Największe badania zespołu oka fantomowego
Badania zespołu z Uniwersytetu w Liverpoolu wykazały, że po usunięcia oka z powodu nowotworu - czerniaka spojówki bądź naczyniówki - blisko połowa pacjentów doświadcza tzw. zespołu oka fantomowego (ang. phantom eye syndrome). Ludzie z tym zespołem "widzą" nieistniejącym okiem, doświadczają też bólu.
Po zbadaniu 179 pacjentów Brytyjczycy stwierdzili, że u ponad 1/3 objawy zespołu oka fantomowego pojawiają się codziennie. U większości ustępują one samoistnie, niektórzy wspominają jednak, że by zniknęły, trzeba coś zrobić, np. mrugać.
Wrażenia fantomowe często rozpoczynają się parę tygodni po amputacji i z czasem zanikają. W większości przypadków ludzie postrzegają tylko wzory bądź kolory, niektórzy wspominają jednak o widzeniu ludzi i całych scen.
Ponad 1 osoba na 4 uważa, że za pomocą nieobecnego oka można obserwować otaczający świat. Tyle samo ludzi wspomina o bólu usuniętej gałki ocznej. Dla 1/5 badanych objawy są przyjemne, tyle samo osób opisuje je jako niepokojące.
Liverpoolczycy podkreślają, że to największe badanie zespołu oka fantomowego, dzięki czemu można stwierdzić, u kogo z większym prawdopodobieństwem wystąpią jego objawy. Są one powszechniejsze u młodszych pacjentów. Choć na razie nie wiemy, co jest tego przyczyną, ból usuniętej gałki jest częstszy u osób z depresją bądź lękowych - podkreśla dr Steve Brown.
Komentarze (26)
Użytkownik-7423, 2 czerwca 2015, 12:27
Powodzenia tym, którzy chcą ludzki mózg zastąpić, skopiować czy przenieść.
Afordancja, 2 czerwca 2015, 12:31
kopiowanie nie ma sensu, przenieść się nie da, a kopiowania nie ma potrzeby
Jednak w czym tu widzisz problem w kontekście artykułu?
Użytkownik-7423, 2 czerwca 2015, 12:36
Nawet nie wiem od czego zacząć.
Samo istnienie bólu fantomowego, nie mówiąc o widzeniu fantomowym, świadczy o tym, że nawet nie wiemy czym jest nasz umysł i jaki ma zasięg możliwości.
Więc jak naśladować coś, czego się nie rozumie?
Afordancja, 2 czerwca 2015, 13:09
ee to są dalej impulsy "sieci", "wystarczy" zrozumieć "kostki" tej sieci, czyli np. neuronów, samych skutków nie musimy poznawać, nie kopiujemy przecież np. "bólu fantomowego" tylko neurony, a ten ból jest jakimś wynikiem wzburzenia neuronów... i w sztucznych sieciach będzie on też występował.
Przykład na szybko
http://www.fizyka.umk.pl/publications/kmk/00bc-psych.pdf
Nie musimy wiedzieć jak działają dokładnie zaburzenia pamięci, jednak wiemy, że już te nasze naprawdę proste odpowiedniki, je przejawiają.
Użytkownik-7423, 2 czerwca 2015, 13:13
Nie rozumiesz.
Żeby prowadzić auto nie musisz wiedzieć jak ono działa, fakt.
Ale jeśli chcesz je skopiować, zachowując jego cechy, musisz znać każdą część, jej funkcję i możliwe odchylenia.
Afordancja, 2 czerwca 2015, 13:24
i o tym właśnie mówię, jest tam ograniczona liczba "części" ich moc leży w ich ilości, neurony(te sztuczne) są naprawdę banalne i prostą "kopią" tych prawdziwych, a patrz jak b. dobrze działają, robią to co mają robić, trzeba po prostu poznać je lepiej aby móc je zastępować, a nie analizować jak dochodzi do np. Alzheimera (Chociaż tutaj też sztucznymi sieciami coś tam symulowali, wg linku co wkleiłem).
Podsumowując, problem jest trudny, jednak nie ma kompletnie nic wspólnego tym artykułem, bo tego(tych cech) nie musimy kopiować/podmieniać/przenosić...jak skopiujemy/podmienimy/przeniesiemy "części" samo się zrobi
Użytkownik-7423, 2 czerwca 2015, 13:33
Zupełnie się z tym nie zgadzam.
Żeby coś odwzorować, trzeba z góry założyć wszystkie możliwości.
W przeciwnym razie uzyskamy, fakt, wierną kopię strukturalną, ale nie funkcjonalną.
Jeżeli nawet funkcjonalność będzie miała pewną zdolność dostosowawczą, dostosuje się zupełnie dowolnie z braku założeń.
Ergo, zamiast kichnąć, zes... się, a zamiast powiedzieć "przepraszam" powiesz "boją się nawet jego koni", po czym zaczniesz nucić "Świt nad deltą" i dostaniesz ataku padaczki.
Taka sytuacja.
Afordancja, 2 czerwca 2015, 13:44
Przyznam się, że nie czuję, jakie są założenia w mózgu? (Pytam w kontekście sieci neuronowej)
Przy samym skomplikowaniu mózgu, jego części/ich działanie, jest proste.(przesadzam oczywiście, jest wystarczająco skomplikowane dla nas bo nie znamy pełnego działania, ale to dla nas, po nas będą następni). Koncepcja całej sieci też jest prosta.. (Tak jak koncepcja genów w kontekście ewolucji jest prosta, i wiadomo dlaczego to działa i działać musi, w sensie że kolejne pokolenia są "lepsze" niż poprzednie.)m tak samo, samo uczenie się sieci, pamięć asocjacyjna itd. jest (znów) koncepcyjnie prosta..ale brak nam detali na niższym poziomie. W każdym razie nie czuję Twojego "braku założeń" tutaj chyba nie ma jakiejś magii.
Twój przykład wydaje mi się totalnie absurdalny. Dlaczego miał bym tak zareagować? Jeżeli neurony (i całą reszta) ma działać jak działa orginał, nic się takiego nie powinno stać,
Użytkownik-7423, 2 czerwca 2015, 13:53
Właśnie dlatego, że "ma działać jak oryginał" a nie będzie oryginałem.
Na takiej samej zasadzie aromat jabłkowy "identyczny z naturalnym" nie jest taki sam jak aromat jabłka.
Inaczej nie potrafię, poddaję się.
Afordancja, 2 czerwca 2015, 14:02
eee słabe, oczywiście kwestia potrzeb, czy "identyczny" ma oznaczać tak samo smakuje, czy "identyczny", że jest dokładnie taki sam chemicznie. No chyba nie sądzisz, że w odpowiednio dalekiej przyszłości, nie będzie można zrobić chemicznie identycznego? Po prostu nierozróżnialnego.
Tak samo z neuronem, jeżeli nawet będzie "plastikowy" ale przy danym wejściu da taki sam wynik jak neuron biologiczny, to ze względu funkcjonalnego jest taki sam.
Jak mówię, magia nie napędza neuronów.
PS.
Dalej wg. mnie nie ma to nic wspólnego z tym artykułem
krzysiek, 2 czerwca 2015, 14:09
Wszystko zależy jak głęboko ma dany model odwzorowywać działanie mózgu.Zagłębiając się w coraz to bardziej podstawowe mechanizmy powinniśmy dojść do modelu, w którym nie będziemy mogli znaleźć różnic miedzy samym modelem a mózgiem. Można zajrzeć na stronkę bluebrain project, tam kombinują jak to zrobić
Użytkownik-7423, 2 czerwca 2015, 14:19
Czyli biorąc na tapetę ten nasz umowny "aromat jabłkowy identyczny z naturalnym", owszem niedługo będzie można zrobić nierozróżnialny w laboratorium, to się będzie nazywać jabłko.
Afordancja, 2 czerwca 2015, 14:36
ok, odpadam, w sumie nie wiem co to jest "aromat jabłkowy" . I gdzie on leży w jabłku
skoro jest = jabłku
Użytkownik-7423, 2 czerwca 2015, 14:46
O to właśnie chodzi!
Jedynym sposobem na nieodróżnialną imitację myślącego mózgu, jest zbudowanie dokładnie takiego samego myślącego mózgu!
Tylko po co, skoro mamy już takie i to ich tworzenie jest w dodatku bardzo przyjemne...
glaude, 2 czerwca 2015, 15:33
Afordancja
UMK to królestwo Ducha, a facet jest zasłuzony dla polskiej i światowej kognitywistyki. Do tego uprzejmy i uczynny. Mało takich i za to szacunek.
Generalnie się z Tobą zgadzam do małego poziomu skomplikowania. Bo jak w SNN zmienia się somoczynnie waga synaps, charakterystyka wyładowań przy niezmienionym sensie kategorialnym engramu? Sami pisząc algorytm to zakładacie? I jak manipulując powyzszymi wpływa to ma wyjściu (w stosunku do wartości średnich wcześniej)?
Co to jest pamięć asocjacyjna- chodzi mi o definicję, bo to coś technicznego a nie neuropsychologicznego.
A wracając do tematu Ramachandran dokładnie wyjaśnił mechanizm mechanizm czucia ręki fantomowej. Z okiem dochodzi oprócz modalności czucia powierzchniowego jeszcze modalność wzrokowa, która jak żywo przypomina zespół Bonneta we wzroku starczym.
i niestety winne są za to prawdopodobnie komórki glejowe ze swoimi neurogennymi czynnikami wzrostu.
Afordancja, 2 czerwca 2015, 19:01
Nie zgadzam się do końca, bo nam nie chodzi o nierozróżnialny mózg/neuron tylko o nierozróżnialną jego funkcję
Chyba najprościej
http://pl.wikipedia.org/wiki/Sie%C4%87_asocjacyjna
swoją drogą, nie wiem dlaczego byłem przekonany, że takie coś występuje w neuropsychologii, a tu zonk
Przyznam się, że nie załapałem pytania, mógłyś tak bardzije łopatologicznie?
glaude, 2 czerwca 2015, 21:18
Afordancja, ppt przejrzę jutro. Dziś nie mam siły- a o 4:10 wstaję do roboty. Łopatologicznie to tak: jak "ucząc się" sieć zmienia wagę synaps w swoich neuronach? Jak zmienia charakterhstykę wyładowań (częstotliwość, amplitudę) biorąc nawet pod uwagę klasyczne neurony Iżykiewicza? I czy w ogóle wyładowanie wyładowaniu równe, czy coś same w sobie kodują jak w meuronach? Czy czas wyładowań ma znaczenie? Czy potencjał na neuronie postsynaptycznym zanika tym bardziej im dalej od receptora? Czy neuron ma części jak prawdziwy (żywy) i czy w ogóle "wygląda" jak neuron- czy to tylko wzór (funkcja matematyczna)?
No ni cholery nie mogę się dobrać do tych twoich "sieci neuronowych". Dla Ciebie z niczym nie ma problemu, wszystko jesteś w stanie odtworzyć i to szybciej niz w zywym organizmie. Tylko gdzie te autonomiczne urządzenia? Mogą jak dla mnie pozerać nawet mnóstwo energii i to z kabla. Tylko je pokaż. Bo to jest prawdziwe dowiedzenie, ze coś działa. Komputerowo czy myślowo to nie są eksperymenty- tylko symulacje. Tak pracują np. spece od pogody i niewiele są w stanie przewidzieć- a mają mniej zmiennych niz w mózgu człowieka.
ex nihilo, 2 czerwca 2015, 23:45
W tym przypadku (np. pogoda) nie tyle ilość zmiennych ma znaczenie, co funkcja w której te zmienne siedzą. Dokładniej liniowość/nieliniowość tej (tych) funkcji. Najogólniej: funkcja liniowa reaguje na wyjściu (wynik) proporcjonalnie do zmiany wartości zmiennej na wejściu, czyli załóżmy, że wprowadzając na wejściu wartość 1,43242 dostaniesz wynik 2,86484, a w przypadku 1,43243 wynik 2,86486 (itd.), natomiast funkcja nieliniowa może być np. taka, że dla 1,43242 wynik będzie też 2,86484, ale już dla 1,43243 będziesz miał wynik np. -7,69350
(i bez "itd.", bo dla 1,43244 wynik może być 63984,45). Niektóre funkcje nieliniowe, m.in. te używane do symulacji zmian pogody, bywają bardzo czułe na minimalne nawet różnice zmiennych na wejściu.
Co do mózgu, jego struktury itd. - to całkiem nie moja działka, natomiast obserwując działanie i własnego układu poddeklowego, i innych osobników, widzę w tym często silną nieliniowość: minimalna zmiana bodźca może spowodować całkowitą zmianę reakcji. Przypomina to często równowagę długopisu postawionego na baczność na kulce
Afordancja, 3 czerwca 2015, 08:11
Trochę teraz przesadzasz
Nic nie jest tak łatwo, to że działają, w rozpoznawaniu(twarze, uśmiechy itd. to na czym myślisz jest oparte? ), kasyfikują ( w medycynie są używane) już o starych dobrych OCRach nie wspomnę. kasyfikacja najrózniejszch obrazów. i wiele innych, nie oznacza, że tak łatwo to złożyć i powstanie mózg
tutaj nawet nie jesteśmy całości symulować, (już pomijając nawet że to uproszczenie).bo nie mamy mocy. O pogodzie(o prognozie) już Ci wspomniał Ex nihilo, nie chodzi o ilość parametrów tylko o ich czułość, przecież stąd wziął się słynny efekt motyla...
uu tutaj nie jest łatwo odpowiedzieć "jednym zdaniem" bo jest wiele typów sieci.(nawet nie neuronów).
Od końca:
Tak ideologicznie to neuron ma części, jednak jako, że to zwykły kawałek programu to jakoś nikt nad tym się nie rozczula.
Wejścia do neuronu, to dopowiednich dendrytów (mogę jakąś nazwę walnąć bo ekspertem od żywych neuronów to nie jestem, więc jak coś głupiego napiszę to wybacz)
później są wagi (takie matematyczne mnożniki) ma to coś wspólngo chyba z synapsami
później suma tych sygnałów pomnożonych przez wagi jest sumowana i to odpowiednik jądra(?)
Później jest blok aktywacji (tu siedzi ta funkcja matematyczna, wspomnę o tym jeszcze) coś tam z aksonem wspólnego ma (czy tam wzgórkiem jakims)
i wyjście to akson
co do tej funkcji/bloku aktywacji..tam siedzi zwykła funkcja matematyczna, i tutaj znów stosowane są najróżniejsze funkcje(nie są do oczywiście dowolne losowe), jedne sprawdzają się lepiej w jednych zastosowaniach inne w innych...można podzielić je na kilka klas... pomijając rozpisywanie się na wszystkie kategorie przypuszczam ,ze Tobie powiedzą najwięcej dwie kategorię, ciągłe, i progowe, progowe to takie które dadzą wyjście dopiero gdy suma tych sygnałów przekroczy pewien próg, a ciągłe analogicznie zawsze jakąś tam wartość/sygnał dadzą na wyjściu (tak wiem, zero w matematyce to w sumie też jest wartość
) tyko w zależności od rodzaju funkcji różnie to będzie przebiegać.
czyli n wejść(np. z innych neuronów) pomnożonych przez wagi, z sumowane, przeliczona funkcja matematyczna, i na wyjściu sygnał w zależności od rodzaju funkcji.
"Czy potencjał na neuronie postsynaptycznym zanika tym bardziej im dalej od receptora? "
hm..przyznam się, że nie znam takich rodzai sieci, żeby to było tak wprost zrobione..ale..
jeżeli mamy te wagi na wejściach kolejnych neuronów, im mniejsza waga, to jest jak by nie patrzeć mniejsza wartość czyli jak by był dalej, czyil jak by się uprzeć to mozna to pod to podpiąć.
"wyładowania"
hm... nie kojarzę nic (na ten moment) nic o amplitudzie i czasie wyładowań, jest tylko moc tych wyładowań czylli wartość na wyjściu poprzedniego neuronu, przemnożoną przez wagę (wzmacniającą albo mniejszajacą)(no jeszcze są czasem "biasy" . ale to detale).
myślę, że 90% wszystkich sieci działa to dość prosto, neurony są poukładane w warstwy począwszy od wejściowych (tutaj podawane są sygnały wejściowe) paru warstw ukrytych (i tu znów w kolejnych "90%" sieci tych warstw jest parę, a wynika to z pewnych dowodów matematycznych, ale to olać, są oczywiście też gdzie wastw jest wiele), i skończywszy na wyjściowych...
i obliczenia są wykonywane właśnie warstwami...
Jednak są tez sieci gdzie dodano element czasu czyli każdy neuron działa sam sobie, ma różny czas odpowiedzi itd. hm..jest wiele różnych sieci po za tymi 90% najprostszych użyć, np. rekurencyjne, gdzie neurony same "w kółko" posyłają sygnały aż uzyskają pewien stan stabilności.
Jak napisałlem nie da się tego tak opisać w jednym zdaniu bo rodzai sieci i koncepcji jest wiele...
inne są do odtwarzania zapamiętanych wzorców (wrzucasz uszkodzony wzorzec a siec zwraca wg. niej "oryginalny"), a inne które klasyfikują tyko dane wejscie do kategorii (tutaj przykad OCRa) temat rzeka...
i ostatecznie "zmiana wag synaps"
Tutaj prywatnie czuję, że jesteśmy najdalej od przyrody (bo nie wiem jak się uczą rzeczywiste neurony).
hm..tutaj też jest kilka rożnych metod...hm..najkrócej..bez matematyki...
jest "uczenie z nauczycielem". i najbardziej popularna metoda, metoda propagacji wstecznej błędów..
W skrócie na starcie mamy losowe wagi, mamy materiał uczący..niech będą te nieszczęsne literki(bo najprostsze do wytłumaczenia)..tzn. wiele liter napisanych przez wiele różnych osób ...wraz z odpowiedzią jaka to jest litera...i teraz wrzucamy na wejście i otrzymujemy "jakieś" wyjście...(już pominę detale), porównujemy z rzeczywistą odpowiedzią... (no i oczywiście będzie zła
) obliczamy błąd, i teraz "lecąc" od tyłu (od neuronów wyjściowych po wejściowe) modyfikujemy wagi, tak aby jak najmniej się zmieniły(Czyli stara wiedza aby została jak najmniej ruszona) a jednocześnie odpowiedź zbliżyła się(zbliżyła, nie od razu zmieniamy tak aby było dobrze) ku prawidłowej..
następnie wrzucamy kolejne lilterki i powtarzamy...i tak w kółko.. aż sumaryczny błąd będzie coraz mniejszy...
Ostatecznie, na innej próbce lilter, na których nie uczyliśmy testujemy sprawność sieci (już bez uczenia) i sprawdzamy jak często się (nie)myil, jeżei nam odpowiada to koniec uczenia..
To był najprostszy przykład, są jednak uczenia bez nadzoru i znow różne metody.. np. typu reguła Hebba, czyli połączenie między dwoma neuronami jest wzmacniane jak są one w tym samym czasie aktywne.. (To chyba coś z biologii właśnie gość wziął, ale Ty pewnie będziesz wiedział lepiej), ogonie wzmanianie mocniejszych sygnałlo itp. wiele tego wymyślilli, są jeszcze różne matematyczne wspomagacze aby działo lepiej i przypuszczam, że nie ma nic wspólnego z przyrodą, tzn. chodzi mi o sam motyw uczenia (bo w neuronach niewiele się zmienia)
PS.
Jak wg. Twojej wiedzy uczą się żywe neurony?(im bardziej łopatologicznie tym lepiej
)
glaude, 3 czerwca 2015, 19:58
Nie mogę otworzyć tego ppt w pracy (cokolwiek to jest komp nie współpracuje), spróbuję w domu.
Na razie krótko o biologii.
Neuron ma 3 wyraźne strefy: dendryty z perykarionem (część receptorowa), wzgórek aksonalny i akson. Dendrty, a zwłaszcza perykarion nadają napęd odbnierając pobudzenie. Mają dużą ilość nierównomiernie rozmieszczonych receptorów (neuroplastyczność- liczba może się zmieniać i mogą być podrasowane: tzw AMPA i NMDA). Uprzywilejowane są te rejony, które są bliżej wzgórka aksonowego (czyli prykarion)- dlatego innym aksonom "opłaca" się tam umieszczać zakończenia swojego drzewka aksonalnego. Czemu to ważne? Bo potencjał na dendrytach wygasa czasowo (dość szybko) i obszarowo. I dalej od receptora synaptycznego tym depolaryzacja mniejsza. Żeby pobudzić neuron do wytworzenia potencjału czynnościowego na aksonie, musi depolaryzacja dendrytów i perykarionu przekroczyć w miejscu odejścia aksonu pewien próg- POTENCJAŁ WZGÓRKA AKSONOWEGO. Dopóki tego nie będzie, błona dendrytów "faluje" jeduynie depolaryzacją. To tzw zasada sumowania czasowo- przestrzennego. Można to obejść silnymi połączeniami aksona (duża waga synaptyczna) na perykarionie, waląc dużą ilością potencjałów czynnościowych (duża częstotliwość) z aksona/ów, lub stosując odpowiednią architektonikę (tzw kielich Helda- dla mnie majstersztyk ewolucji, słuch rządzi
).
Jeśłi dojdzie do p4rzekroczenia potencjału wzgórka aksonowego nie da się już zatrzymać procesu- idzie potencjał czynnościowy na aksonie. Tak więc wzgórek jest rodzajem filtra istotności przekazywanych informacji. Potencjał jest rózprowadzany w postaci fali o różnej częstotliwości. To zależy od neuronu i jest zmienne (też neuroplastyczność)- najlepszym przykładem jest podział Izhykevicha. Są tez 2 rodzaje: neurony fazowe i tonalne. Jedne dają "pojedyncze" impulsy tylko przy zmianach inne dają długie, a ich aktywość (częstotliwość) zmienia się z siłą pobudzenia.
Reszta później nie mam bardzo czasu teraz.
Co do ppt
Nie mogę sie zgodzić, ze torowanie to rodzaj pamięci. To system układów pobudzających sprecyzowane pola korowe, włączanych w konkretnych sytuacjach przez określone (nie w korze nowej zlokalizowane) zespoły neuronów, z których największy to układ siatkowaty wstępujący. Ale jest ich całe mnóstwo, chocby szlak mezokortykalny czy mezolimbiczny. Pojedyncze jądra pnia mózgu są układami torującymi, bez impulsacji których (włączanej w momencie percepcji określonego stanu wewnątrz lub na zewnątrz organizmu) kora nie zadziała, bo bez impulsacji tych neuronów nie dojdzie do przekroczenia progu potencjału wzgórka aksonowego w wybranych neuronach kory. Najlepszym modelem jest właśnie wspomniany wyżej RAA. Zwirzę idzie spać i odłącza się torująca aktywacja. Brak ruchów, działań, jest za to konsolidacja pamięci (zapisywanie ważnych nowych rzeczy, kasowanie/modyfikowanie starych).
Nie rozumiem sformułowania że pamięć semantyczna rozwija się z pojedynczych epizodów? Jaka jest definicja epizodu? Natomiast intuicyjnie czuję co to jest atraktor i doskonale rozumiem, że do wytworzenia pamięci semantycznej potrzebne są reprezentacje wewnętrżne. I tu moja definicja myślenia, bo niektórzy chcieli jakiś punkt zaczepienia.
MYŚLENIE- operacje "algorytmiczne" dokonywane przez skomplikowany układ obliczeniowy na reprezentacjach wewnętrznych pamięci semantycznej. U zwierząt/ludzi także na reprezentacjach pamięci epizodycznej, najprawdopodobniej przy pomocy mechanizmów pamięci proceduralnej.
Mezoskopowy nieliniowy Lagrangian- co to kuźwa jest ??? Ja jestem medykiem a nie matematykiem
Z tego slajdu zrozumiałem tylko, co już wiedziałem wcześniej, że kolumna korowa jest wysoce odporna na błędy na wejściu i przy obróbce własnej, dając na wyjściu super adekwatną odpowiedź. Kolumna działa nawet dobrze, przy utracie dużej ilości neuronów. Kilka lat temu świat medyczny obiegła sensacja, jak to urzędnik francuski na jakimś kierowniczym stanowisku w badaniu obrazowym miał układ komorowy totalnie powiększony z dużą ilością płynu m-r i wąziuteńką korą i podkorzem. O dziwo facet normalnie funkcjonował, tylko jeśli dobrze pamiętam pobolewała go głowa i miał problemy ze spaniem
Kolumna korowa to po prostu majstersztyk ewolucji na tej planecie.
Nie wiem o co chodzi, że hipokamp to wskaźniki.
Dla mnie, po medycznemu, to układ blaszek segregujących pamięć trwałą, rodzaj indeksowania pomagającego wyszukać zapisane treści i zbudować nowe "linki" do nowopowstających reprezentacji.
I dalej amnezja następcza, to dla mnie efekt zniszczenia hipokampów a nie uszkodzenie systemu neuromodulacji. W sumie nie wiem co to ma oznaczać?
Ostatni slajd jest dla mnie najbliższy. Bo ja tak rozumiem mózg (w tym korę) jako sieć impulsujący. To daje olbrzymie możliwości w zakresie odbioru, przetwarzania i wysyłania bodźca dalej. I to zarówno przez pojedynczy neuron, jak i zbiór neuronów.
Teraz dokończenie posta z pracy.
Żeby jeszcze to skomplikować, czyli uczynić mózg jeszcze sprawniejszym, należy wprowadzić na scenę neurony hamujące. To przeważnie krótkie interneurony modulujące potencjały przestrzennie już od percepcji. Bez nich nic nie ma sensu, gdyż nie zachodzi hamowanie oboczne- klucz do kodowania populacyjnego.
Tu pytanie do Ciebie Afordancja, czy są one symulowane w SNN, a jeśli nie- to jak powstają reprezentacje np. obiektów? proszę o wersję dla mniej inteligentnych- czyli bez wzorów i trudnych słów, natomiast możliwie najbardziej geometryczne w opisie.
Oczywiście samo kodowanie oboczne też jest kontrowersyjne i ja się nie zgadzam z nim tak do końca. Jednak jest dobrym modelem do zrozumienia działania układu neuronów.
Kolejnym aspektem są nieswoiste układy modulująco-pobudzające i prawdopodobnie hamujące (tzw hamowanie globalne). Chociaż te ostatnie nie są przedmiotem badań i niewiele można o nich wyczytać. Jednak tzw efekt "coctail party" jest faktem. Polega na tym, że w tłumie różnych głosów (harmider) kora "zagłusza" języki obce a "podgłaśnia" wypowiedzi człowieka w języku ojczystym. To samo musi zachodzić w każdej modalności i dla mnie jest to (jak chcą tego psycholodzy) UWAGA. Jednak ja wolę nazwę HAMOWANIE GLOBALNE, bo sama nazwa już coś wyjaśnia i pomaga w zrozumieniu zagadnienia.
Rekurencja.
Tu jest według mnie klucz do cudowności kory. Kora ma tysiące układów i układzików rekurencyjnych w swoim obrębie i z niższymi regionami. Ba nawet z otoczeniem. To co efektory wykonają (np. mięśnie) oczy, uszy, ciało czy bebechy odbiorą i zwrotnie przekażą. Tego SNN na pewno nie robi.
SNN działa zaladowane przez człowieka jakimś zadaniem- jak karabin pociskiem. Samo nic nie zrobi, nie wyszuka z siebie, nie zadziała. Nie komunikuje się ze światem, choćby prze wspomniane przeze mnie maszyny płynowe i nie wykonuje działań fizycznie. nie jest w stanie też percepować tych działań. To skomplikowane kalkulatory jak napisał Astroboy.
I najważniejsze, jeśli SNN mają być sztucznymi mózgami, muszą przetwarzać równolegle modalności danego obiektu- rozbierać to na czynniki pierwsze i scalać w reprezentacje wewnętrzne. Tak to widzę, choć Ty pewnie masz inne zdanie
pogo, 3 czerwca 2015, 22:42
to jest właśnie definicja wskaźnika
przynajmniej jeśli chodzi o wskaźniki w programowaniu.
Nigdy nie tworzyłem sieci neuronowych, ale akurat rekurencja w formie, jaką opisałeś to jedna z prostszych rzeczy do zaprogramowania, ale nie wiem czy ktoś z tego korzysta w SNN.
Na obecnym stanie SNN - trudno zaprzeczyć
Rozwiń proszę myśl, bo nie ogarnąłem.
To prawie każdy program musi robić aby w ogóle działać, nawet prostsze "kalkulatory" niż SNN...
Większość z tego co opisałeś to zwykłe sprzężenie zwrotne (czasem dodatnie czasem ujemne)... z całą masą pętli tych sprzężeń, których waga jest modulowana w zależności od tego jakie wcześniej były wyniki, czyli kolejnym sprzężeniem...
Na poziomie obróbki danych to największą zdolnością mózgu jest usuwanie zbędnych danych (wspomnień) o znikomym wpływie na modulowanie reszty działań.
Sam zaczynasz sprowadzać mózg do trywialnego kalkulatora, który zwyczajnie jest dość szybki by wprowadzać dużo danych na raz i je błyskawicznie przeliczać. Zwyczajnie uderzasz w niewłaściwe kierunki szukając braków w SNN. Jest ich dużo... bardzo dużo, ale nie w obróbce danych. Największą różnicą jest umiejętność wyznaczania celów, czyli określania tego jaki efekt chcesz uzyskać.
SNN zawsze skoczy w przepaść jeśli mu nie powiesz, że jego KPI to przeżyć. Mózg sam do tego KPI dojdzie (nie wnikajmy w wyjątki z samobójcami).
Afordancja, 3 czerwca 2015, 22:48
Jeśli dobrze rozumiem (ja jestem z kolei noga z "biologi" ) to są po prostu wagi ujemne i to jest chyba odpowiednik tego hamowania..
co do hamowania globalnego...to ni hu hu..nie widzę takiego odpowiednika... wydaje mi się to jakiś wyższy poziom abstrakcji..może to być już jakiś skutek, że znane "symbole" (np. języki) są bardziej wzmacniane.
Akurat zdanie mam podobne
Mózg to wiele różnych sieci (pod sieci), i aby chociaż troszeczkę, troszenieczkę zbliżyć się do mózgu wg. mnie nie wystarczy wrzucić sieć i niech się uczy
potrzeba zrobić różne sieci jedne będą odpowaidały za jakieś kalsyfikacje, inne za pamięć itd. itd. samo tego zaprojektowanie jest nie lada wyzwaniem a spiąć to w całość...eh...
pogo, 3 czerwca 2015, 23:12
Cóż... podejrzewam, że SNN możemy wykonywać konkretne czynności lepiej niż człowiek zwyczajnie z powodu szybszego przetwarzania dużej ilości podobnych jakościowo danych (przede wszystkim szybsze przeszukiwanie pamięci - dużo prostszej pamięci). Komputer zrobi masę obliczeń, na które mózg zwyczajnie nie ma odpowiednich "obwodów". Przy porównywaniu i dopasowywaniu wzorców komputer jest w stanie porównać ich znacznie więcej w tym samym odstępie czasu... o ile jesteśmy mocno ograniczeni do wzorców jednego typu, jak np. schematy na kartce, bo wyszukanie z jaką kategorią porównywać, to już gorzej.
Kiedyś pisałem program, który miał się uczyć grać na forexie. W założeniu miał podejmować podobne decyzje jak ja w czasie, który dla mnie był za krótki by przeczytać co właśnie przyszło. Miałem nawet całkiem dokładne założenia jak powinno się to "uczyć", czyli korygować zachowania na podstawie wcześniejszych wyników. Niestety pokonał mnie język programowania, w którym trzeba było to klepać, a platformy, na których można było użyć czegoś "normalnego", miały za duży koszt wejścia lub opłacalności...
Afordancja, 3 czerwca 2015, 23:18
Czyżby MQL4?
Teraz jest więcej możliwości(z restą możńa zrobić mały interface komunikayjny np. z java), ba sam mam w planach przysiąść nad forexem, a w środku SNN, algorytmy genetyczne, programowanie agentowe i parę innych), ale teraz mam chwilowo inne priorytety życiowe