Neue neuronale Netze oder Simulation des Nervensystems

Hallo Geektimes! Ich möchte meine Leistungen in einer Studie auf dem Gebiet der künstlichen Intelligenz vorstellen.

Schon in meiner Jugend habe ich von der Möglichkeit geträumt, künstliche Intelligenz zu schaffen. Zurück in der Schule las ich das fantastische Werk „Black Yasha“ von Zinovy ​​Yuriev, in dem die Hauptfigur ein Gerät schuf, das in seiner Komplexität mit dem menschlichen Gehirn vergleichbar ist. Es ist eine Black Box, die mit vielen miteinander verbundenen Elementen gefüllt ist - Neuristen, die ihn als Kind unterrichteten und ihn zu Fall brachten eine Lawine von Informationen. Danach verwandelte sich das Gerät in eine rationale Kreatur, eine Person namens Yasha. Ich dachte darüber nach, wie Neuristen funktionieren sollten. Ich suchte nach der Antwort in der Neurobiologie und Physiologie des Nervensystems. Das Studium von Büchern zu diesem Thema gab mir eine gute Vorstellung von dem biologischen Neuron und der Arbeit von I.P. Pawlow bildete in mir den Glauben, dass jede Manifestation des willkürlich komplexen Verhaltens von Lebewesen,Manifestation konditionierter und unkonditionierter Reflexe. Dann tauchten die ersten naiven Hypothesen über die Prinzipien des biologischen Neurons und Versuche auf, diese Prinzipien systematisch zu beschreiben. Die Tatsache, dass es künstliche neuronale Netze gibt, hatte ich keine Ahnung, während das Internet selten war.

Erst in meiner Studienzeit habe ich einige Artikel zum Thema künstliche neuronale Netze kennengelernt, deren Bekanntschaft mich mehrdeutig beeindruckt hat. Einerseits wurden solche gravierenden Unterschiede zwischen dem als Grundlage des Perzeptrons verwendeten Neuronenmodell und dem biologischen Neuron überrascht. Andererseits ermöglichten mir die in künstlichen neuronalen Netzen verwendeten Beschreibungsmethoden, meine Hypothesen über die Funktionsweise eines Neurons zu überarbeiten und systematischer darzustellen. Obwohl sie schon damals sehr illusorische Darstellungen waren.

Das Neuronenmodell an der Basis klassischer künstlicher Netzwerke wurde normalerweise als Zelle mit vielen Eingaben - Dendriten und mit einer Ausgabe - einem Axon dargestellt. Die Zelle analysierte die Signale von den Eingängen und erzeugte wie eine Funktion ein Ergebnis, das an die nächsten Neuronen übertragen wurde. Tatsächlich ist ein Neuron mit einem Axon nur ein Sonderfall im Nervensystem, die meisten Neuronen im menschlichen Gehirn haben kein Axon. Ein Neuron empfängt Signale fast über die gesamte Oberfläche der Membran, spezielle Rezeptoren. Danach überträgt es Signale durch Dendriten durch Synapsen an andere Zellen, außerdem haben die Synapsen der Zellen unterschiedliche Stärken, ihre Stärke wird unabhängig voneinander bestimmt. Ein biologisches Neuron hat viele Eingaben und viele unabhängig bestimmte Ausgaben. Es stellte sich heraus, dass in einem mathematischen Neuron die Koeffizienten der Gewichte der Eingangssignale analysiert und berechnet werdenund in einem biologischen Neuron findet eine Analyse der Kraft des Wochenendes statt.

Trotz der starken Diskrepanzen zwischen künstlichen und biologischen Netzwerken erwiesen sie sich als sehr produktiv. Die Arbeit in diesem Bereich lieferte viele interessante und praktische Ergebnisse.
Klassische neuronale Netze sind sehr bequem zu implementieren. Ich hatte Erfahrung mit dem Schreiben eines einfachen Delphi-Programms, das auf dem Perzeptron basiert, aber zu meiner Schande hatte ich nicht genügend Programmierkenntnisse, um meine Ideen zur Modellierung des Nervensystems umzusetzen.

Ich habe mich lange nicht mit diesem Thema befasst, war aber weiterhin interessiert und studierte Bücher und Artikel über Neurobiologie und Psychologie. Vor ungefähr zwei Jahren begann ich mit dem Studium der Unity3D-Game-Engine. Er interessierte sich genau für mich als Game-Engine. Nachdem ich einige Spieleanwendungen darauf erstellt hatte, stellte ich fest, dass Unity3D am besten zum Ausarbeiten von Ideen geeignet ist. Hier arbeiten dreidimensionaler Raum, einfache Programmierung und Freiheit bei der Organisation der Struktur von Objekten. Ich habe mir die Aufgabe gestellt, ein einfaches Modell zu erstellen, das die elementaren Fürsten des Neurons und des Nervensystems anhand meiner Annahmen demonstriert.
Nachdem ich einige Zeit am Modell gearbeitet hatte, wartete ich auf die erste Enttäuschung. Das Modell war eine Art zellularer Automat, miteinander verbundene Elemente. Das erzeugte Netzwerk von Neuronen, ungefähr 450 Zellen, die sich im dreidimensionalen Raum in einem kubischen Gitter befinden, funktionierte nicht gemäß meinen Vorstellungen. Versuche, ihre Arbeit zu korrigieren, waren erfolglos.
Die Position im dreidimensionalen Raum ist ein sehr wichtiger Aspekt für das System, da das Neuron für die Analyse und Bestimmung der Stärke seiner Ausgaben seine Position relativ zu anderen aktiven Zellen berücksichtigt.


Die erste fehlgeschlagene neuronale Netzwerkarchitektur

In Anbetracht dessen, dass die Ursache meiner Fehler in der Anzahl der Neuronen und der Anzahl der Verbindungen des Neurons liegen kann. Es wurde beschlossen, Neuronen dynamisch zu erzeugen. Tatsache ist, dass es ein Prinzip der sequentiellen Übertragung der Erregung von Neuron zu Neuron gibt. Jeder Reflexakt kann als Kette der sequentiellen Übertragung eines Nervensignals dargestellt werden. Einige Neuronen konnten an keiner Reflexhandlung beteiligt sein, während sie Computerressourcen verwendeten und die Überprüfung beim Studium des Netzwerks störten.
Mit der dynamischen Erzeugung von Neuronen können wir sagen, dass der Arbeitsbereich des Programms ein Raum ist, der mit hypothetischen Neuronen gefüllt ist, die bei Bedarf aktiviert werden. Das Programm erstellt Neuronen dort, wo sie benötigt werden, mit bestimmten Einschränkungen, die die vorläufige Füllung des Raums mit Zellen nachahmen.

Nach den eingeführten Änderungen war der Prozess der Arbeit mit dem Modell jedoch eine Suche, ein Zyklus von Hypothesen und deren Überprüfung. Ich nahm Änderungen am Neuronenskript vor, beobachtete das Verhalten eines Systems, das sich nicht gemäß meinen Erwartungen verhielt, was mich zwang, neue Hypothesen aufzustellen und erneut Änderungen am Programm vorzunehmen. Diese Arbeit ließ mich die Bedeutung bestimmter Aspekte in der Biologie eines Neurons überschätzen, die mir zuvor unbedeutend erschienen. Zum Beispiel war es notwendig, die Änderung des negativen Spurenpotentials zu berücksichtigen, die Ermüdung von Neuronen und inhibitorischen Zellen hinzuzufügen.
Als Ergebnis habe ich das Ergebnis erhalten, das ich mir ursprünglich vorgenommen habe. Ein Programm, das zeigen kann, wie assoziatives Training in Nervengeweben stattfindet, die Bildung neuer Reflexbögen, ähnlich wie es in den Experimenten von I.P. im Gehirn des Hundes geschieht. Pavlova.
Im Vergleich zu klassischen neuronalen Netzen, die mit weniger Elementen Gesichter erkennen, Bilder zeichnen und Musik komponieren können, ist mein neuronales Netz funktionell praktisch nutzlos. Für mich ist das damit verbundene Potenzial jedoch von größerer Bedeutung.

Es gibt zwölf Eingänge im System, die Tastenrezeptoren sind. Dies sind Tastaturtasten, die durch Buchstaben angezeigten Anzeigen entsprechen, und zwölf Ausgänge, die Indikatoren für die Aktivität bestimmter Zellen sind. Mit dem Programm können Sie das Netzwerk bearbeiten: Neuronen erstellen, deren Synapsen (Kommunikation) konfigurieren, Ein- und Ausgänge konfigurieren.
Zunächst entstehen bedingungslose Reflexe, auf deren Grundlage das Training stattfindet. Ein Mann wird mit einem vorgefertigten Satz bedingungsloser Reflexe geboren, den die Evolution sorgfältig vorbereitet und ausgewählt hat. Diese Reflexe bestimmen die Variabilität unseres Trainings.



Im Video können Sie sehen, wie zwei einfache indifferente Reflexe, bestehend aus einem Rezeptor und einem Motoneuron, nach mehreren Gelenkwiederholungen assoziativ miteinander verbunden werden. Zwischen ihnen bildet sich ein "Jumper".
Ich habe die Details bezüglich der Funktionsprinzipien des Systems und der Neuronen noch nicht beschrieben, da die theoretische Arbeit noch nicht abgeschlossen ist und ich keine rohen Theorien aufstellen möchte.

Dies ist nur der Anfang der Reise.Es bleibt noch viel zu tun. Jetzt plane ich, an einer neuen Version des Programms zu arbeiten, die es mir ermöglicht, einige Details bezüglich der Hemmung des Nervensystems zu verstehen. Ich plane, die Fähigkeiten der Eingangssignale, ein detaillierteres und vielfältigeres System von Gefühlen, zu erweitern sowie spezifische chemische Informationssignale zu berücksichtigen, die es uns ermöglichen, die Ähnlichkeit von Emotionen zu simulieren.

Nachdem Sie an solchen Modellen gearbeitet haben, die alle Aspekte der Arbeit von Neuronen betreffen, können Sie mit der Erstellung eines Systems fortfahren, mit dem Sie wie im Struktureditor die Arbeit des Gehirns von Tieren simulieren können. Zu diesem Zeitpunkt wird auch das Wissen von Spezialisten auf dem Gebiet der Physiologie des Gehirns gefragt sein.
Die Fähigkeit zur Selbstidentität und Selbsterkenntnis sind, wie Sie wissen, integrale Elemente der Intelligenz. All dies ist in die Strukturen des Gehirns eingebettet. Und es ist nicht möglich, eine Denkmaschine zu schaffen, ohne die Strukturen und Prinzipien des Gehirns zu kopieren.

PS
Forschung auf dem Gebiet der künstlichen Intelligenz sowie das Schreiben von Artikeln zu diesem Thema sind nicht die Hauptart meiner Tätigkeit, also urteilen Sie nicht streng. Ich bin dankbar für jede Unterstützung bei der Arbeit, Hilfe, Beratung, Ermahnung. Ihre Meinung und konstruktive Kritik sind mir sehr wichtig.

Source: https://habr.com/ru/post/de382375/