Чи організовані також біологічні нейрони в послідовних шарах?


9

Зараз я читаю книгу під назвою « Ручне машинне навчання за допомогою Scikit-Learn та TensorFlow», а в главі 10 книги автор пише наступне:

Архітектура біологічних нейронних мереж (BNN) 4 все ще є предметом активних досліджень, але деякі частини мозку були складені на карту, і, схоже, нейрони часто організовуються в послідовних шарах, як показано на малюнку 10-2.

введіть тут опис зображення

Однак, схоже, немає ніякого посилання на якісь дослідження там. І автор цього не стверджував твердо, враховуючи, що він використовував " схоже, що нейрони часто організовуються в послідовних шарах" .

Це правда і наскільки сильно це віриться? З чого це дослідження?


@ Відповідь JadenTravnik хороша, також дивіться там мій коментар. Різниця між посиланням тут і цією відповіддю полягає в тому, що це цитування, мабуть, означає, що в одному стовпчику неокортексу є структура подачі вперед (оскільки це малюнок, представлений тут). Це, звичайно, помилково, хоча іноді працює як модель. Хоча є дані про деяку обробку подачі в стовпчику, є також багато повторень та зворотного зв'язку. Структура подачі вперед має більше сенсу між корковими ділянками (саме на це йде відповідь нижче).
Брайан Крауз

Термінологія "шару" має різний зміст і в двох контекстах. Коли біологи говорять про коркові «шари», вони мають на увазі анатомічні шари, а не функціональні шари в стилі нейронної мережі. Клітини в одному шарі сильно взаємопов'язані між собою, а також меншою мірою з клітинами всіх інших шарів. Деякі зв'язки є у цій відповіді на інше запитання на biology.se: biology.stackexchange.com/questions/57495/…
Брайан Крауз

Відповіді:


6

Дійсно коротка відповідь: так

Трохи довша відповідь: якось

Довга відповідь:

Конволюційні нейронні мережі (CNN), які зараз є стандартом в моделях обробки зображень, були натхнені роботами Hubel і Wiesel у 1950-60-х роках. Вони показали, що зорові коти котів та мавп містять нейрони, які індивідуально реагують на невеликі ділянки поля зору.

Для ознайомлення з деякими передумовами ми повинні спершу почати з стрижнів та шишок в очах. Ці світлочутливі клітини з'єднуються з кількома шарами клітин, перш ніж навіть покинути сітківку через гангліозні клітини.

Зображення стрижнів, з'єднаних з біполярними клітинами, з'єднаними з гангліозними клітинами

Ці гангліозні клітини потім з'єднуються з декількома ділянками мозку, але насамперед потиличною долею, розташованою на задній частині мозку. Потилична доля відповідає за візуальну обробку і розділена на коркові шари, перший з яких названий V1, що є основною зоровою зоною. Більшість робіт Хубеля та Візеля стосувалися клітин V1 та показали, наскільки ці клітини чутливі до орієнтації та кольору від відповідних сприйнятливих областей сітківки.

введіть тут опис зображення

Клітини V1 з'єднані з клітинами V2, які чутливі до ще більш специфічного подразника, такого як рух з орієнтацією, і ця тенденція специфічної чутливості продовжується від V2 до вищих областей мозку.

Цей шаруватий підхід до зору активно використовувався в CNN, настільки, що коли проявляється чутливість нейронів у тренованих CNN, виявляються подібні реакції (орієнтація).

введіть тут опис зображення

Є чіткі докази шарів в біологічних оптичних системах і подібних шаруватих структур в інших сенсах. Хоча існує багато зв’язків між різними структурами мозку, основна структура шарів мозку допомогла зрозуміти, що роблять різні ділянки мозку, і допомогла надихнути багато (якщо не всі) успіхи в дослідженнях нейронної мережі.


1
Отримав пінг з Biology.SE. Ця відповідь хороша, безумовно, досить хороша для цієї галузі. Шари справжнього неокортексу відрізняються від більшості нейронних мереж тим, що вони масово повторюються, складаються з одночасно активної подачі вперед і зворотного зв'язку і дуже залежать від недавньої історії та загального стану. І це лише в одній зоні зору (як V1). Деякі штучні мережі надають деякі з цих особливостей, інші імітують їх за допомогою інших більш обчислювальних механізмів.
Брайан Крауз

1

Чи організовані біологічні нейрони послідовно шарами?

Охоплюючи реальність складності

Сказати "Так" було б грубою спрощеністю, подібно до того, як цифрове навчання, що виникає з якоїсь простої форми рекурсії, застосованої до набору логічних правил предиката першого порядку, було схоже на те, що бігати по веселці лепрекона до горщика із золотом.

Заключний набір питань підходить: "Це правда і наскільки сильно віриться? З чого це дослідження?" Вам знадобиться опитування, щоб визначити, наскільки сильно вважається, що нейрони в мозку мають переважно шарувату структуру. Посилання на шари в фактичних дослідженнях , схоже, не стверджують, що шари є послідовними у більшості випадків. На шкірі є послідовні шари, але на шкірі з лише шарами не вистачає пір, волосків, інтерфейсів з отворами тіла та багатьох інших особливостей. У людському мозку (або в мозкових тварин) тривимірна складність значно збільшується від шкіри.

З точки зору дослідника ШІ було б добре, якби

  • Евристична або теоретично перевірена рекурсивна схема, застосована до експертної системи, може спричинити навчання чи інтелект або
  • Карта людського (або пташиного) мозку може бути зведена до набору подібних нейронів у рядках однакових нейронів, розташованих шарами.

Зображення, подане у запитанні, не ілюструє такої простоти. Це насправді ілюструє зворотне, що природа рідко настільки прозора в ній тонкощах.

Характеристика, «оскільки, здається, що нейрони часто організовуються в послідовних шарах», не є точною. Нижче більш обґрунтована характеристика конкретного показаного фрагмента вказує на дві області, які можуть бути чітко розрізнені, сітку на крайньому лівому краю 8% та значною мірою горизонтальну зв'язаність у решті 92%.

Інженер-електрик або математик, ймовірно, не назвав би ці два шари розділів. Ліва сторона може вважатись матрицею певної форми, а права 92% може вважатися складною схемою обробки.

Характеристика 2D структури

  • Аксони спрямовані головним чином у напрямку, описаному одиничним вектором (-1, 0, 0), інакше можна описати як справа наліво.
  • Щільність аксонів збільшується для значень значень x, завдяки високій частці аксонів, що закінчуються при менших значеннях x.
  • Щільність ядра порівняно рівна в пропорційному діапазоні від 0,1 до 1,0.
  • Розміри ядер і пов'язана з ними дендритна складність приблизно відповідає градієнту, з первинними максимумами в 0,8 від пропорційного значення х і вторинними максимумами в 0,55 пропорційного значення х
  • Щонайменше два аксони розбиваються між цими пропорційними х місцями.
  • Існують майже рівновіддалені аксіоми, всі приблизно паралельні осі z в діапазоні від 0,0 до 0,08 пропорційного значення x.
  • Подальші структурні структури або нечіткі, або відсутні.

Ще одне зображення з хаотичною структурою

введіть тут опис зображення

Мільйони разів складність

Розглянемо далі, що значна частина складності прихована від глядача в одному фрагменті тривимірної неврологічної структури. Якщо ми довільно вирішимо, що зображення є відрізком, розрізаним паралельно площині xz, ми можемо побачити співвідношення в цьому плані xz, але ні в xy, ні yz. Будь-який інший фрагмент з іншого напрямку або місця в мозку буде таким же унікальним, як і довільне вікно в набір Мандельброта.

Більш неправдиве представлення результатів досліджень

Фраза "Деякі частини мозку були нанесені на карту" також вводить в оману. Наведено загальну взаємозв'язок між підструктурами мозку людини, а не сигналами та критеріями поширення сигналу та силою в окремих нейронах. Схеми докорінно відрізняються на рівні нейрона між двома мізками, обидва з яких демонструють інтелігентність in vivo (у живій істоті).

Аналогія, як людина розміром з мікробом з картою континентів, великих міст та маршрутів доставки, але без попередніх знань про транспортні системи, без GPS та без іншої детальної карти, яка бажає подорожувати від Ейфелевої вежі до центр міста в Сідні, Австралія. Існує недостатній набір розвитку транспортної системи або детальні вказівки, з якими можна успішно здійснити подорож.

У випадку досягнення рівня деталізації у структурі та функції людського мозку, достатнього для створення електронної версії, недоліки включають відсутність розуміння

  • Умови, за яких аксон або дендрит виростають у довжину або роздвоєні
  • Умови, при яких нейрон спрацьовує на основі внутрішніх структур, які, як відомо, утримують інформацію про стан всередині цитоплазми.
  • Зв'язок між геномом людини та його різновидами та впливом на структуру різних генів, механізми експресії генів та пов'язані з ними ферменти та білки
  • Інші складності поза моїм рівнем освіти з нейронауки.
  • Інші складності, що перевищують рівень освіти кожного з нейронаук.

Шари та ієрархії

У науці прийнято шукати шари чи ієрархії, які використовуватимуться в освіті та практиці, оскільки вони можуть допомогти в осмисленні анатомічної структури. Ця тенденція проявилася в інженерії програмного забезпечення в розробці операційної системи, дизайні мови програмування, дизайні прикладних програм, а тепер і в AI-дизайні. З розвитком цих технологічних областей тенденція фактично відходить від чистого шару, орієнтованого на шари або ієрархічного дизайну, до більшої кількості необмеженої мережі взаємозв'язуючих частин. Простота бажана, але іноді потрібна складність.

Моделювання інтелекту - це вимоглива мета, і простота, яка зазнала невдачі за перше півстоліття спроби спроектувати інтелектуальні цифрові системи, зрозуміло, що робочі рішення потребують складності і, отже, значних знань.

Доцільно припустити, що не існує обмежень, що керують еволюцією інтелекту людини у напрямку структури, що характеризується насамперед шаром або ієрархічною структурою. Еволюційні процеси не помічають простоти з метою полегшення академічного вивчення. Немає нічого про експресію генів ДНК або про те, як нейрони ростуть на внутрішньоутробному або пізньому етапі, що застосовувало б такі правила простоти щодо структури чи функції.

Наскільки складні вирази ДНК, які призводять до особливостей мозку, які ми вважаємо інтелектом? Наскільки складні нейронні системи, які виникають із цих виразів? Деякі вважають, що людству доведеться розвиватися до того, як людський розум зможе імітувати себе. Така думка може бути правдивою чи помилковою. Такого важко передбачити, навіть на порядок.

Числовий аналіз оптимістичного прогнозування

Було запропоновано очікувати експоненціального зростання на тривалість життя, потужність розгорнутої сонячної панелі в Німеччині, швидкість процесора (виконання мікропроцесорних інструкцій в секунду), щільність транзистора ("закон" Мура), розмір Комуністичної партії та багато інших показників, але хоча темпи зростання в природі та людських зусиллях часто є експоненціальними на ранніх стадіях, такі ніколи не виявляються стійкими. Темпи росту приблизно лінійні протягом короткого періоду після цього і набувають більш дугової дотичної форми, коли наближається насичення. Від насичення значення метрики мають тенденцію до зменшення та збільшення хаотичних припадків і починається протягом великих діапазонів часу.

У квітні 2005 року Гордон Мур (автор "Закону" Мура) заявив: "[Експоненціальний ріст] не може тривати вічно. Природа експонентів полягає в тому, що ти їх виштовхуєш і в кінцевому підсумку трапиться катастрофа". Пізніше він заявив: "З точки зору розміру [транзисторів] ви можете бачити, що ми наближаємось до розміру атомів, який є основним бар'єром".

Важливо розуміти, що Мур не винайшов закон. Він переглянув дані за два десятиліття і помітив, що щільність транзистора приблизно пропорційна e t , де t - тривалість часу з моменту, коли інтегральні схеми вперше досягли масового ринку, а потім передбачили подальше експоненціальне зростання на основі даних чітких тенденцій.

Реалістичне передбачення

Люди ніколи не пробували щось настільки принципово, як порушення порогу, як створення імітації себе. Без відповідного досвіду, з якого можна дізнатись, чи є експоненціальний ріст, лінійний ріст, ріст дугових дотичних чи якась інша форма є найбільш вірогідною моделлю, найбезпечнішою моделлю є, мабуть, та, яку прописав бритвою Оккама, лінійне прогнозування.

Щоб зробити будь-який прогноз, потрібно зібрати деякі точки даних. Хоча це реалістичне передбачення, воно не дуже старанне. Можливо, можна було б зробити більше роботи, щоб знайти модель, більш вірогідну, ніж лінійну, розробити систему теорії та метрик, щоб визначити прогрес у будь-який момент часу, або зібрати більше точок даних, щоб встановити принаймні квадрати. Для цілей цієї відповіді ми просто використовуватимемо дві точки даних та зробимо лінійну екстраполяцію.

У 1660 році Блейз Паскаль писав у своїх «Пенсесах» («Думки»): «Арифметична машина виробляє ефекти, які наближаються до думки, ніж усі дії тварин. Але це не робить нічого, що могло б нам віднести волю до неї тварини ", тому пошук механічних симуляцій інтелекту людини вже вевся в той час.

З того часу комп'ютерні програмісти розробили код, який виконує ряд можливостей людини.

  • Узагальнення числових і логічних обчислень (ЦП)
  • Автоматизація офісу
  • Розпізнавання шаблонів (застосовується до письма, мови та сцен)
  • Конвергенція за функціонально оптимальними схемами (нейронні мережі)
  • Застосування ймовірності до прийняття рішення (теорема Байєса тощо)
  • Правила системи, здатні досконалості в дискретних іграх

Особливості, які відсутні в нинішньому ступені цифрових моделювання інтелекту цифрових систем, важливі і численні.

  • Інтуїція при перерахуванні загальних проблемних підходів
  • Відмінник навичок природної мови
  • Емоційна виразність у мистецтві
  • Політична виразність у мистецтві
  • Добре грати у спорт (в межах роботизованих систем)
  • Робити хорошу роботу на роботі (даючи довільні вказівки)
  • Навчитися робити нові речі на роботі
  • Початок проекту без попереднього досвіду роботи в галузі
  • Комплексний відновний аналіз
  • Складна конструкція довільних фізичних пристроїв відповідно до вимог)
  • Розробка програмного забезпечення (програмне забезпечення, що виробляє програмне забезпечення відповідно до вимог)
  • Освітлене розширення області дослідження
  • Ідентифікація субфугів у режимі реального часу
  • Емоційна близькість
  • Співчуття та співпереживання
  • Комплексна самооцінка
  • Розробка нових областей математики для підтвердження гіпотези
  • Ідіть до класу та дізнайтеся більше
  • Підбирайте книги та статті за потрібним навчальним шляхом та читайте їх
  • Інші можливості в цих напрямках

Зважаючи на те, що цей список скорочено, і ці пункти, які ще не були досягнуті в програмному забезпеченні, не є так механічно описаними природною мовою, як ті, які вже успішно запрограмовані, ми можемо бути відносно впевнені, що у 2017 році у нас є цифрові системи, які досягли лише частка ширини особливостей повного набору, яких очікують людині від людини, не називаючи людину розумовим завданням. Якщо судити зі списку досягнень, комп’ютерне програмне забезпечення моделювало не більше 10% того, що роблять розумні люди.

Не маючи жодних підстав вважати, що швидкість виявлення знизиться або наросте (незважаючи на твердження, що людський прогрес був експоненціальним 1 ), просте лінійне наближення розміщує відносно повний електронний мозок на горизонті за 5,587 рік.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.