かつて、一連の記事「思考の論理」がHabréに掲載されました。 それから2年が経ちました。 この間、脳がどのように機能するかを理解し、興味深いモデリング結果を得ることができました。 新しいシリーズ「意識の論理」では、私たちの研究の現状について説明しますが、ついでに、自然な脳の生物学を理解し、人工知能の構築の原理を理解したい人にとって興味深い理論とモデルについてお話します。
開始する前に、後続のすべての記事を読むときに覚えておくと役立ついくつかのコメントを作成したいと思います。
科学に特化した脳の研究に関連する状況。 自然科学の他のすべての分野には、基本的な理論があります。 それらは、その後のすべての考慮事項が構築される基盤を形成します。 そして、神経科学においてのみ、脳の神経構造における情報プロセスの流れを少なくとも何らかの形で説明した単一の理論はまだありません。 同時に、脳の生理学に関する膨大な知識が蓄積されています。 非常に有望な結果が人工ニューラルネットワークを使用して得られました。 しかし、これまでのところ、ある橋から別の橋を架けることは不可能でした。 生物学的ニューラルネットワークについて知られていることは、今日作成された人工ニューラルネットワークのアーキテクチャとは非常に貧弱な相関関係です。
人工ニューラルネットワークの多くのアイデアが実際の脳の研究から借用されているという一般的なフレーズは、誤解を招くものであってはなりません。 借りることは一般的すぎる。 概して、それはニューロンがあり、そこにあり、これらのニューロン間に接続があるという事実で終わります。
したがって、今日、神経科学の主な問題は、より高度な理論の構築ではなく、脳についてすでに知られているすべてを何らかの形で結びつける初期の説明の探索です。
ニューロンは、よく見ると非常に単純に見えます。 ニューロンの本体があり、その樹状ツリーがあります。 シナプスは体と樹状突起にあります。 軸索があります。 シナプスは入力のようなもので、軸索は出力のようなものです。 癒着があります-ニューロンの体内で発生し、軸索に沿って伝播するインパルス。 ここでは、完成した基本設計が好きです。 かなり単純な動作原理を持つ典型的な要素。
ニューロンスキーム（マリアナルイスビジャレアル）
それはまさに、マカロックとピッツが推論したものであり、正式なニューロン回路を提案しています。 必須ではないものを破棄し、エッセンスを残して、しきい値加算器を取得します。 シナプス入力の信号が追加され、それぞれに独自の重みがあり、しきい値関数が結果に適用されます。ここで、出力には信号があるかどうかがあります。
マカロック-ピッツフォーマルニューロン
このようなニューロンの場合、その「すべて」はシナプスの重みの値です。 彼らはニューロンが何に反応するか、つまり本質的にそれが何であるかを決定します。 このようなニューロンから、ニューラルネットワークを組み立てることができます。 そのようなネットワーク用の学習アルゴリズムを考え出すことができます。 つまり、すべてのニューロンに対してこのような重みを選択して、ネットワークの結果が何らかの方法で期待どおりになるようにします。
その結果、人工ニューラルネットワークのさまざまなアーキテクチャとさまざまな学習アルゴリズムが登場しました。 しかし、すべてのアーキテクチャで、正式なニューロン自体に保存されている一般的な概念、つまり「祖母のニューロン」の概念は保存されていました。 1969年、ジェリーレスウィンは次のように述べています。「人間の脳が特殊なニューロンで構成され、さまざまなオブジェクトの固有の特性をエンコードする場合、原則として、脳のどこかに、祖母を認識して記憶するニューロンがなければなりません」 脳の機能をある程度説明するあまりにも多くのモデルは、「祖母のニューロン」の概念に依存しています。 会話が個別のニューロンに関するものではなく、神経集団に関するものであっても、特定のニューロンは特定の現象に対する反応を局在化するため、それと比較できることが理解されます。
「祖母のニューロン」の概念は、2つの非常に強力な議論に基づいています。 まず、多くの実験データは、適切な刺激に対するニューロンの選択的応答を示しています。 たとえば、特定の視覚刺激に対する一次視覚野のニューロンの反応が示され、よく研究されています（Hubel、1988）。 また、ニューロン「ジェニファーアニストン」が発見されました。これは、ジェニファーアニストン自身とテレビシリーズ「フレンズ」のキャラクターの両方に反応しました（R.キアヌキロガ、L。レディ、G。クライマン、C。コッホ、I。フリード、 2005）。
第二に、検出ニューロン（つまり「祖母のニューロン」）のアイデアに完全に基づいた人工ニューラルネットワークはうまく機能し、深い楽観主義を刺激する革新的な結果を示します。
しかし、いくつかの問題があります。 すでに上で述べた最初のものは、生物学に関連しています。 実際のニューロンの構造と動作について知られるほど、正式なニューロンのようにはなりません。 むしろ、実際のニューロンはその正式なニューロンに非常に似てさえいないと言えます。 この類似性をもたらすことができます。ニューロンの働きをスパイクによって判断することは、モニターのグローの全体的な明るさを変更することにより、コンピューターの働きについて結論を出す方法です。
2番目の問題は、多くの賢明な人々が問題の解決策を見つけようとしてあまりに長い間見つけようとしない場合、問題は解決策ではなく、問題の状況にある可能性が高いことです。 暗い部屋で黒い猫を思い浮かべてください。 神経科学の場合、「条件の構成要素」の1つは「祖母のニューロン」の概念であり、これは上記の理由により、実験的に証明された概念として認識されています。
「祖母のニューロン」の概念を放棄することは可能ですか？ いくつかのメモリセルがあるとします。 「祖母のニューロン」の概念は、各セルが独自の「祖母」を持つことです。 このアプローチの説明は、メモリセルの内容が1つまたは別の「祖母」の発音の程度を示す場合です。 人工ニューラルネットワークをシミュレートする場合、各ニューロンは特定の機能に対応し、ニューロンの活動レベルは現在の説明の機能の重大度を示します。
別のアプローチも可能です。 メモリセルは、個別または共同で「祖母のコード」を保存できます。 このコードを別のコードに変更したり、別のメモリの場所に再現したりできる場合、コンピューターとコンピュータープログラムのイデオロギーになります。
私たちが知っているように、コンピューターはさまざまな情報の問題を非常にうまく解決します。 原則として、純粋にコンピューターベースのアプローチを使用して脳の機能を説明するのは魅力的です。 しかし、2つの困難があります。 まず、コンピューターのパラダイムを使用して脳のニューロンがどのように機能するかは明らかではありません。 脳がリモートで人工ニューラルネットワーク（ニューロン、接続、レベルなど）に似ている場合、コンピューターロジックゲート、アドレス可能なメモリ、およびプログラム実行メカニズムは、脳の既存のアイデアに適合しません。
2つ目の問題は、脳がイデオロギー的にコンピューターに似ている場合、なぜ人工知能を実装する優れたコンピューターアルゴリズムを思い付かないのかということです。 コンピューターでニューラルネットワークをモデリングする場合、コンピューターはモデリングツールにすぎず、全体のポイントはニューラルネットワークのアーキテクチャにあるという事実から出発します。 したがって、ネットワークのアーキテクチャを開発することにより、脳の能力に近づけることができると期待されています。 しかし、「祖母のニューロン」を、したがってニューラルネットワークから放棄し、脳に代わるコンピューターの代替手段を探り始めると、疑問が生じます。現代のコンピューターアーキテクチャや、脳に似たものを作るプログラミングのイデオロギーに欠けているもの。
「祖母のニューロン」の問題に密接に関連するいくつかの重要なポイントがあります。 最初のポイントは問題です。実際のニューロンはデジタルコードとアナログ信号のどちらで機能しますか？ 多くはこの質問への答えに依存します。 実際、彼はイデオロギーを定義しています-「おばあさん」または「おばあさん」ではありません。 ニューロンの働きが類似している場合、たとえば、スパイクの頻度またはスパイク間の間隔が「祖母」の活動レベルをエンコードする場合、従来のニューラルネットワークのすべてのパラダイムが機能します。 ニューロンの活動の写真は、説明的な説明です。 ニューロン活動は、量的属性に対応するスカラー量です。 ネットワークのさまざまな層の状態、ニューロン間の接続、それらの重み、およびニューロンのしきい値関数の形式を記述するベクトルは、特定の変換関数を決定します。 これらの関数は、勾配降下、ヘブトレーニング、誤差の逆伝播、ボルツマンマシンなどを使用してカスタマイズできます。 主なものは、ネットワークのパラメーターとニューロンの状態をアナログでスムーズに変更できることです。 「祖母」はもう少し、「祖母」は少し少なくなります。
しかし、ニューロンの信号がデジタルコードを形成する場合、これはまったく異なる数学とまったく異なる方法です。 「おばあちゃん」の電話番号をお持ちの場合、ほとんど正確にダイヤルすることはできず、「おばあさん」にほとんど電話をかけたいと考えています。
2番目のポイントは、情報を理解する問題に関連しています。 人にとって、有用な情報は理にかなっています。 さらに、直感的に、頭の中で行われている情報処理の主なイデオロギーを決定する意味であることは明らかです。 さらに、意味の概念自体はまだ不十分に形式化されています。 脳の神経構造の実際のメカニズムは意味の現象を考慮するだけでなく、何よりもそれを優先すべきだと仮定することは非常に適切です。 感覚は、ニューラルアーキテクチャの中核に位置する必要があります。 従来のニューラルネットワークでは、意味の問題はかなり複雑です。 「おばあちゃんのニューロン」は、イデオロギー的にそれ自体が何らかの意味で独自の意味を持っています。 ここに私は、具体的な意味での特定の「祖母」です。 別の「おばあさん」またはこの「おばあさん」が必要であるが、別の意味では、別のニューロンが必要です。 このアプローチから得られるものは限界に達しているようです。 さらに何かが必要な場合は、「祖母」に別れを告げる時が来たのかもしれません。
一方では、ニューラルネットワークが脳のようなものではないと仮定すると、疑問が生じます。 一方、脳がコンピューターのようなものである場合、思考は本当にアルゴリズムに還元できますか？
提案された一連の記事は、脳モデルの説明に専念します。私は、説明されたすべての矛盾を非常にうまく解決することができたようです。 生物学的脳がどのように機能するか、生物学的記憶がどのように機能するか、そしてなぜそのように機能するのかが示されます。 意味の概念は形式化され、脳の構造が情報の意味を扱うための理想的な「基盤」であることが示されます。 思考と行動を形作るメカニズムが示されます。 感情評価のメカニズムと役割が明らかにされます。
そして、おそらく、主なこと：すべての主要なアルゴリズムには、作業コードが付随します。 私たちにとっては奇妙なことですが、これはすべて非常にうまく機能します:)
そして最後に、サイクルの名前。 多くの場合、1つのなぞなぞを解くことで、別のなぞを解く道が開かれます。 意識の謎は、脳の情報処理を理解するタスクよりもはるかに一般的なタスクのようです。 しかし、間違いなく、これらのタスクの間には関係があります。 少なくとも、情報プロセスについて理解することができれば、意識に関する適切な質問を投げかけることははるかに簡単になります。 提案されたモデルから、意識の性質に関してかなり特定の結果が続きます。 これらの結果は、意識に関するすべての質問に答えるわけではありませんが、考えられる反省と実験の方向性を生み出します。 実際、このようなスーパータスクはこのサイクルに名前を付けました。
アレクセイ・レドズボフ
PS誰かが少し先を見つめ、同時に有用なことをしたい場合、現在、資料を英語に翻訳するための共同の努力が行われています（コーディネーター-Dmitry Shabanov ）。 デューク大学のアメリカ人の同僚が最終編集を行っています。 しかし、あなたは彼らが意味を理解する点に翻訳する必要があります。 出版社にテキストを提出する期限は非常に厳しいです。 いくつかの段落を翻訳する機会と希望があれば、参加してください。
UPD
意識の論理。 パート1.セルオートマトンの波
意識の論理。 パート2.樹状波
意識の論理。 パート3.セルオートマトンのホログラフィックメモリ
意識の論理。 パート4。脳記憶の秘密
意識の論理。 パート5.情報分析へのセマンティックアプローチ
意識の論理。 パート6.意味を計算するためのスペースとしての皮質
意識の論理。 パート7.コンテキスト空間の自己組織化
意識の論理。 「指で」説明
意識の論理。 パート8.大脳皮質の空間マップ
意識の論理。 パート9.人工ニューラルネットワークと実際の皮質のミニコラム
意識の論理。 パート10.一般化のタスク
意識の論理。 パート11.視覚および音声情報の自然なコーディング
意識の論理。 パート12.パターンを検索します。 組み合わせ空間