Dans les travaux sur le simulateur du système nerveux, nous n'avons jusqu'à présent traité que d'aspects bien étudiés de son travail. Mais la complexité de la modélisation du système nerveux et la raison pour laquelle l'intelligence artificielle n'a pas encore été créée est le manque de compréhension complète du fonctionnement de la cellule nerveuse. De nombreux processus qui se produisent dans la cellule nerveuse et le système nerveux dans son ensemble sont décrits en détail, mais il n'y a pas d'algorithme clair pour leur travail qui pourrait être transféré vers un modèle ou un programme informatique.L'idée simple d'un algorithme neuronal a permis de résoudre ce problème.Contenu1. Simulateur du système nerveux. Partie 1. Additionneur simple2. Simulateur du système nerveux. Partie 2. Neuroélément modulé3. Simulateur de système nerveux. Partie 3. Neuroélément associatif4. Mémoire, consolidation de la mémoire et neurones de grand-mère5. Modélisation des émotions ou sens électronique de la nouveauté6. Cervelet étonnant7. Structure et paramètres cérébraux de départJ'aime l'analogie de l'élaboration d'une théorie du travail cérébral avec l'assemblage d'un puzzle du livre de Jeff Hawkins, On Intelligence. Lors de la compilation de ce casse-tête, il nous manque certains éléments et certains éléments d'un autre casse-tête, mais nous avons un large éventail de données sur le système nerveux et le cerveau, ce qui signifie que nous avons un casse-tête presque assemblé, de sorte que nous pouvons imaginer à peu près l'ensemble de l'image et utiliser notre imagination identifie les éléments manquants.Mon objectif est de créer un modèle logique du système nerveux, nous pouvons dire la création d'un croquis de ce qui est représenté sur un puzzle inachevé, de plus, il doit correspondre et ne pas contredire tous les éléments disponibles du puzzle et en même temps être logiquement complet. Afin de combler les lacunes, une base théorique a été créée, qui peut sembler controversée pour certains. Mais pour le modèle à ce stade, l'essentiel est qu'il vous permet d'émuler les phénomènes observés internes et externes se produisant dans le système nerveux. Dans le cadre du modèle obtenu, de nombreux phénomènes peuvent être expliqués, tels que la mémoire et la consolidation de la mémoire, les émotions, la spécialisation des neurones, et bien plus encore.Dans la deuxième partie, nous avons découvert qu'il existe trois types d'activités réflexes établies par l'académicien I.P. Pavlov. Si tout est très clair avec les mécanismes biologiques de la dépendance et de la sensibilisation, alors la formation de réflexes conditionnés n'est pas aussi simple qu'il y paraît. Le fait est que les manifestations externes de ce mécanisme sont largement étudiées et décrites, il n'y a aucune explication de la façon dont cela se produit au niveau cellulaire.
Par exemple, nous savons que lorsque l'activité de deux centres nerveux est combinée avec le temps, un arc réflexe se forme entre eux. C'est-à-dire par la suite, lors de l'activation d'un centre nerveux, il y aura un transfert d'excitation vers un autre centre nerveux. Si nous divisons figurativement un tel arc réflexe en segments, et considérons ces segments comme des éléments individuels. On peut dire que lorsqu'un arc réflexe d'un réflexe conditionné est formé, une commutation directionnelle se produit dans chaque segment. Chaque segment sélectionne une direction spécifique dans laquelle il sera, la transmission de l'excitation nerveuse se produit lors de son activation. Bien sûr, il convient de noter que cette direction n'est pas clairement définie pour le segment, mais peut être corrélée dans certaines valeurs.Vous pouvez même parler de renforcer la transmission dans une certaine direction et de l'affaiblir dans d'autres directions.
Lorsque le réflexe est renforcé par des répétitions répétées, on peut parler d'affiner et de renforcer la transmission dans le sens de chaque segment. Ce concept conduit à la conclusion que si nous divisons le cortex entier en segments similaires, nous observerons une certaine orientation dans chaque direction avec une précision et une force différentes. Chaque segment sera asséché par une partie d'un arc réflexe d'un réflexe conditionné ou non conditionné. Vraisemblablement, cette orientation dans le processus d'apprentissage peut être affinée ou modifiée.
Si nous nous tournons vers le paradigme neuronal, il ne fournit pas d'orientation dans la direction. Nous avons une membrane et des dendrites qui reçoivent des signaux et un axone, le long duquel le signal est transmis plus loin à d'autres cellules après sommation de l'espace-temps, c'est-à-dire que le signal est transmis dans une direction le long de l'axone jusqu'à ses extrémités. Mais en même temps, on observe encore la formation d'une distribution dirigée d'excitation dans le cerveau, avec formation de réflexes conditionnés.Paradigme des neurones, . . -, , .. . -, - -. -, . , — , . , . , , . .
Si nous considérons non pas une seule cellule comme une unité fonctionnelle de commutation directionnelle, mais une petite zone de cellules, nous pouvons voir que les cellules et leurs processus sont très étroitement liés et dans des directions différentes. Cela fournit un élément de communication directionnelle avec de nombreuses entrées et sorties dans différentes directions.
La forme du neurone est due à des changements évolutifs. La forme de la cellule s'est formée dans les systèmes nerveux dans lesquels seule la fonction fonctionnelle nerveuse la plus simple a été réalisée. Lorsque le développement de la vie sur Terre a nécessité l'ajout de la formation de réflexes de capture à l'ensemble des fonctions du système nerveux, alors l'évolution n'a pas suivi la voie de la restructuration cellulaire, mais l'augmentation de leur nombre et l'imbrication dense de leurs processus.Ainsi, la propriété de la commutation directionnelle est répartie dans des groupes de neurones, dans un changement de la force de leurs synapses. Un neuroélément associatif est une unité fonctionnelle en modélisation et donc un analogue en biologie car c'est un groupe de neurones pour lesquels le phénomène de commutation directionnelle va s'exprimer.Nous avons découvert que la direction de la propagation de l'excitation est importante pour nous, mais comment est la détermination de cette direction pour chaque élément fonctionnel. On sait que l'excitation a tendance à se propager à une autre source d'excitation, et un foyer d'excitation plus fort et plus large attire les plus faibles (conclusion I. Pavlov). C'est-à-dire si un élément fonctionnel reçoit de l'excitation, il doit en quelque sorte déterminer la direction qui sera ensuite formée et conservée dans sa structure.Dans mon travail sur la modélisation, je suis parti de l'idée de l'interaction électromagnétique des cellules nerveuses , et cette idée a donné des réponses à de nombreuses énigmes sur le cerveau, a donné une théorie et un modèle qui expliquent de nombreux aspects du système nerveux.
L'influx nerveux dans tout le système nerveux a la même forme et, par analogie avec lui, un neuroélément associatif a la propriété d'une charge caractérisant un changement de la charge totale à la surface des membranes d'une unité fonctionnelle. C'est-à-dire une certaine loi de changement d'une certaine caractéristique appelée charge est donnée.
Donc la loi est fixée dans le programme, l'échelle horizontale est le temps en centièmes de seconde, la charge verticale en unités relatives. Il diffère quelque peu du calendrier des pointes dans la mesure où une partie du maximum est plus longue dans le temps. Cela est dû au fait que les valeurs de la pointe sont déterminées à un point dans le tissu nerveux lors du passage de l'excitation, et le graphique de charge est un reflet de la charge sur toute la surface d'une cellule ou d'un groupe de cellules. De plus, l'état de repos du tissu nerveux est considéré comme nul sur l'échelle de charge. Il convient de noter que la loi de changement de charge reflète également le potentiel de trace, qui était auparavant considéré comme la conséquence d'une certaine oscillation ou alignement des charges séparées par la membrane, mais ce comportement de la charge était très important pour le modèle.
La figure ci-dessus montre un schéma d'un neuroélément associatif. Les signaux des synapses à action directe (X1, X2, X3 ... Xn) entrent dans l'additionneur (a). Et si la quantité résultante dépasse un certain seuil (b), alors un neuroélément sera activé. Lorsqu'un neuroélément est activé, sa charge commencera à changer conformément à la loi établie (c). Les informations sur ces modifications et l'emplacement de l'élément lui-même seront disponibles pour l'ensemble du système. Ensuite, à un certain moment, le mécanisme de détermination du vecteur de la direction de propagation préférée de l'excitation (g) démarre. Cela se produit en obtenant une certaine position de charge moyenne de tous les neuroéléments actifs, c'est-à-dire centre de masse des charges, caractérisé par un point dans l'espace. Ce point est appelé le point du motif,car pour chaque combinaison de cellules actives et l'état de leurs charges à un instant calculé pour chaque neuroélément, la position de ce point sera différente. En termes simples, les charges des neuroéléments affectent la détermination du vecteur de direction de la propagation préférée de l'excitation, une charge positive attire l'excitation, une charge négative repousse.Pour déterminer le vecteur de la propagation d'excitation préférée, une règle a été choisie:
où r est le vecteur dont le début est au centre de l'élément neuronal pour lequel le vecteur est déterminé, et la fin est au centre du nième élément neuronal.La règle et la loi de changement de charge ont été choisies empiriquement, afin de simuler la formation de réflexes conditionnés. Plus de détails dans l'article .
Après réception du vecteur de la direction de propagation préférée de l'excitation (T), les synapses (Y1, Y2, Y3 ... Yn) sont calculées. Chaque synapse est caractérisée par un vecteur de synapse (S), dont le début se trouve au centre du neuroélément et l'extrémité est connectée au centre du neuroélément cible auquel le signal est transmis. Le paramètre principal de la synapse est sa force F, la valeur de la force est limitée dans un certain cadre, par exemple, la synapse d'induction peut avoir des valeurs de 0 à 10.Imaginez que le vecteur T forme un cône autour de lui dont le sommet est situé au centre du neuroélément, et que le plan de base est perpendiculaire au vecteur T, si le vecteur synapse tombe dans la région délimitée par ce cône, alors la valeur de la synapse sera augmentée d'une certaine valeur. Et en conséquence, si le vecteur de synapse est en dehors de la zone du cône, alors la force de synapse diminue, mais la valeur de la force ne dépasse pas le maximum et le minimum établis.La région du cône autour du vecteur T est caractérisée par l'angle au sommet du cône donné, cet angle est appelé foyer. Plus le foyer est petit, plus la direction de transmission de l'excitation dans le neuroélément sera déterminée avec précision. Comme mentionné précédemment, lorsque le corps répète le même réflexe conditionné, il est affiné. Par conséquent, la méthode suivante de modification du focus a été choisie pour le modèle, lors du calcul du vecteur T, il est comparé à sa valeur précédente, et si le vecteur change de manière insignifiante, le focus diminue d'une certaine valeur, mais si le vecteur a été fortement modifié, le focus revient à sa valeur maximale. Cela conduit à une diminution progressive de la mise au point avec répétition répétée des mêmes conditions.C'est un point très important, c'est à quel point la force des synapses changera à chaque activation. Ceci est déterminé par le paramètre de neuroplasticité P. Laformule pour la nouvelle valeur de la force de synapse sera:Fnew = Fold + I × P × (Fmax - Fmin);Fmin ≥ Fnew ≥ Fmax;où P est la neuroplasticité (0 ≥ P ≥ 1);I est un paramètre qui détermine si le vecteur de synapse est dans la région d'augmentation de la force de synapse (I = 1) ou dans la région de diminution de la force de synapse (I = -1);Fold - valeur de force de synapse précédente;Fmin - la valeur minimale de la force de synapse;Fmax - la valeur maximale de la force de synapse.La neuroplasticité en biologie caractérise la façon dont un neurone est malléable aux changements de sa structure sous l'influence de conditions externes. Différentes zones du cerveau sont caractérisées par leur propre degré de plasticité, et il peut également varier en fonction de certains facteurs.
Cet exemple permet de comprendre comment se forment les réflexes conditionnés à partir des neuroéléments associatifs. Les neuroéléments blancs forment l'arc réflexe du réflexe inconditionné avec le titre "R" et la réponse "1". Ces neuroéléments ne modifient pas les valeurs de force de leurs synapses. Les neuroéléments bleus ne participent initialement à aucun acte réflexe, ils semblent remplir le reste de l'espace du système nerveux, et ils sont accidentellement connectés par des synapses. Par conséquent, si nous activons un tel élément neuronal associé au récepteur «Q», alors un certain foyer d'excitation apparaîtra ayant une nature aléatoire de propagation et après être entré en cycles avec lui-même, il s'éteindra après un certain temps, sans créer de réponse. Si nous combinons un réflexe inconditionné avec la rubrique "R" et l'activation du récepteur "Q" à peu près au même intervalle de temps,alors un arc réflexe du réflexe conditionné se formera. Et déjà l'activation du récepteur «Q» mènera à la réponse «1».Pour la clarté et l'optimisation du modèle, nous avons utilisé la création dynamique d'éléments neuronaux, qui émule l'espace rempli du système nerveux avec des éléments connectés de manière aléatoire. Ici, une certaine croissance de nouveaux neurones ou de nouvelles connexions n'est pas modélisée, tous les changements ne se produisent que dans la force des synapses, seuls les éléments neuronaux qui n'étaient auparavant impliqués dans aucun acte réflexe ne sont pas représentés.
L'exemple suivant montre comment les excitations se comportent lorsque différents centres sont activés dans des conditions égales et avec une plasticité absolue (P = 1).
Un changement dans le sens de propagation de l'excitation sous l'influence de deux centres d'excitation, lorsque la plasticité est absolue (P = 1):
Et à faible plasticité (P = 0,1):
Sur ce point, nous avons terminé de considérer les bases du modèle du système nerveux. Dans la partie suivante, nous considérerons les choses appliquées, comment utiliser tout cela pour simuler la mémoire, les émotions et la spécialisation des neurones.