Читаем Об интеллекте полностью

Момент «ага», когда головоломный сенсорный паттерн наконец то узнается — такое как узнавание далматинца на рисунке 12 — начинается, когда область кортекса пробует сопоставить новую информацию. Если соответствие идет в локальной области — предсказание передается вниз в быстрой последовательности по всем нижестоящим областям. Если это корректная интерпретация стимула, то каждая нижестоящая область иерархии уляжется в корректное предсказание в быстрой последовательности. Тот же самый эффект должен возникать при рассмотрении картинки с двумя интерпретациями, такие как силуэт вазы, похожий на два лица, или куб Неккера (изображение куба, которое можно интерпретировать в двух ориентациях). Каждый раз, когда восприятие такого изображения изменяется, мы должны видеть распространение нового предсказующего потока вниз по иерархии. На самом нижнем уровне, скажем, в области V1, колонка, представляющая линейный сегмент изображения, должна оставаться активной при любом восприятии картинки (предполагая, что глаза не двигаются). Однако, мы могли бы увидеть, что некоторые нейроны в этих колонках переключают свое состояние. То есть, один и тот же низкоуровневый элемент существует в каждой картинке, но внутри колонки могут быть активными разные нейроны при различных интерпретациях. Основной момент в том, что мы должны увидеть распространение предсказующего потока вниз по иерархии, когда изменяется высокоуровневое восприятие.

Аналогичное распространение предсказания должно возникать при каждой саккаде по известному визуальному объекту.

Предсказание 9.

Модель «память-предсказание» требует, чтобы пирамидальные нейроны могли детектировать точное совпадение синаптических импульсов на тонких дендритах.

Многие годы считалось, что нейроны могли бы быть просто интеграторами, суммирующими информацию со всех синапсов для определения того, должен ли нейрон возбудиться. Сегодня в нейрофизиологии много неопределенности относительно того, как ведет себя нейрон. Некоторые люди до сих пор придерживаются идеи, что нейрон просто интегратор, и большинство моделей нейронных сетей построены на нейронах, которые работают именно таким образом. Есть также множество моделей нейронов, предполагающих, что нейрон ведет себя так, как если бы каждая дендритная секция оперировала бы независимо. Модель «память-предсказание» требует, чтобы нейроны были способны обнаруживать совпадения только на нескольких активных синапсах в узком временном промежутке. Модель могла бы работать даже с единственным синапсом, потенциированным достаточно, чтоб вызвать возбуждение нейрона, но более вероятно, что должно быть два или больше активных синапсов, расположенных рядом на тонком дендрите. Таким образом нейрон с тысячами синапсов может научиться возбуждаться на множество различных более точных паттернов. Это не новая идея, и есть основания поддержать ее. Это, однако, радикальное отклонение от стандартной модели, используемой многие годы. Если будет показано, что нейрон не возбуждается на точные паттерны, будет сложно удержать модель «память-предсказание» нетронутой. Синапсы на толстых дендритах или вблизи тела нейрона не обязаны работать таким образом, только множественные синапсы на тонких дендритах.

Предсказание 10.

Представление продвигается вниз по иерархии по мере обучения.

Я утверждаю, что через постоянное обучение кортекс запомнил бы последовательность в иерархически более низких областях кортекса. Это естественным образом следует из того, как память о последовательности изменяет входной паттерн, передаваемый в вышестоящую область. Из этого процесса есть несколько следствий. Одно в том, что мы должны обнаружить нейроны, отвечающие на сложные стимулы, ниже по кортикальной иерархии после усиленного обучения, и выше по иерархии после минимального обучения. Например, у человека я ожидал бы обнаружить нейроны, отвечающие на печатные буквы, в такой области, как IT, после обучения распознаванию отдельных букв. Но после обучения чтению целых слов, я ожидал бы обнаружить нейроны, отвечающие буквам, в различных частях V4 в дополнение к IT. Аналогичные результат должен быть достигаем и у других видов, в других областях и на другие стимулы. Другое следствие такого процесса обучения в том, что места, где возникают воспоминания и где детектируются ошибки, должны также перемещаться. То есть, ощущения сильно заученных паттернов должно распространяться на меньшее расстояние вверх по иерархии. Это должно быть обнаруживаемо с помощью аппаратуры отображения. Мы должны суметь детектировать изменения во времени реакции на определенные стимулы, потому что информация не обязательно идет до самой верхушки кортекса, чтоб быть распознанной и вспомненной.

Предсказание 11.

Инвариантное представление должно быть найдено во всех кортикальных областях.

Перейти на страницу:

Похожие книги

Самоучитель UML
Самоучитель UML

Самоучитель UMLПервое издание.В книге рассматриваются основы UML – унифицированного языка моделирования для описания, визуализации и документирования объектно-ориентированных систем и бизнес-процессов в ходе разработки программных приложений. Подробно описываются базовые понятия UML, необходимые для построения объектно-ориентированной модели системы с использованием графической нотации. Изложение сопровождается примерами разработки отдельных диаграмм, которые необходимы для представления информационной модели системы. Цель книги – помочь программистам освоить новую методологию разработки корпоративных программных приложений для последующего применения полученных знаний с использованием соответствующих CASE-инструментов.

Александр Васильевич Леоненков , Александр Леоненков

Зарубежная компьютерная, околокомпьютерная литература / Программирование / Прочая компьютерная литература / Книги по IT
Основы информатики: Учебник для вузов
Основы информатики: Учебник для вузов

Учебник состоит из двух разделов: теоретического и практического. В теоретической части учебника изложены основы современной информатики как комплексной научно-технической дисциплины, включающей изучение структуры и общих свойств информации и информационных процессов, общих принципов построения вычислительных устройств, рассмотрены вопросы организации и функционирования информационно-вычислительных сетей, компьютерной безопасности, представлены ключевые понятия алгоритмизации и программирования, баз данных и СУБД. Для контроля полученных теоретических знаний предлагаются вопросы для самопроверки и тесты. Практическая часть освещает алгоритмы основных действий при работе с текстовым процессором Microsoft Word, табличным редактором Microsoft Excel, программой для создания презентаций Microsoft Power Point, программами-архиваторами и антивирусными программами. В качестве закрепления пройденного практического курса в конце каждого раздела предлагается выполнить самостоятельную работу.

Вадим Васильевич Лысенко , Лариса Александровна Малинина , Максим Анатольевич Беляев

Зарубежная компьютерная, околокомпьютерная литература / Прочая компьютерная литература / Книги по IT
Киберкрепость: всестороннее руководство по компьютерной безопасности
Киберкрепость: всестороннее руководство по компьютерной безопасности

Как обеспечить надежную защиту в эпоху, когда кибератаки становятся все более продвинутыми? Каковы последствия уязвимости цифровых систем? Петр Левашов, экс-хакер с богатым бэкграундом, рассматривает все грани кибербезопасности, начиная с базовых принципов и заканчивая новейшими технологиями.Читатели познакомятся с:• основами компьютерной безопасности и актуальными методами защиты;• современными методами шифрования данных и криптографии;• процедурами ответа на инциденты и восстановления после катастроф;• юридическими и регуляторными требованиями к компьютерной безопасности.Автор использует свой уникальный опыт, чтобы предоставить читателям углубленное понимание кибербезопасности. Его подход охватывает теоретические знания и практическую подготовку, делая этот материал доступным для профессионалов и новичков.

Пётр Юрьевич Левашов

Зарубежная компьютерная, околокомпьютерная литература