브레인 모델링

Question

우리는 PC 당 1 테라 플롭에 도달했기 때문에 곤충의 두뇌를 모델링 할 수는 없습니다. 자가 학습, 자기 개발 신경망의 적절한 구현을 본 사람이 있습니까?

Answer 1

쥐의 두뇌의 물리적 신경 레이아웃을 디지털 신경망에 맵핑하는 재미있는 실험이 MRI 및 기타를 사용하여 촬영 된 각 구성 요소의 신경 화학을 모델로하여 가중치로 표시되는 것을 보았습니다. 꽤 흥미로운. 당신이 바르게 지적 (2 문제 전에 새로운 과학자 또는 초점?)

IBM 블루 브레인는 http://news.bbc.co.uk/1/hi/sci/tech/8012496.stm

문제는 계산 능력을 마음에 온다. 그러나 신경망에 대한 일련의 자극에 대해 계산의 범위는 자극이 더 깊은 중첩 된 노드를 만날 때 기하 급수적 인 경향이 있습니다. 모든 가중치 알고리즘은 각 노드에서 소요되는 시간이 많이 소요될 수 있음을 의미합니다. 도메인 특유의 신경 맵은 특화되어 있으므로 더 빠르다. 포유류의 두뇌는 많은 일반적인 경로를 가지고있어서 가르치기가 더 어렵고 컴퓨터가 주어진 공간/시간에서 실제 포유 동물의 뇌를 모델링합니다.

실제 두뇌에는 정적 인 것처럼 많은 누화가 있습니다 (일부 사람들은 이것이 독창성이나 독창적 인 생각이 유래 한 곳이라고 생각합니다). 두뇌는 또한 '직접'자극/보상을 사용하여 배우지 못합니다 ... 그들은 비 관련 사안의 과거 경험을 사용하여 자신의 학습을 만듭니다. 뉴런을 재생성하는 것은 계산 공간에서 한 가지이며, 정확한 학습을 ​​만드는 것은 또 다른 것입니다. 도파민 (곤충의 옥토 파민)과 다른 신경계 화학 물질에 신경 쓰지 마십시오.

디지털 두뇌 LSD 또는 항우울제를주는 것을 상상하십시오. 실제 시뮬레이션. 굉장해. 그것은 내가 의심하는 복잡한 시뮬레이션 일 것입니다.

Answer 2

나는 신경 네트워크가 어떻게 작동하는지에 대한 우리의 생각이 대규모 수준에서 두뇌에 좋은 모델이라는 것을 알고 있다고 생각합니다. 나는 그것이 좋은 가정이라고 확신하지 못한다. 지옥, 너무 오래 전에 우리는 신경 교세포가 정신 기능에 중요하다고 생각하지 않았습니다. 그리고 뇌가 성숙 된 후에는 신경 발생이 없다는 생각이 길었습니다.

반면에 신경망은 분명히 복잡한 함수를 꽤 잘 처리하는 것처럼 보입니다.

그래서 여기에 약간의 퍼즐 질문이 있습니다. 얼마나 많은 테라 플롭스 또는 페타 플롭스가 사람의 뇌 계산이 나타내는 것이라고 생각합니까?

Answer 3

예 : OpenCog이 작업 중입니다.

Answer 4

는 2007 년, 그들은 절반의 실제 속도로 10 초 동안 반 마우스의 뇌에 해당하는 시뮬레이션 : http://news.bbc.co.uk/1/hi/technology/6600965.stm

Answer 5

Jeff Hawkins는 신경망이 뇌의 가난한 근사치라고 말할 것입니다. 그의 "온 인텔리전스"는 대단한 읽을 거리입니다.

Answer 6

구조입니다. 인간의 뇌와 같거나 더 높은 성능의 컴퓨터를 가지고 있더라도 (거기에 갈 때 다른 예측이 있지만 아직 갈 몇 년이 남아 있습니다), 우리는 여전히 그것을 프로그램 할 필요가 있습니다. 그리고 오늘날 우리가 많은 두뇌를 알고 있지만, 우리가 모르는 많은 것들이 여전히 많이 있습니다. 그리고 이것들은 세부 사항이 아니라, 전혀 이해되지 않는 넓은 영역입니다.

Tera/Peta-FLOPS에만 초점을 맞추는 것은 디지털 카메라가 장착 된 메가 픽셀 만 보는 것과 같습니다. 여러 요소가 관련되어있을 때 하나의 가치에만 초점을 맞 춥니 다 (뇌에 몇 가지가 더 많이 포함되어 있습니다. 카메라). 나는 또한 뇌의 모의 실험에 얼마나 많은 FLOPS가 필요한지에 대한 많은 추측이 틀렸다고 생각하지만, 그것은 완전히 다른 토론이다.

Answer 7

궁금한 점은 PC 당 1 테라 플롭에 달했으며 우리는 여전히 곤충의 두뇌를 모델링 할 수 없다는 것입니다. 자가 학습 자체 개발 신경망의 적절한 구현을 본 사람이 있습니까?

우리는 이미 두뇌를 모델링 할 수 있습니다. 요즘의 질문은 얼마나 빠르고 정확하며 얼마나 정확합니다.

처음에는 필요한 최소한의 물리적 특성을 가진 가장 추상적 인 뉴런 표현을 찾기 위해 노력했습니다.

코넬 대학 (Cornell University)에서 perceptron이라는 발명을 만들었습니다. 실제로 이것은 매우 간단한 모델입니다. 사실, MIT 인공 지능 교수 인 Marvin Minsky가 실수로이라는 논문을 쓰면서이 유형의 모델이 XOR (에뮬레이션 될 수있는 기본 논리 게이트)을 배울 수 없다고 결론 지었다 오늘 우리가 가진 모든 컴퓨터에 의해). 불행히도, 그의 논문은 적어도 10 년 동안 암흑 시대에 대한 신경 네트워크 연구를 폭파시켰다.

아마도 많은 사람들이 좋아할만큼 인상적이지는 않지만 시각적 및 언어 학습 및 인식을 할 수있는 이미 존재하는 학습 네트워크가 있습니다.

우리는 더 빠른 CPU를 가지고 있지만 여전히 뉴런과 같지 않습니다. 우리 뇌의 뉴런은 최소한 병렬 가산 단위입니다. 따라서 1 초당 1 천억 개의 시뮬레이션 된 인간 뉴런을 상상해보십시오. 약 20hz의 "시계"로 100 조 개의 연결에 출력을 보냅니다. 여기에서 진행되는 계산의 양은 우리가 가지고있는 처리 능력의 페타 플롭을 초과합니다. 특히 CPU가 병렬 대신 직렬 인 경우 특히 그렇습니다.

Answer 8

C. Elegance라는 이름의 웜이 있으며 그 해부학은 완전히 우리에게 알려져 있습니다. 모든 셀은 매핑되고 모든 뉴런은 잘 연구됩니다. 이 웜은 태어날 때부터 흥미로운 특성을 가지고 있으며 그것이 태어난 온도 지역을 따르거나 성장합니다. Here is link to the paper.이 논문은 연결 모델을 가진 특성의 구현을 가지고있다. 그리고이 신경 모델을 사용하여 빛의 색조가 다른 지역의 어두운 지역을 추적하는 로봇을 만든 학생들도 있습니다. 이 작업은 다른 방법을 사용하여 수행 할 수도 있지만이 방법은 위의 링크를 제공 한 용지에서 입증 된 것처럼보다 탄력성이 있습니다.