En el trabajo sobre el simulador del sistema nervioso, hasta ahora solo hemos tratado aspectos bien estudiados de su trabajo. Pero la complejidad de modelar el sistema nervioso y la razón por la cual aún no se ha creado la inteligencia artificial es la falta de una comprensión completa de cómo funciona la célula nerviosa. Muchos procesos que ocurren en las células nerviosas y el sistema nervioso en su conjunto se describen en detalle, pero no existe un algoritmo claro para su trabajo que pueda transferirse a un modelo o programa de computadora.La simple idea de un algoritmo neuronal ayudó a resolver este problema.Contenidos1. Simulador del sistema nervioso. Parte 1. Sumador simple2. Simulador del sistema nervioso. Parte 2. Neuroelemento modulado3. Simulador del sistema nervioso. Parte 3. Neuroelemento asociativo4. Memoria, consolidación de la memoria y neuronas de la abuela5. Modelado de emociones o sentido electrónico de novedad6. Cerebelo asombroso7. Estructura y configuración cerebral inicialMe gusta la analogía de elaborar una teoría del trabajo cerebral con el montaje de un rompecabezas del libro de Jeff Hawkins sobre inteligencia. Al compilar este rompecabezas, nos faltan algunos elementos y algunos elementos de otro rompecabezas, pero tenemos una gran variedad de datos sobre el sistema nervioso y el cerebro, lo que significa que tenemos un rompecabezas casi ensamblado, por lo que podemos imaginar aproximadamente la imagen completa y usar Nuestra imaginación identifica los elementos que faltan.Mi objetivo es crear un modelo lógico del sistema nervioso, podemos decir que la creación de un boceto de lo que se representa en un rompecabezas inacabado, además, debe corresponder y no contradecir todos los elementos disponibles del rompecabezas y al mismo tiempo ser lógicamente completo. Para llenar los vacíos, se creó una base teórica, que puede parecer controvertida para algunos. Pero para el modelo en esta etapa, lo principal es que le permite emular fenómenos observados tanto internos como externos que ocurren en el sistema nervioso. Dentro del marco del modelo obtenido, se pueden explicar muchos fenómenos, como la memoria y la consolidación de la memoria, las emociones, la especialización de las neuronas y mucho más.En la segunda parte, descubrimos que hay tres tipos de actividad refleja establecida por el académico I.P. Pavlov. Si todo está muy claro con los mecanismos biológicos de adicción y sensibilización, entonces la formación de reflejos condicionados no es tan simple como parece. El hecho es que las manifestaciones externas de este mecanismo son ampliamente estudiadas y descritas, no hay explicación de cómo sucede esto a nivel celular.
Por ejemplo, sabemos que cuando la actividad de dos centros nerviosos se combina con el tiempo, se forma un arco reflejo entre ellos. Es decir posteriormente, tras la activación de un centro nervioso, habrá una transferencia de excitación a otro centro nervioso. Si dividimos figurativamente dicho arco reflejo en segmentos, y consideramos dichos segmentos como elementos individuales. Se puede decir que cuando se forma un arco reflejo de un reflejo condicionado, se produce un cambio direccional en cada segmento. Cada segmento selecciona una dirección específica en la que será, la transmisión de la excitación nerviosa se produce cuando se activa. Por supuesto, vale la pena señalar que esta dirección no está claramente definida para el segmento, pero puede correlacionarse en ciertos valores.Incluso puede hablar sobre fortalecer la transmisión en cierta dirección y debilitarse en otras direcciones.
Cuando el reflejo se fortalece con repeticiones repetidas, podemos hablar sobre refinar y fortalecer la transmisión en la dirección de cada segmento. Este concepto lleva a la conclusión de que si dividimos toda la corteza en segmentos similares, observaremos una cierta orientación en cada dirección con diferente precisión y fuerza. Cada segmento será secado por una parte de algún arco reflejo de un reflejo condicionado o no condicionado. Presumiblemente, esta orientación en el proceso de aprendizaje puede ser refinada o cambiada.
Si recurrimos al paradigma neural, entonces no proporciona orientación en la dirección. Tenemos una membrana y dendritas que reciben señales y un axón, a lo largo del cual la señal se transmite más a otras células después de la suma espacio-temporal, es decir, la señal se transmite en una dirección a lo largo del axón hasta sus extremos. Pero al mismo tiempo, todavía observamos la formación de una distribución dirigida de excitación en el cerebro, con la formación de reflejos condicionados.Paradigma neurona, . . -, , .. . -, - -. -, . , — , . , . , , . .
Si consideramos no una sola celda como una unidad funcional de conmutación direccional, sino una pequeña área de celdas, entonces podemos ver que las celdas y sus procesos están muy estrechamente entrelazados y en diferentes direcciones. Esto proporciona un elemento de comunicación direccional con muchas entradas y salidas en varias direcciones.
La forma de la neurona se debe a cambios evolutivos. La forma de la célula se formó en los sistemas nerviosos en los que solo se realizaba la actividad nerviosa funcional más simple. Cuando el desarrollo de la vida en la Tierra requirió la adición de la formación de reflejos de captura al conjunto de funciones del sistema nervioso, entonces la evolución no siguió el camino de la reestructuración celular, sino el aumento en su número y el denso entrelazamiento de sus procesos.Por lo tanto, la propiedad del cambio direccional se distribuye en grupos de neuronas, en un cambio en la fuerza de sus sinapsis. Un neuroelemento asociativo es una unidad funcional en el modelado y, por lo tanto, un análogo en biología porque es un grupo de neuronas para el cual se expresará el fenómeno del cambio direccional.Descubrimos que la dirección de propagación de la excitación es importante para nosotros, pero cómo es la determinación de esta dirección para cada elemento funcional. Se sabe que la excitación tiende a extenderse a otra fuente de excitación, y un foco de excitación más fuerte y amplio atrae a los más débiles (conclusión de I. Pavlov). Es decir Si un elemento funcional recibe excitación, de alguna manera debe determinar la dirección que posteriormente se formará y retendrá en su estructura.En mi trabajo de modelado, comencé con la idea de la interacción electromagnética de las células nerviosas , y esta idea dio respuestas a muchos acertijos sobre el cerebro, dio una teoría y un modelo que explica muchos aspectos del sistema nervioso.
El impulso nervioso en todo el sistema nervioso tiene la misma forma y, por analogía, un neuroelemento asociativo tiene la propiedad de una carga que caracteriza un cambio en la carga total en la superficie de las membranas de una unidad funcional. Es decir Se da una cierta ley de cambio de cierta característica llamada carga.
Entonces, la ley se establece en el programa, la escala horizontal es el tiempo en centésimas de segundo, la carga vertical en unidades relativas. Difiere un poco del calendario de picos en que parte del máximo es más largo en el tiempo. Esto se debe al hecho de que los valores de la espiga se determinan en un punto del tejido nervioso durante el paso de la excitación, y el gráfico de carga es un reflejo de la carga sobre toda la superficie de una célula o grupo de células. Además, el estado del resto del tejido nervioso se toma como cero en la escala de carga. Cabe señalar que la ley de cambio de carga también refleja el potencial de rastreo, que anteriormente se consideraba una consecuencia de una cierta oscilación o alineación de las cargas separadas por la membrana, pero este comportamiento de la carga fue muy importante para el modelo.
La figura anterior muestra un diagrama de un neuroelemento asociativo. Las señales de las sinapsis de acción directa (X1, X2, X3 ... Xn) ingresan al sumador (a). Y si la cantidad resultante supera un cierto umbral (b), se activará un neuroelemento. Cuando se activa un neuroelemento, su carga comenzará a cambiar de acuerdo con la ley establecida (c). La información sobre estos cambios y la ubicación del elemento en sí estará disponible para todo el sistema. A continuación, en un determinado momento, comienza el mecanismo para determinar el vector de la dirección preferida de propagación de la excitación (g). Esto ocurre al obtener una cierta posición de carga promedio de todos los neuroelementos activos, es decir centro de masa de cargas, caracterizado por un punto en el espacio. Este punto se llama el punto del patrón,porque para cada combinación de células activas y el estado de sus cargas en un momento calculado en el tiempo para cada neuroelemento, la posición de este punto será diferente. En pocas palabras, las cargas de los neuroelementos afectan la determinación del vector de dirección de la propagación preferida de la excitación, una carga positiva atrae la excitación, una carga negativa repele.Para determinar el vector de la propagación de excitación preferida, se eligió una regla:
donde r es el vector cuyo comienzo está en el centro del neuroelemento para el que se determina el vector, y el final está en el centro del enésimo neuroelemento.El cambio de la regla y la ley de carga se seleccionó empíricamente, para simular la formación de reflejos condicionados. Más detalles en el artículo .
Después de recibir el vector de la dirección preferida de propagación de la excitación (T), se calculan las sinapsis (Y1, Y2, Y3 ... Yn). Cada sinapsis se caracteriza por un vector de sinapsis (S), cuyo principio se encuentra en el centro del neuroelemento y el final está conectado con el centro del neuroelemento objetivo al que se transmite la señal. El parámetro principal de la sinapsis es su fuerza F, el valor de la fuerza está limitado dentro de un cierto marco, por ejemplo, la sinapsis de inducción puede tener valores de 0 a 10.Imagine que el vector T forma un cono alrededor de sí mismo cuya parte superior se encuentra en el centro del neuroelemento, y el plano base es perpendicular al vector T, si el vector de sinapsis cae en la región limitada por este cono, entonces el valor de la sinapsis aumentará en un cierto valor. Y en consecuencia, si el vector de sinapsis está fuera del área del cono, entonces la fuerza de sinapsis disminuye, pero el valor de la fuerza no va más allá del máximo y el mínimo establecidos.La región del cono alrededor del vector T se caracteriza por el ángulo en el vértice del cono dado, este ángulo se llama foco. Cuanto más pequeño sea el foco, más exactamente se determinará la dirección de transmisión de la excitación en el neuroelemento. Como se mencionó anteriormente, cuando el cuerpo repite el mismo reflejo condicionado, se refina. Por lo tanto, se eligió el siguiente método de cambio de foco para el modelo, cuando se calcula el vector T, se compara con su valor anterior, y si el vector cambia de manera insignificante, el foco disminuye en un cierto valor, pero si el vector se ha cambiado fuertemente, el foco vuelve a su valor máximo. Esto conduce a una disminución gradual del enfoque con la repetición repetida de las mismas condiciones.Este es un punto muy importante, es cuánto cambiará la fuerza de las sinapsis con cada activación. Esto está determinado por el parámetro de neuroplasticidad P. Lafórmula para el nuevo valor de la fuerza de sinapsis será:Fnew = Fold + I × P × (Fmax - Fmin);Fmin ≥ Fnew ≥ Fmax;donde P es neuroplasticidad (0 ≥ P ≥ 1);I es un parámetro que determina si el vector de sinapsis está dentro de la región de fuerza de sinapsis creciente (I = 1) o en la región de fuerza de sinapsis decreciente (I = -1);Pliegue: valor de fuerza de sinapsis anterior;Fmin: el valor mínimo de la fuerza de sinapsis;Fmax: el valor máximo de la fuerza de sinapsis.La neuroplasticidad en biología caracteriza cómo una neurona es maleable a los cambios en su estructura bajo la influencia de condiciones externas. Las diferentes áreas del cerebro se caracterizan por su propio grado de plasticidad, y también puede variar según algunos factores.
Este ejemplo nos permite comprender cómo se forman los reflejos condicionados sobre la base de neuroelementos asociativos. Los neuroelementos blancos forman el arco reflejo del reflejo incondicionado con el título "R" y la respuesta "1". Estos neuroelementos no cambian los valores de fuerza de sus sinapsis. Los neuroelementos azules no participan inicialmente en ningún acto reflejo, parecen llenar el resto del espacio del sistema nervioso y se conectan accidentalmente a través de sinapsis. Por lo tanto, si activamos uno de esos elementos neuronales asociados con el receptor "Q", aparecerá un cierto foco de excitación que tiene una naturaleza aleatoria de propagación y después de ir en ciclos consigo mismo, se apagará después de un tiempo, sin crear ninguna respuesta. Si combinamos un reflejo incondicionado con el encabezado "R" y la activación del receptor "Q" aproximadamente en el mismo intervalo de tiempo,entonces se formará un arco reflejo del reflejo condicionado. Y ya la activación de solo el receptor "Q" dará lugar a la respuesta "1".Para mayor claridad y optimización del modelo, utilizamos la creación dinámica de elementos neuronales, que emula el espacio lleno del sistema nervioso con elementos conectados aleatoriamente. Aquí, no se modela el crecimiento de nuevas neuronas o nuevas conexiones, todos los cambios ocurren solo en la fuerza de las sinapsis, solo no se muestran los elementos neurales que no estaban involucrados previamente en ningún acto reflejo.
El siguiente ejemplo muestra cómo se comportan las excitaciones cuando se activan diferentes centros en igualdad de condiciones y con plasticidad absoluta (P = 1).
Un cambio en la dirección de propagación de la excitación bajo la influencia de dos centros de excitación, cuando la plasticidad es absoluta (P = 1):
Y a baja plasticidad (P = 0.1):
Sobre esto hemos terminado de considerar los conceptos básicos del modelo del sistema nervioso. En la siguiente parte, consideraremos cosas aplicadas, cómo usar todo esto para simular la memoria, las emociones y la especialización de las neuronas.