального шара: как мозг предсказывает будущее
Сегодня мы с вами немного отойдем от рассмотрения исследований на базе нашей любимой физики/химии и переключим свое внимание на исследования человеческого организма. Точнее сказать на исследование мозга. Этот орган настолько сложен, что все предыдущие исследования давали один ответ и 10 новых вопросов, так сказать. Конкретнее говоря, сегодня мы рассмотрим исследование, намеренное ответить на вопрос — как мозг предсказывает будущее? И нет, мы не будем говорить о картах таро, кофейной гуще, астрологии и прочих ненаучных вещах. Мы будем говорить о том, как мозг человека, используя имеющиеся знания, выстраивание логических цепочек и анализ ситуации, способен предвидеть недалекое будущее. Исследователи уделили этому аспекту внимание не из праздного любопытства, а ради того, чтобы лучше понять процессы в мозге человека во время развития некоторых болезней, в том числе и болезни Паркинсона. Что именно узнали ученые, как они проводили эксперименты и что это может означать для медицины в будущем? Доклад поможет нам найти ответы на эти вопросы. Поехали.
Исследование связности в мозге на основе электрофизиологических данных. Лекция в Яндексе
Раз уж идеология нейросетей в IT строилась с оглядкой на реальный прототип, о нем тоже иногда полезно вспомнить. Предлагаем посмотреть или почитать лекцию Ильи Захарова, выпускника кафедры психофизиологии факультета психологии МГУ. Илья объясняет, как можно анализировать сети в мозге, какие данные для этого нужны, какие подводные камни могут возникать при анализе, а главное — что нового позволили узнать подобные исследования. Под катом — расшифровка и большинство слайдов.