Когнитивная наука за искусственными нейронными сетями (ИНС)
Это нейрон. Это нервная клетка. Нейроны - это фундаментальные единицы человеческого мозга, и в нашем мозгу их около 90 миллиардов. Нейроны отвечают за все связи с центральной нервной системой (головной и спинной мозг), из нее и внутри нее. Нейроны общаются с другими клетками, посылая и получая электрические сигналы через синапсы. Сегодня мы сосредоточимся на этом соединительном элементе - синапсе.
Синаптическая пластичность
Интересно то, что синапсы меняются в зависимости от активности соседних нейронов. Если между определенными нейронами передается больше повторяющихся и устойчивых сигналов, эта синаптическая связь усиливается (например, путем открытия более восприимчивых каналов). Это называется долгосрочным потенциалом (LTP), и эти изменения могут длиться всю жизнь. Считается, что этот процесс лежит в основе нашей памяти.
Hebbian Learning
Hebbian Learning получил свое название от психолога Дональда Хебба, который впервые высказал эту идею в 1940-х годах о более сильных ассоциациях между нейронами, которые постоянно и одновременно срабатывают вместе. Это фундаментальная концепция искусственных нейронных сетей (ИНС): в то время как нейроны поддерживают общую структурную целостность связей, отдельные связи между нейронами обновляются на основе совпадений.
Так что взгляните на диаграмму ниже. Что меняется, так это синапс, который изменяет выходной сигнал пресинаптического нейрона. Этот взвешенный выход подается как вход в постсинаптический нейрон. Нейроны могут отправлять одинаковые выходные данные нескольким другим нейронам, но отдельные постсинаптические нейроны могут получать разные входные данные в зависимости от значений синапсов между нейронами. Каждое синаптическое соединение уникально для каждой пары нейронов.
Это простой механизм сети с прямой связью, где активированный вход, взвешенный по весу, зависящему от соединения, подается как вход в выходной нейрон. Активация подобна внутренней системе нейрона, которая решает, активировать ли потенциал действия с заданным значением и с какой интенсивностью.
Для искусственных нейронных сетей обратное распространение - это процесс обновления весов на основе ошибки предсказания между выходным значением и ожидаемым значением. Это простой алгоритм, который вычисляет производную функции активации, чтобы разделить член ошибки по разным весам, но фактический шаг, связанный с использованием ошибки прогнозирования для обновления на человеческом нейронном уровне, не является простым процессом в нашем мозгу.
Так как же нейроны человека учитывают ошибки? Теория Хебба в основном работает для обучения без учителя, когда мы просто смотрим на частоту совпадения, чтобы установить ассоциативную силу между нейронами. Но как насчет контролируемого обучения, когда у нас есть ожидаемый результат и меры, которые мы можем использовать для условного определения значимости связи? Теперь мы переходим к более развивающейся области исследований.
Предиктивное кодирование
Прогнозирующее кодирование - это всеобъемлющая теория, которая утверждает, что основной механизм нашего мозга - генерировать прогнозы и обновлять модели на основе ошибок прогнозирования. Познавательный процесс не всегда (или, возможно, никогда) не является односторонним. Наш мозг получает входные данные из внешнего мира, но наш мозг также подсказывает, как мы можем принимать эти входные данные, еще до того, как мы их получим, чтобы мы могли более эффективно сосредоточиться на том, что имеет значение. Мозги могут уже знать, чего ожидать. Идея прогнозирования входных данных до приема - довольно надежная идея, которая может объяснить многие когнитивные явления. (Если вам интересно, вот отличная статья на эту тему: ССЫЛКА). У нас нет убедительных доказательств того, что это происходит на нейронном уровне, но это довольно многообещающая и увлекательная концепция.
Заключение
Здесь мы кратко обсудили взаимосвязь между простой искусственной нейронной сетью и нейронной сетью человека. Конечно, междисциплинарное значение в области ИИ и когнитивной науки на этом не заканчивается. В следующем посте я расскажу о том, как человеческое зрение сравнивается со сверточной нейронной сетью (CNN). Как в области искусственного интеллекта, так и в области когнитивной науки ведется много исследований, которые эффективно пересекаются, и я надеюсь продолжить обсуждение некоторых из этих достижений в будущем.
