Hjerne model

En hjernemodel  er ethvert teoretisk system , der søger at forklare hjernens fysiologiske funktioner ved hjælp af de kendte love for fysik og matematik , såvel som de kendte fakta om neuroanatomi og neurofysiologi [1] . Der er mindst to grundlæggende antagelser, der spiller en grundlæggende rolle i teorien om hjernens funktion, som de fleste moderne teoretikeres mening konvergerer om:

• 1. Hjernens hovedegenskaber bestemmes af den topologiske struktur af netværket af nerveceller (neuroner) og dynamikken i udbredelsen af ​​impulser i dette netværk.
• 2. Biologiske netværks evne til at behandle information afhænger ikke af nogen særlige vitalistiske kræfter, som ikke kan reproduceres af en enhed skabt af menneskehænder.

Det er vigtigt at bemærke, at ingen endnu har været i stand til at opdage i individuelle elementer eller celler i nervenetværket nogen specifik psykologisk funktion, såsom hukommelse , selvbevidsthed eller fornuft . Dette tyder på, at sådanne egenskaber ikke er iboende i individuelle elementer, men er forbundet med organiseringen og funktionen af ​​nervenetværket som helhed. Hvis forskernes meninger grundlæggende er enige om ovenstående spørgsmål, så adskiller de sig væsentligt på spørgsmålet om, hvordan metoderne til lagring, søgning efter og bearbejdning af information i hjernen svarer til de metoder, der bruges i moderne teknologi. På den ene side er der et synspunkt, hvorefter hjernen arbejder efter forudbestemte algoritmer tæt på de algoritmer, der bruges i digitale maskiner (monotypiske modeller), på den anden side er der en opfattelse af, at hjernen ikke fungerer på grundlaget for deterministiske algoritmer, og dets funktioner minder lidt om de kendte logiske og matematiske algoritmer i digitale maskiner, og de mest betydningsfulde er probabilistiske metoder og tilpasningsmekanismer (genotypiske modeller).

Monotype modeller

Ideen om at skabe modeller fra simple logiske elementer med neural-lignende egenskaber modtog sine første impulser fra følgende kilder:

• 1. Turings værk "On computable numbers" ( 1936 ) og den efterfølgende udvikling af von Neumann og andre videnskabsmænd i 40'erne af programmerbare digitale maskiner.
• 2. Arbejdet med Rashevsky "Mathematical Biophysics" ( 1938 ) markerede begyndelsen på undersøgelsen af ​​spørgsmålet om, hvordan det er muligt at implementere psykologiske funktioner ved hjælp af "nervenetværk" bestående af formaliserede neuroner og forbindelser.
• 3. Arbejdet af McCulloch og Pitts "Den logiske beregning af ideer relateret til nervøs aktivitet" ( 1943 ).

Med den monotypiske tilgang er egenskaberne af de elementer (neuroner), der danner det neurale netværk, fuldstændigt specificeret aksiomatisk, såvel som topologien af ​​netværkene. For at analysere egenskaberne ved en monotypemodel anvendes propositionel calculus, da et separat fuldstændigt deterministisk system overvejes. I dette tilfælde postuleres funktionelle egenskaber normalt som indledende data.

Genotypiske mønstre

Mens den monotypiske retning opstod spontant under indflydelse af den hurtige vækst af computerteknologi og teorier om automatisk kontrol, var den genotypiske retning mindre påvirket af de tekniske videnskaber og var snarere påvirket af fysiologi og anatomi:

• 1. Det 19. århundredes beskrivende anatomi banede vejen for studier af lokalisering af hjernefunktioner, og neurologer, såsom J. H. Jackson, bemærkede en klar plasticitet af systemet, udtrykt i naboregionernes evne til at overtage funktionen af beskadigede områder;
• 2. Pavlov og andre videnskabsmænd diskuterede mulige mekanismer for adaptiv modifikation af centralnervesystemet og fremsatte forskellige hypoteser vedrørende placeringen af ​​"hukommelsesspor".
• 3. Lashley proklamerede den fuldstændige udskiftelighed af de fleste dele af hjernebarken. Med den gradvise ophobning af data vedrørende "distribueret hukommelse" er der stadig tydeligere indikationer på, at "hukommelsesspor" er nogenlunde jævnt fordelt i det kortikale væv.
• 4. Selvom de neurovidenskabsmænd, der er nævnt her, har skrevet meget om den observerede og hypotetiske organisering af hjernen, har de slet ikke beskæftiget sig med spørgsmål relateret til den direkte konstruktion af modeller i form af detaljerede teoretiske skemaer, der ville gøre det muligt at drage nøjagtige konklusioner . Psykologer og filosoffer, der er mere tilbøjelige til spekulative ræsonnementer, var de første, der forsøgte i detaljer at forestille sig, hvordan psykologiske funktioner udvikler sig i systemer, der allerede kan kaldes modeller af hjernen. Hebb og Hake forsøgte at vise, hvordan en organisme under individuel modning kan erhverve evnen til at opfatte.
• 4.1. For Hake er genkendelse af en stimulus egenskaber i princippet et spørgsmål om klassifikation. Uttley udviklede efterfølgende teorien om klassificeringsautomaten.
• 4.2. I sin biologiske del er Hebb-modellen udviklet mest detaljeret. Hebb antog eksistensen af ​​en proces, hvorved neuroner, ofte exciterede samtidigt, forbindes til funktionelle strukturer, de såkaldte "celleassociationer" og "fasesekvenser", som under påvirkning af en passende stimulus forårsager et elementært billede eller sensation. Men Hebbs arbejde er for deklarativt og løst i sine definitioner, så det skal snarere ses som en beskrivelse af, hvordan en tilfredsstillende model i sidste ende skal se ud.
• 5. Ashbys værk “The Design of the Brain” (1952) definerer ikke en specifik model af hjernen, men udvikler i stedet grundlaget for analysen af ​​lukkede systemer, der som studieemne desuden bør omfatte til den reagerende organisme, også det ydre miljø og reglerne for organismens interaktion med miljøet [2] .
• 6. Grundlaget for teorien om perceptroner blev lagt i 1957, og i de efterfølgende værker af Rosenblatt, Joseph og andre blev et stort antal modeller med forskellige egenskaber overvejet. Perceptroner er ikke designet til at være nøjagtige kopier af et bestemt nervesystem. De er forenklede netværk designet til at studere de regelmæssige forhold mellem organiseringen af ​​et neuralt netværk, strukturen af ​​dets miljø og de "psykologiske" egenskaber, som et givet netværk kan have.

Se også

• Kunstig intelligens

Noter

1. ↑ Frank Rosenblatt. Principper for neurodynamisk: perceptroner og teorien om hjernemekanismer. - M . : "Mir", 1965.
2. ↑ W. Ross Ashby hjernekonstruktion. Oprindelsen af ​​adaptiv adfærd. - M.: IL, 1962. - S. 398.

Litteratur

• Frank Rosenblatt. Principper for neurodynamisk: perceptroner og teorien om hjernemekanismer. - M . : "Mir", 1965.
• L. B. Emelyanov-Yaroslavsky . Intelligent kvasi-biologisk system (induktiv automat) / L. B. Emelyanov-Yaroslavsky. — M.: Nauka, 1990. — 112 s. — ISBN 5-02-006670-2.
• Savelyev A. V. Fra filosofien om kunstig intelligens til filosofien om hjernemodellering // I materialerne fra V Russian Philosophical Congress. Novosibirsk. — 2009. Vol.1. s. 193-194.
• Petrunin Yu Yu., Ryazanov MA Saveliev AV Fra kunstig intelligens til hjernemodellering. Moskva statsuniversitet M. V. Lomonosov, MAKS Press. 2015. - 108 s.; 21 cm - 500 eksemplarer. — Videnskabelig monografi. - ISBN 978-5-317-04879-2 .

Links

• Ascoli, G.A. (red.). (2002). Computational neuroanatomy: principper og metoder. Totowa, New Jersey: Humana Press.
• Sterratt, D., Graham, B., Gillies, A., & Willshaw, D. Ch 9 (2011). Principles of Computational Modeling in Neuroscience, Kapitel 9. Cambridge, Storbritannien: Cambridge University Press.
• Rumelrhart, D., McClelland, JL, & PDP Research Group (1986). Parallel distribueret behandling: Explorations in the Microstructure of Cognition, bind 1: Fundamenter. Cambridge: The MIT Press.