नए तंत्रिका नेटवर्क या तंत्रिका तंत्र का अनुकरण

हाय गीकटाइम्स! मैं कृत्रिम बुद्धि के क्षेत्र में एक अध्ययन में अपनी उपलब्धियों को प्रस्तुत करना चाहता हूं।

अपनी युवावस्था से मैंने कृत्रिम बुद्धि बनाने की संभावना के बारे में सपना देखा। स्कूल में वापस, मैंने ज़िनोवी युरिएव के शानदार काम "ब्लैक यशा" को पढ़ा, जिसमें नायक ने मानव मस्तिष्क की जटिलता में तुलनीय एक उपकरण बनाया, जो कि कई परस्पर जुड़े तत्वों से भरा एक ब्लैक बॉक्स है - न्यूरिस्ट्स, उसे एक बच्चे के रूप में पढ़ाते हैं, उसे नीचे लाते हैं। सूचना का एक हिमस्खलन। जिसके बाद, उपकरण एक तर्कसंगत प्राणी, यशा नामक एक व्यक्ति में बदल गया। मैंने सोचा कि न्यूरोलॉजिस्ट को कैसे काम करना चाहिए। मैंने तंत्रिका तंत्र के तंत्रिकाविज्ञान और शरीर विज्ञान में उत्तर की खोज की। इस विषय पर पुस्तकों का अध्ययन करने से मुझे जैविक न्यूरॉन के बारे में एक अच्छा विचार मिला, और I.P. पावलोव ने मुझे यह विश्वास दिलाया कि जीवित प्राणियों के मनमाने ढंग से जटिल व्यवहार का कोई भी प्रकटीकरण,वातानुकूलित और बिना शर्त सजगता की अभिव्यक्ति। फिर पहले, जैविक न्यूरॉन के सिद्धांतों के बारे में भोले परिकल्पना और इन सिद्धांतों को व्यवस्थित रूप से वर्णन करने का प्रयास दिखाई दिया। तथ्य यह है कि कृत्रिम तंत्रिका नेटवर्क हैं, मुझे कोई पता नहीं था, जबकि इंटरनेट दुर्लभ था।

केवल मेरे छात्र वर्षों में, मैं कृत्रिम तंत्रिका नेटवर्क के विषय पर कुछ लेखों से परिचित हो गया, उनके साथ परिचित लोगों ने मुझ पर एक अस्पष्ट प्रभाव डाला। एक ओर, इस तरह के गंभीर मतभेदों को अवधारणात्मक और जैविक न्यूरॉन के आधार के रूप में अपनाए गए न्यूरॉन मॉडल के बीच आश्चर्यचकित किया गया था। दूसरी ओर, कृत्रिम तंत्रिका नेटवर्क में उपयोग किए जाने वाले वर्णनात्मक तरीकों ने मुझे एक न्यूरॉन के संचालन के बारे में अपनी परिकल्पनाओं पर पुनर्विचार करने और उन्हें अधिक व्यवस्थित रूप में प्रस्तुत करने की अनुमति दी। हालाँकि तब भी वे बहुत ही भ्रामक प्रतिनिधित्व करते थे।

शास्त्रीय कृत्रिम नेटवर्क के आधार पर न्यूरॉन मॉडल को आमतौर पर कई इनपुटों के साथ एक सेल के रूप में प्रस्तुत किया जाता है - डेन्ड्राइट और एक आउटपुट के साथ - एक एक्सॉन। सेल ने इनपुट से संकेतों का विश्लेषण किया और, एक फ़ंक्शन की तरह, एक परिणाम उत्पन्न किया जो अगले न्यूरॉन्स को प्रेषित किया गया था। वास्तव में, एक अक्षतंतु के साथ एक न्यूरॉन केवल तंत्रिका तंत्र में एक विशेष मामला है, मानव मस्तिष्क में अधिकांश न्यूरॉन्स में एक अक्षतंतु नहीं होता है। एक न्यूरॉन झिल्ली की लगभग पूरी सतह, विशेष रिसेप्टर्स को संकेत प्राप्त करता है। उसके बाद, यह डेन्ड्राइट्स के माध्यम से सिग्नलों को अन्य कोशिकाओं के माध्यम से संचारित करता है, इसके अलावा, कोशिकाओं के synapses में अलग-अलग ताकत होती है, उनकी ताकत एक-दूसरे से स्वतंत्र रूप से निर्धारित होती है। एक जैविक न्यूरॉन में कई इनपुट और कई स्वतंत्र रूप से निर्धारित आउटपुट होते हैं। यह पता चला कि, एक गणितीय न्यूरॉन में, इनपुट संकेतों के भार के गुणांक का विश्लेषण और गणना की जाती हैऔर एक जैविक न्यूरॉन में, सप्ताहांत की शक्ति का विश्लेषण होता है।

कृत्रिम नेटवर्क और जैविक लोगों के बीच मजबूत विसंगतियों के बावजूद, वे बहुत उत्पादक बन गए, इस क्षेत्र में काम करने से कई दिलचस्प और व्यावहारिक परिणाम मिले।
क्लासिक न्यूरल नेटवर्क लागू करने के लिए बहुत सुविधाजनक हैं, मेरे पास अवधारणात्मक के आधार पर एक सरल डेल्फी कार्यक्रम लिखने का अनुभव था, लेकिन मेरी शर्म की बात है, मेरे पास तंत्रिका तंत्र मॉडलिंग पर अपने विचारों को लागू करने के लिए पर्याप्त प्रोग्रामिंग कौशल नहीं था।

लंबे समय तक मैंने इस विषय को संबोधित नहीं किया, लेकिन रुचि रखने और न्यूरोबायोलॉजी और मनोविज्ञान पर पुस्तकों और लेखों का अध्ययन करना जारी रखा। लगभग दो साल पहले, मैंने यूनिटी 3 डी गेम इंजन का अध्ययन करना शुरू कर दिया था, वह मुझमें एक गेम इंजन के रूप में बिल्कुल दिलचस्पी रखता था। इस पर कुछ गेमिंग अनुप्रयोगों को बनाने के बाद, मुझे एहसास हुआ कि यूनिटी 3 डी विचारों को काम करने के लिए सबसे उपयुक्त है। यहाँ, और त्रि-आयामी स्थान, और प्रोग्रामिंग में आसानी, और वस्तुओं की संरचना को व्यवस्थित करने में स्वतंत्रता। मैंने खुद को एक साधारण मॉडल बनाने का काम निर्धारित किया जो मेरी धारणाओं के आधार पर न्यूरॉन और तंत्रिका तंत्र के प्राथमिक राजकुमारों को प्रदर्शित करता है।
कुछ समय मॉडल पर काम करने के बाद, मैं पहली निराशा का इंतजार कर रहा था। मॉडल एक प्रकार का सेलुलर ऑटोमोबाटन, परस्पर जुड़े हुए तत्व थे। क्यूबिक ग्रिड में तीन-आयामी अंतरिक्ष में स्थित लगभग 450 कोशिकाओं के न्यूरॉन्स का बनाया नेटवर्क, मेरे विचारों के अनुसार काम नहीं करता था। उसके काम को सही करने के प्रयास असफल रहे।
तीन आयामी स्थान में स्थान प्रणाली के लिए एक बहुत ही महत्वपूर्ण पहलू है, क्योंकि इसके आउटपुट की ताकत के विश्लेषण और निर्धारण के लिए, न्यूरॉन अन्य सक्रिय कोशिकाओं के सापेक्ष अपने स्थान को ध्यान में रखता है।


पहला असफल तंत्रिका नेटवर्क वास्तुकला

यह देखते हुए कि मेरी विफलताओं का कारण न्यूरॉन्स की संख्या और न्यूरॉन के कनेक्शन की संख्या में पूर्वनिर्धारण हो सकता है। यह गतिशील रूप से न्यूरॉन्स बनाने का निर्णय लिया गया था। तथ्य यह है कि न्यूरॉन से न्यूरॉन तक उत्तेजना के अनुक्रमिक संचरण का एक सिद्धांत है, प्रत्येक प्रतिवर्त अधिनियम को एक तंत्रिका संकेत के अनुक्रमिक संचरण की एक श्रृंखला के रूप में दर्शाया जा सकता है। कुछ न्यूरॉन्स किसी भी प्रतिवर्त अधिनियम में शामिल नहीं हो सकते थे, जबकि कंप्यूटर संसाधनों का उपयोग करते हुए और नेटवर्क का अध्ययन करते समय समीक्षा में हस्तक्षेप करते थे।
न्यूरॉन्स की गतिशील रचना के साथ, हम यह कह सकते हैं कि कार्यक्रम का कार्य क्षेत्र एक काल्पनिक न्यूरॉन्स से भरा स्थान है जो यदि आवश्यक हो तो सक्रिय हो जाएगा। कार्यक्रम न्यूरॉन्स बनाता है जहां वे कुछ प्रतिबंधों के साथ आवश्यक होते हैं जो कोशिकाओं के साथ अंतरिक्ष के प्रारंभिक भरने की नकल करते हैं।

हालांकि, शुरू किए गए संशोधनों के बाद, मॉडल के साथ काम करने की प्रक्रिया एक खोज, परिकल्पनाओं का चक्र और उनकी जांच थी। मैंने न्यूरॉन लिपि में बदलाव किए, एक ऐसी प्रणाली का व्यवहार देखा जो मेरी अपेक्षाओं के अनुरूप व्यवहार नहीं करती थी, जिसने मुझे नई परिकल्पना बनाने और फिर से कार्यक्रम में बदलाव करने के लिए मजबूर किया। इस काम ने मुझे एक न्यूरॉन के जीव विज्ञान में कुछ पहलुओं के महत्व को नजरअंदाज कर दिया, जो पहले मुझे महत्वहीन लगता था। उदाहरण के लिए, नकारात्मक ट्रेस क्षमता में परिवर्तन को ध्यान में रखना आवश्यक था, न्यूरॉन्स और निरोधात्मक कोशिकाओं की थकान को जोड़ना।
नतीजतन, मुझे यह परिणाम मिला कि मैंने खुद को शुरू में सेट किया। एक कार्यक्रम जो प्रदर्शित कर सकता है कि तंत्रिका ऊतकों में कैसे साहचर्य प्रशिक्षण होता है, नए रिफ्लेक्स आर्क्स का निर्माण होता है, यह I.P. के प्रयोगों में कुत्ते के मस्तिष्क में कैसे होता है। पावलोवा।
क्लासिक न्यूरल नेटवर्क की तुलना में, जो कम तत्वों के साथ चेहरे को पहचान सकता है, तस्वीरें खींच सकता है और संगीत की रचना कर सकता है, कार्यात्मक रूप से मेरा तंत्रिका नेटवर्क व्यावहारिक रूप से बेकार है। हालांकि, मेरे लिए, इसमें निहित क्षमता अधिक महत्व की है।

सिस्टम में बारह इनपुट हैं, जो बटन रिसेप्टर्स हैं, ये कीबोर्ड बटन हैं, जो अक्षरों और बारह आउटपुट द्वारा इंगित संकेतकों के अनुरूप हैं, जो कुछ कोशिकाओं की गतिविधि के संकेतक हैं। कार्यक्रम आपको नेटवर्क को संपादित करने की अनुमति देता है: न्यूरॉन्स बनाएं, उनके सिनेप्स (संचार) को कॉन्फ़िगर करें, इनपुट और आउटपुट कॉन्फ़िगर करें।
बिना शर्त सजगता शुरू में बनाई जाती है, जिसके आधार पर प्रशिक्षण होता है। एक आदमी बिना शर्त रिफ्लेक्स के तैयार सेट के साथ पैदा हुआ है, जिसे विकास ने सावधानीपूर्वक तैयार और चुना है। रिफ्लेक्स का यह सेट हमारे प्रशिक्षण की परिवर्तनशीलता को पूर्व निर्धारित करता है।



वीडियो में आप देख सकते हैं कि कैसे दो सरल उदासीन रिफ्लेक्सिस एक रिसेप्टर और एक मोटर न्यूरॉन से मिलकर होते हैं, कई संयुक्त दोहराव के बाद संबद्ध रूप से जुड़े होते हैं। उनके बीच एक "जम्पर" का गठन होता है।
मैंने अभी तक सिस्टम और न्यूरॉन्स के सिद्धांतों के बारे में विवरण का वर्णन नहीं किया है, क्योंकि सैद्धांतिक आधार पर काम अभी भी चल रहा है, और मैं कच्चे सिद्धांतों को बाहर करना नहीं चाहूंगा।

यह सिर्फ यात्रा की शुरुआत है।बहुत काम करना बाकी है। अब मैं कार्यक्रम के एक नए संस्करण पर काम करने की योजना बना रहा हूं जो मुझे तंत्रिका तंत्र में निषेध के बारे में कुछ विवरणों को समझने की अनुमति देगा। मैं इनपुट संकेतों की क्षमताओं का विस्तार करने की योजना बना रहा हूं, भावनाओं की एक अधिक विस्तृत और विविध प्रणाली, साथ ही साथ विशिष्ट रासायनिक जानकारी संकेतों को ध्यान में रखना जो हमें भावनाओं की समानता को अनुकरण करने की अनुमति देगा।

इस तरह के मॉडल पर काम करने के बाद, न्यूरॉन्स के काम के सभी पहलुओं, एक ऐसी प्रणाली के निर्माण के लिए आगे बढ़ना संभव होगा जो आपको संरचना संपादक में, जानवरों के मस्तिष्क के काम का अनुकरण करने की अनुमति देता है। इस स्तर पर, मस्तिष्क के शरीर विज्ञान के क्षेत्र में विशेषज्ञों का ज्ञान भी मांग में होगा।
आत्म-पहचान और आत्म-जागरूकता की क्षमता बुद्धि के अभिन्न तत्व हैं, जैसा कि आप जानते हैं, यह सब मस्तिष्क की संरचनाओं में अंतर्निहित है। और मस्तिष्क की संरचनाओं और सिद्धांतों की नकल के बिना एक सोच मशीन बनाना संभव नहीं है। आर्टिफिशियल इंटेलिजेंस के क्षेत्र में

PS
अनुसंधान, साथ ही इस विषय पर लेख लिखना मेरी गतिविधि का मुख्य प्रकार नहीं है, इसलिए कड़ाई से न्याय न करें। मैं कार्य, सहायता, सलाह, सलाह में किसी भी सहायता के लिए आभारी रहूंगा। आपकी राय और रचनात्मक आलोचना मेरे लिए बहुत महत्वपूर्ण है।

Source: https://habr.com/ru/post/hi382375/