第1章： 神経生物学と人工知能：パート 1- 教育プログラム。
第1.5章： 神経生物学と人工知能：パート1と半分-Blue Brainプロジェクトからのニュース。
第2章： 神経生物学と人工知能：パート 2- 知能と脳内の情報の提示。
図 1
さて、一般的な真実は終わりました。 今、私たちは物議を醸すことになります。
情報処理システムにとってメモリの重要性については説明しません。 しかし、人間の記憶では、すべてが非常に困難です。 原則として、ニューロンに沿って移動する信号があり、信号の通過を制御する興奮性シナプスと抑制性シナプスがあり、信号に対するシナプスの感度を変更する神経調節薬がありますが、これらすべてがどのように連携して最終的に意味のある認知をもたらすかを発見しました活動？ このようなシステムを数百万のニューロンで組み立てた場合、それが適切に機能し、てんかんのように機能しないことは事実とはほど遠いです。
これは、意識の代替理論について推測を引き起こします。そこでは、彼らはあまり知られていない効果を取り、万能薬であると宣言します。 これらの理論の1つは、R。ペンローズとS.ハメロフによって提唱されました-ニューロンの細胞骨格を構成するチューブリン微小管の量子相互作用の理論的前提に基づいた意識の量子理論。 喜んでいる人がいれば、別の章でこの理論について議論することができますが、今のところは、より実証済みの理論に戻りましょう。
そのため、1,000億個のニューロンを持つ人に着手する前に、より単純なケースで何が起こるかを見てみるといいでしょう。 そして最も単純なケースでは、記憶効果が「繰り返される刺激に対する反応の変化」と定義できる場合、302のニューロンと5,000のシナプスを持つC. elegansワームの神経系の例で観察できます。 このような初歩的な神経系にもかかわらず、C。elegansは0.1°Cの精度で温度を感じる能力を開発し、それを利用可能な食物の量と関連付けることを学ぶことができます。これにより、連想記憶のメカニズムが少数のニューロンで機能する可能性があると主張する機会を与えてくれます。 神経系の単純さは、科学者が連想能力の原因となるメカニズムを詳細に研究するのに役立ちました。 この場合、生成されたCe-NCS-1カルシウム結合タンパク質の量は学習能力に正比例することがわかった。 さらに、このタンパク質は、温度を直接感知するニューロンとシグナル伝達ニューロン（挿入、中間ニューロン、介在ニューロン）の両方で生成され、それらの間のシナプスの特性に直接影響します。 介在ニューロンはすでに温度および嗅覚ニューロンから情報を収集して統合しています。 ここで興味深いのは、このタンパク質が、酵母からヒトに至るまでどこにでも見られるカルシウム感受性タンパク質のグループに属していることです[1]。
条件付き反射と無条件反射の形成など、より複雑なメカニズムは、主に特定の遺伝子をオフにすることにより、ショウジョウバエのハエで研究されています。 たとえば、ドーパミンとセロトニンの発現がオフになっているハエは、新しい連想情報の吸収を拒否しました。 発現が単純に減少した場合、学習の程度はこれらの神経伝達物質の数に依存します。 そのようなハエが何かを教えられた場合、彼らはもはやそれを忘れていないことに注意することが重要です。 これらの神経伝達物質は、記憶よりも学習に責任があることが判明しました。
重要な側面は、ショウジョウバエがすでに短期記憶と長期記憶に分かれており、そのために脳のさまざまな領域が責任を負っていることです。 特に、数秒間だけ連想ルールを記憶するハエを発生させることができます。 短期記憶と長期記憶への分割は、ニューロンの仕事の動的な性質（スパイクのパターンも伝達する）、特定の活動を特定の期間維持する必要があるため（脳のさまざまな部分からの情報を統合する時間があります）、結果の経験を保存する必要があります（しかし、彼はすでにスパイクパターンとして保存される可能性は低い）。 （人工）インテリジェンスの理論では、一般的に言えば、このような分離は必要ありません。情報を表現および処理する方法をすでに知っている場合は、コンピューターに情報を保存する方法をすでに考えています。 さらに、短期記憶を伴うことなく長期記憶で知識を処理することを示す研究にはまだ出会っていません（ただし、処理自体は、たとえば過去から何かを思い出す場合に行われます。その後、一般的に言えば、長期記憶は、再び上書きされるため、何かを頻繁に思い出すと、時間の経過とともに現実と推測を区別することが難しくなります）。
したがって、さらに私は主に短期記憶について話します。 次に、大容量の「インスタント」（即時メモリ）に分割できますが、これは1秒未満から数秒の時間範囲をカバーし、作業（作業メモリ）-数秒から数分をカバーします。 サルに関する研究では、刺激自体が消失した後の数秒間のニューロンの連続的な活性化によって刺激情報がサポートされることが示されており、そのようなプロセスをうまくモデル化するニューラルネットワークのモデルがあります[2]。 情報を保存するための一般的なルールは、次のように説明できます。メモリが長いほど、刺激に関する詳細度の低い情報がメモリに保存され、より抽象的で概念化されます。 瞬時の記憶メカニズムは、感覚情報が処理される大脳皮質の領域に直接提供されます[3,4]（前章で説明したように）が、作業記憶は、より大域的に、大脳皮質のメカニズムだけでなく（新皮質）だけでなく、海馬などの
短期記憶を実装するためにどの分子メカニズムを使用できますか？ 短期的なシナプス可塑性は、前の信号の次の信号の弱体化または増幅として現れます。 通常、2つの信号がすばやく到着する場合（<20 ms）、2つ目の信号は、神経伝達物質を伴う小胞の数の局所的な減少または電圧依存性タンパク質の不活性化により減衰します。 2つの信号間で20〜500ミリ秒が経過すると、2番目の信号がより大きな効果をもたらすことがよくあります。 弱いシナプスの場合、1つの信号はシナプス後膜を脱分極するのに十分ではない可能性があり、2番目の信号はそのままで、最初から解放された神経伝達物質を発射パッドとして使用し、正常な信号伝達の可能性を高めます。 シナプス通信の強化（促進）（高速-約10ミリ秒と長-数百ミリ秒に分割）、痙攣後増強（破傷風後増強）-数分まで、および弱化（うつ病）、神経伝達物質の枯渇と、シナプス内のメディエーターの蓄積数の効果（ホモシナプス）および/または隣接シナプスからの影響（ヘテロシナプス）の両方に関連しています。 一緒に、これらのプロセスは、特定の領域の興奮パターンの局在化に関与する可能性があります。パターンがニューラルネットワークに沿ってクリープできないようにするものもあれば、パターンの活動を維持するものもあります。
図 2.迷路内の位置に応じた場所のニューロンの活性化（異なるニューロンの活動は異なる色で表示されます）。
励起パターンの位置を特定する可能性の重要性は、前の章の図ですでに推定できました。 6.興味深いことに、視覚皮質と直接接続されていない構造であるラット（だけでなく）の海馬では、ラットが既に視覚的に部位に精通している場合に活性化される高度に特殊化された細胞を区別できます[5]（図2 ） さらに、それらの活動は、たとえば、エリアの照明にほとんど依存しません。 それらは、直接観察するよりも、滞在場所についてのラットの現在の見解と関連している可能性が高い。 そのようなセルは「セルの配置」と呼ばれます-セルの配置。 したがって、そのような細胞では、ラットが適切な場所にいる間ずっと興奮が維持されます。 そして、そのような細胞の行動は海馬だけでなく見られたので、適応行動を組織する可能性を提供するために、そのような空間情報が様々な脳構造の協調的相互作用の共通の「ラベル」として役立つという理論が提唱されています。
また、「すべての道が海馬に通じている」ことにも注意してください。すべての種類の記憶が海馬に結び付けられているわけではないにもかかわらず（たとえば、損傷した海馬で楽器を演奏することを学ぶことができます）、それは記憶の形成に重要な役割を果たします。そして、現在の視覚情報と関連情報を作業メモリに統合します。
図 3.運動を調整するためのさまざまな脳構造の相互作用。
まあ、そのようなもの。
ここから、人工知能システムに定められた原則に従います。メモリモデルの連想性とコンテンツのアドレス指定、トレーニングの機会、分類、計画、その他の問題の解決方法です。 データのレポートについては多くの質問が残っています。 特にPalmとそのハンドヘルドを発明したJeff Hawkinsは、 ここで既に説明し、新皮質の構造から直接派生した階層時間モデルを使用して、メモリをモデル化し、その中に情報を提示することを提案します。 間違いなく興味深いアイデアはすべてありますが、これまでのところ、強力なAIを作成できた人はいません。 真実は近くのどこかにあります。
[1]-Elements of Molecular Neurobiology、3d ed。、C。Smith、2002
[2]-短期アクティブメモリのスパイクネットワークモデル、D。Zipser et al。、The Journal of Neuroscience、1993、13（8）、3406-3420
[3]-Neuroscience、3d ed。、D。Purves、2004
[4]-情報、表現、脳の表現と処理を理解するためのモデルシステムとしての前頭前野、S。船橋、2006、XII、311-366。
[5]-アダプティブナビゲーションのニューラルシステム分析、S。水森ら、Molecular Neurobiology、2000、21、57-82