Nuevas redes neuronales o simulación del sistema nervioso.

Hola geektimes! Quiero presentar mis logros en un estudio en el campo de la inteligencia artificial.

Desde mi juventud soñé con la posibilidad de crear inteligencia artificial. De vuelta en la escuela, leí el fantástico trabajo "Black Yasha" de Zinovy ​​Yuriev, en el que el personaje principal creó un dispositivo comparable en complejidad al cerebro humano, que es una caja negra llena de muchos elementos interconectados, neuristas, que le enseñaron de niño, derribándolo Una avalancha de información. Después de lo cual, el dispositivo se convirtió en una criatura racional, una persona llamada Yasha. Pensé en cómo deberían funcionar los neuristas. Busqué la respuesta en neurobiología y fisiología del sistema nervioso. Estudiar libros sobre este tema me dio una buena idea sobre la neurona biológica y el trabajo de I.P. Pavlov formó en mí la creencia de que cualquier manifestación del comportamiento arbitrariamente complejo de los seres vivos,manifestación de reflejos condicionados e incondicionados. Luego aparecieron las primeras hipótesis ingenuas sobre los principios de la neurona biológica y los intentos de describir sistemáticamente estos principios. El hecho de que haya redes neuronales artificiales, no tenía idea, mientras que Internet era raro.

Solo en mis años de estudiante, me familiaricé con algunos artículos sobre el tema de las redes neuronales artificiales, su conocimiento me causó una impresión ambigua. Por un lado, tales serias diferencias se sorprendieron entre el modelo de neurona adoptado como base del perceptrón y la neurona biológica. Por otro lado, los métodos descriptivos utilizados en redes neuronales artificiales me permitieron revisar mis hipótesis sobre el funcionamiento de una neurona y presentarlas de una manera más sistemática. Aunque incluso entonces eran representaciones muy ilusorias.

El modelo de neurona en la base de las redes artificiales clásicas generalmente se presentaba como una célula con muchas entradas, dendritas y con una salida, un axón. La célula analizó las señales de las entradas y, como una función, produjo un resultado que se transmitió a las siguientes neuronas. De hecho, una neurona con un axón es solo un caso especial en el sistema nervioso, la mayoría de las neuronas en el cerebro humano no tienen un axón. Una neurona recibe señales de casi toda la superficie de la membrana, receptores especiales. Después de eso, transmite señales a través de las dendritas a través de las sinapsis a otras células, además, las sinapsis de las células tienen diferentes fuerzas, su fuerza se determina de forma independiente entre sí. Una neurona biológica tiene muchas entradas y muchas salidas determinadas independientemente. Resultó que, en una neurona matemática, los coeficientes de los pesos de las señales de entrada se analizan y calculany en una neurona biológica, se lleva a cabo un análisis del poder del fin de semana.

A pesar de las fuertes discrepancias entre las redes artificiales y las biológicas, resultaron ser muy productivas; el trabajo en esta área arrojó muchos resultados interesantes y prácticos.
Las redes neuronales clásicas son muy convenientes de implementar, tenía experiencia escribiendo un simple programa Delphi basado en el perceptrón, pero para mi vergüenza, no tenía suficientes habilidades de programación para implementar mis ideas sobre el modelado del sistema nervioso.

Durante mucho tiempo no abordé este tema, pero seguí interesado y estudié libros y artículos sobre neurobiología y psicología. Hace unos dos años, comencé a estudiar el motor de juego Unity3D, él estaba interesado en mí precisamente como motor de juego. Después de haber creado un par de aplicaciones de juegos, me di cuenta de que Unity3D es el más adecuado para desarrollar ideas. Aquí, y trabajando en un espacio tridimensional, y facilidad de programación, y libertad para organizar la estructura de los objetos. Me propuse la tarea de crear un modelo simple que demuestre a los príncipes elementales de las neuronas y el sistema nervioso, basado en mis suposiciones.
Después de algún tiempo trabajando en el modelo, estaba esperando la primera decepción. El modelo era una especie de autómata celular, elementos interconectados. La red de neuronas creada, aproximadamente 450 células ubicadas en un espacio tridimensional, en una cuadrícula cúbica, no funcionó de acuerdo con mis ideas. Los intentos de corregir su trabajo no tuvieron éxito.
La ubicación en el espacio tridimensional es un aspecto muy importante para el sistema, ya que para el análisis y la determinación de la fuerza de sus salidas, la neurona tiene en cuenta su ubicación en relación con otras células activas.


La primera arquitectura de red neuronal fallida

Teniendo en cuenta que la causa de mis fallas puede ser la predeterminación en la cantidad de neuronas y la cantidad de conexiones que tiene la neurona. Se decidió crear neuronas dinámicamente. El hecho es que existe un principio de transmisión secuencial de excitación de neurona a neurona, cada acto reflejo puede representarse como una cadena de transmisión secuencial de una señal nerviosa. Algunas neuronas no pueden estar involucradas en ningún acto reflejo, mientras usan los recursos de la computadora e interfieren con la revisión al estudiar la red.
Con la creación dinámica de neuronas, podemos decir que el área de trabajo del programa es un espacio lleno de neuronas hipotéticas que se activarán si es necesario. El programa crea neuronas donde son necesarias con ciertas restricciones que imitan el llenado preliminar del espacio con células.

Sin embargo, después de las modificaciones introducidas, el proceso de trabajar con el modelo fue una búsqueda, un ciclo de hipótesis y sus comprobaciones. Realicé cambios en el script de neuronas, observé el comportamiento de un sistema que no se comportó de acuerdo con mis expectativas, lo que me obligó a construir nuevas hipótesis y nuevamente a hacer cambios en el programa. Este trabajo me hizo sobreestimar la importancia de ciertos aspectos en la biología de una neurona, que antes me parecía insignificante. Por ejemplo, era necesario tener en cuenta el cambio en el potencial de rastreo negativo, agregar la fatiga de las neuronas y las células inhibidoras.
Como resultado, obtuve el resultado que me puse inicialmente. Un programa que puede demostrar cómo se produce el entrenamiento asociativo en los tejidos nerviosos, la formación de nuevos arcos reflejos, similar a cómo ocurre en el cerebro del perro en los experimentos de I.P. Pavlova.
En comparación con las redes neuronales clásicas, que con menos elementos pueden reconocer caras, hacer dibujos y componer música, funcionalmente mi red neuronal es prácticamente inútil. Sin embargo, para mí, el potencial inherente es de mayor importancia.

Hay doce entradas en el sistema, que son receptores de botón, estos son botones de teclado, que corresponden a indicadores indicados por letras y doce salidas, que son indicadores de la actividad de ciertas celdas. El programa le permite editar la red: crear neuronas, configurar sus sinapsis (comunicaciones), configurar entradas y salidas.
Inicialmente se crean reflejos no condicionados, sobre la base de los cuales tiene lugar el entrenamiento. Un hombre nace con un conjunto de reflejos incondicionados, que la evolución ha preparado y seleccionado cuidadosamente. Este conjunto de reflejos predetermina la variabilidad de nuestro entrenamiento.



En el video puede ver cómo dos reflejos indiferentes simples que consisten en un receptor y una neurona motora, después de que varias repeticiones articulares se conectan asociativamente. Hay una formación de un "puente" entre ellos.
Todavía no he descrito los detalles con respecto a los principios de funcionamiento del sistema y las neuronas, porque el trabajo sobre la base teórica todavía está en curso, y no quisiera exponer teorías crudas.

Este es solo el comienzo del viaje.Queda mucho trabajo por hacer. Ahora planeo trabajar en una nueva versión del programa que me permita comprender algunos detalles sobre la inhibición en el sistema nervioso. Planeo ampliar las capacidades de las señales de entrada, un sistema de sentimientos más detallado y diverso, así como tener en cuenta las señales de información química específicas que nos permitirán simular la semejanza de las emociones.

Después de haber trabajado en estos modelos, en todos los aspectos del trabajo de las neuronas, será posible proceder a la creación de un sistema que le permita crear, como en el editor de estructuras, imitando el trabajo del cerebro de los animales. En esta etapa, también se exigirá el conocimiento de especialistas en el campo de la fisiología del cerebro.
La capacidad de autoidentidad y autoconciencia son elementos integrales de la inteligencia, como saben, todo esto está incrustado en las estructuras del cerebro. Y no es posible crear una máquina de pensar sin copiar las estructuras y principios del cerebro.

PD La
investigación en el campo de la inteligencia artificial, así como la redacción de artículos sobre este tema no es el tipo principal de mi actividad, así que no juzgue estrictamente. Estaré agradecido por cualquier ayuda en el trabajo, ayuda, asesoramiento, advertencia. Tu opinión y crítica constructiva son muy importantes para mí.

Source: https://habr.com/ru/post/es382375/