Церебральных Осложнений
Изображение, полученное с помощью Джош Морган (Р.О., Вонг в лаборатории), перепечатано любезно Природы.
Это изображение сетчатки глаза, в которых различные типы клеток окрашиваются в разные цвета, подчеркивает его слоистую структуру. Цвет-колбочек, чувствительных (фиолетовый) для подключения горизонтальных ячеек (оранжевый), которые подключаются к биполярных клеток (зеленый), и тех, подключиться к amacrine и ганглиозных клеток (magenta).
В Больцмана-как алгоритм может быть только одним из многих, что мозг использует, чтобы настроить его синапсов. В 1990-х годах, несколько независимых групп, разработана теоретическая модель, как визуальная система эффективно кодирует потоком информации, поражает сетчатку. Теория постановил, что процесс, похожий на сжатие изображения называется “разреженные кодирования” состоялась в низших слоев зрительной коры головного мозга, что делает более поздних стадиях зрительной системы более эффективной.
Прогнозы модели постепенно передавая все более и более строгих экспериментальных испытаний. В в статье, опубликованной в журнале PLOS Computational Biology в Мае, вычислительной неврологов в Великобритании и Австралии обнаружили, что когда нейронных сетей с использованием алгоритма для разреженных кодирования называется Продукции Экспертов, изобретенный Hinton в 2002 году, подвергаются же ненормальные визуальные данные, как живут кошки (например, кошек и нейронных сетей видеть только полоску изображения), их нейроны развивать почти точно так же аномалии.
“Ко времени, когда информация попадает в зрительной коре, мы считаем, что мозг, представляя его в виде разреженного кодекса”, - сказал Бруно Olshausen, вычислительной невролог, директор Редвуд-Центр Теоретической Нейробиологии Калифорнийского университета в Беркли, которые помогали разрабатывать теории разреженных кодирования. “Похоже, у вас есть машина Больцмана, сидя там, в затылке, пытаясь узнать связей между элементами разреженного код.”
Olshausen и его исследовательская группа недавно использовавшихся в моделях нейронных сетей высших слоев зрительной коре, чтобы показать, как мозги способны создать стабильное восприятие видео входов несмотря движения изображения. В другое недавнее исследование они обнаружили, что нейронов деятельности по всей зрительной коры кошки смотрят черно-белый фильм был хорошо описана машина Больцмана.
Одним из потенциальных приложений, которые работают в строительных нейронных протез, таких как искусственной сетчатки. С пониманием “форматирование информации в мозг, вы бы знали, как стимулировать мозг, чтобы кто-то думают, что они видя изображения,” Olshausen сказал.
Sejnowski говорит понимание алгоритмов, с помощью которых синапсов, увеличиваться и уменьшаться позволит исследователям чтобы изменить их, чтобы изучить, как функционирует сеть сломать. “Затем вы можете сравнить его с известными проблемами, которые у людей”, - сказал он. “Практически все психические расстройства могут быть прослежены с проблемами в синапсах. Поэтому, если мы сможем понять синапсов немного лучше, мы сможем понять нормальную функцию мозга, как она обрабатывает информацию, как он учится, и что происходит, когда у вас, скажем, шизофрении”.
Нейросетевой подход к пониманию мозга резко контрастирует с Человеческий Мозг Проекта, Швейцарский ученый Henry Markram гораздо раздутыми план создания точного моделирования человеческого мозга с помощью суперкомпьютера. В отличие от Hinton подхода, начиная с сильно упрощенной модели, и постепенно делая его более сложным, Markram хочет включить как можно больше подробностей, с самого начала, вплоть до отдельных молекул, в надежде, что полная функциональность и сознание выйдет.
Проект получил $1,3 млрд на финансирование Европейской комиссией в январе, но Hinton считает, что мега-моделирование не удастся, погрязли слишком много движущихся частей, которые никто не понимает. (Markram не ответил на просьбы о комментариях.)
В более общем плане, Хинтон не думаю, что работу мозга могут быть выведены исключительно от деталей визуализирующих исследований мозга; вместо этого, эти данные должны быть использованы для построения и совершенствования алгоритмов. “Вы должны думать теоретически и освоения космического пространства обучения алгоритмов придумать теорию, как” машина Больцмана, - сказал он. Для Hinton, следующим шагом является разработка алгоритмов для обучения еще более brainlike нейронных сетей, таких как те, которые имеют синапсов подключение нейронов, а не только между слоями. “Главная цель состоит в том, чтобы понять, что вы получаете в вычислительном отношении, имея более сложные вычисления на каждом этапе”, - сказал он.
Гипотеза заключается в том, что более тесная взаимосвязанность позволяет сильнее петли обратной связи, которая, согласно Olshausen, вероятно, как мозг достигает “восприятия заполнения,” где более высокие слои сделать выводы о том, что нижние слои зондирования на основе частичной информации. “Это тесно связано с сознанием”, - сказал он.
Человеческий мозг, конечно, по-прежнему намного сложнее, чем любой из моделей; это больше, плотнее, более эффективной, более взаимосвязанными, более сложными нейронов и жонглирует несколькими алгоритмами одновременно. Olshausen подсчитал, что мы понимаем, что только 15 процентов активности зрительной коры головного мозга. Хотя модели прогресса, неврологии еще “немного, как и в физике до Ньютона”, - сказал он. Все-таки он уверен, что процесс строительства на этих алгоритмов в один прекрасный день может объяснить ultimate загадки мозга - как сенсорных данных, трансформируется в субъективное осознание реальности. Сознание, Olshausen сказал : “это то, что выходит из очень, очень сложная машина Больцмана.”
Эта статья была перепечатана на ScientificAmerican.com.