"मन ऑनलाइन है।" मस्तिष्क में सूचना

मैंने कहानी " माइंड ऑन द वेब " से एक और अंश प्रकाशित करने का फैसला किया, जो कि हैबर - सूचना प्रसंस्करण पर चर्चा से भी संबंधित है। यह मस्तिष्क में सूचना के प्रवाह पर कुछ अप्रत्याशित रूप से सामने आता है, जिसे प्रोग्रामिंग में स्वीकार किया जाता है। लेकिन आलोचना करने में जल्दबाजी न करें, यह सिर्फ एक बार एक अलग रूप लेने का प्रयास है जो कभी-कभी प्रसिद्ध लगता है और प्रदान किया जाता है। मैं तुरंत ध्यान देता हूं कि यह दृष्टिकोण संज्ञानात्मक मनोविज्ञान पर आधारित है। मुझे दिलचस्प राय देने में खुशी होगी, क्योंकि सवाल खुला है।

- एमी, मैं एक समस्या में भाग गया। मॉडल कैसे बनाएं? वस्तुओं से जानकारी स्पष्ट रूप से पर्याप्त नहीं है। और वह शोर कर रही है। मॉडल को ठीक से प्रशिक्षित करने के लिए बहुत सी प्रस्तुतियां लेता है।
- विषय से मिली जानकारी के अनुसार मॉडल नहीं बनाया जाता है। यह पहले से ही मस्तिष्क में है। केवल तब जानकारी, जैसा कि आप कहते हैं, "स्वीकार किया जा सकता है", अर्थात्, इस मॉडल के लिए एक विकल्प चुनें। प्रत्येक वस्तु, स्थिति, तथ्य, घटना केवल एक सामान्य मॉडल का एक प्रकार है। और मॉडल में अन्य मॉडल होते हैं। किसी वस्तु का वर्णन करने वाले वाक्य के रूप में, केवल इस उदाहरण का वर्णन करने के लिए प्रयुक्त शब्दों से। आपको इसका पता लगाने की जरूरत है।
- रुको, यानी आपकी राय में, हमारे विचार विषय से जानकारी से नहीं बने हैं?
- यदि ऐसा होता, तो आप केवल फोकल ज़ोन (ध्यान के ध्यान में) में एक छोटे से सर्कल में रंग देखेंगे, आपके आस-पास की हर चीज ग्रे रंग में होगी। जैसा कि आप जानते हैं कि रेटिना कैसे काम करता है। विषय के बारे में जानकारी हमेशा अधूरी होती है, लेकिन आप देखते हैं कि विषय हमेशा पूरा होता है। क्योंकि विषय से जानकारी केवल उस मॉडल के एक संस्करण को सक्रिय करती है जो पहले से ही मस्तिष्क में मौजूद है।
- ऐसा कैसे, समझ में नहीं आता? फिर दिमाग कैसे काम करता है?
"जैसा कि आप समीकरणों को हल करते हैं।" समीकरण पहले से ही चर के बीच संबंध स्थापित कर चुका है। और आप आमतौर पर एक साथ सभी चर नहीं जानते हैं। आप दूसरों को खोजने के लिए कुछ विकल्प देते हैं। और अंत में, एक निर्णय पर आते हैं। समाधानों में से एक के लिए, अर्थात्, दिए गए चर के साथ मॉडल का एक प्रकार। लगभग इसी तरह से यह मस्तिष्क में होता है, केवल मॉडल अधिक जटिल, वितरित और मल्टीमॉडल होते हैं।

"लेकिन यह जानकारी प्रसंस्करण नहीं है?"
- आपको इस प्रक्रिया के बारे में सोचने के तरीके को बदलने की जरूरत है। मस्तिष्क जानकारी को एक धारा के रूप में संसाधित नहीं करता है, लेकिन एक ऐसे मॉडल का चयन करता है जो पहले से ही मस्तिष्क में है जो संवेदी प्रणाली के ट्रिगर के लिए उपयुक्त है। आपके तंत्रिका नेटवर्क पहले से ही काम कर रहे हैं। वे सीखते हैं - इसका मतलब है कि वे एक मॉडल का अधिग्रहण करते हैं जो वे पहचानना सीखते हैं। और तस्वीर इनपुट पर एक ट्रिगर है, जो तराजू की एक श्रृंखला को सक्रिय करता है, तंत्रिका नेटवर्क के एक या किसी अन्य आउटपुट के करीब है।
- हमें नए मॉडल कैसे मिलते हैं?
- आप उन्हें एक उपयुक्त मॉडल की कमी के जवाब में पर्यावरण की भविष्यवाणी की प्रतिक्रिया के साथ उत्पन्न करते हैं। एक अज्ञात (किसी भी मॉडल के लिए उपयुक्त नहीं) उत्तेजना के जवाब में, विकल्पों की खोज (अस्थायी व्यवहार) जानवरों में की जाती है - यह उपलब्ध आंदोलनों की पूरी श्रृंखला है। लोगों के पास मानसिक क्रियाओं के लिए सभी विकल्प हैं। उदाहरण के लिए, गणितज्ञ गणितीय सिद्धांतों की रचना करना शुरू करते हैं, जिसे नई घटना की व्याख्या करने के लिए प्रयोग में लाने की पुष्टि की जाती है। और अगर वांछित परिणाम के साथ मध्यम (ट्रिगर) की प्रतिक्रिया की भविष्यवाणी की जाती है, तो इस विकल्प को प्रक्रिया के मॉडल के रूप में याद किया जाता है। यह अगर सरलीकृत है।
- लेकिन हम अभी भी एक स्रोत से सूचना प्रसारित करने के विचार का उपयोग करते हैं।
- विकिरण से किसी वस्तु के बारे में जानकारी का हस्तांतरण एक भोला रूपक है। यह एक वस्तु के हस्तांतरण से आया था, पाठ के साथ एक पत्र, जिसे सूचना के हस्तांतरण के रूप में व्याख्या की गई थी। लेकिन पत्र को पढ़ने के लिए, पहले से ही अक्षरों, शब्दों, वाक्यों (भाषा) का एक मॉडल होना चाहिए। अन्यथा, ये केवल कागज पर डैश हैं। पत्र मॉडल में वेरिएंट होते हैं, और इसे केवल तभी प्रेषित किया जा सकता है जब पते वाले के पास एक ही मॉडल हो - वह कम से कम प्राइमर जानता है। तो, वैसे, रूपक आपको सही समाधान खोजने से रोकते हैं। और आपके लिए उन्हें, आपके कई वैज्ञानिकों को मना करना कठिन है और आप अभी भी इस रूपक का उपयोग करते हैं।
"तो मुझे क्या करना चाहिए?"
- ट्रिगर्स द्वारा मॉडल बनाने के लिए एक एल्गोरिथ्म, और इसके विपरीत नहीं। आपके पास जनरेटिव न्यूरल नेटवर्क पर काम था, यदि आप दृष्टिकोण को थोड़ा समायोजित करते हैं तो यह काम कर सकता है। मैं दिखाऊंगा कैसे।
- ठीक है, आप कहते हैं कि आपको एक मॉडल बनाने की आवश्यकता है। लेकिन आधार के रूप में क्या लेना है? वैसे भी, पर्यावरण से कुछ डेटा की जरूरत है। या मॉडल के तत्व पूरी तरह से मनमाने हैं और किसी भी तरह से वास्तविकता से जुड़े नहीं हैं?
- थर्मामीटर स्केल किसी तरह शरीर के तापमान से मिलता है? क्या यह किसी तरह अणुओं के ब्राउनियन गति के अनुरूप है? यह केवल यह दिखाता है कि यह उन इकाइयों में क्या है, जिन्हें आपने अपने लिए स्वीकार किया है। डिग्री में। इन मापों में वास्तविकता से मेल खाने वाले सभी शरीर के तापमान और थर्मामीटर पैमाने पर सूचक की स्थिति में एक साथ परिवर्तन होता है, क्योंकि पारा हीटिंग से फैलता है। यह वह सब है जो आप वास्तविकता के बारे में एक उपकरण के साथ सीखते हैं - पैमाने इकाइयों में इसका परिवर्तन। और पैमाने के बिना, थर्मामीटर में पारे की स्थिति आपको कुछ भी नहीं बताती है! कोई भी बुद्धिमान प्राणी यह ​​नहीं जान सकता कि वास्तव में वास्तविकता क्या है, क्योंकि सभी बुद्धिमान प्राणी वास्तविकता पर नहीं, बल्कि अपने मॉडल पर ही काम करते हैं। मॉडल एक थर्मामीटर पैमाने हैं। इसके अलावा, वे उन्हें संचालित करने की सुविधा के लिए बनाए गए हैं, न कि वास्तविकता से मेल खाने के लिए। वे उन साधनों द्वारा निर्मित होते हैं जो मस्तिष्क के लिए सुलभ हैं।
- क्या आप रियलिटी मॉडल का भी इस्तेमाल करते हैं?
"बेशक, लेकिन आप की तुलना में अधिक जटिल है।" हमारे मॉडल अधिक मापदंडों को ध्यान में रख सकते हैं। कोई भी विषय अपने कार्यों को व्यवस्थित करने के लिए केवल अपने स्वयं के मॉडल के साथ देख सकता है। इसलिए, जो हम देखते हैं वह थर्मामीटर स्केल है, न कि तापमान। यह आपके प्राचीन दार्शनिक कांत द्वारा दिखाया गया था।
- यह पता चला है कि हम अपनी कल्पना में वापस आ रहे हैं?
- आप सॉलिसिस्ट नहीं हैं, क्योंकि मॉडल में हमेशा विकल्प होते हैं। जैसे थर्मामीटर के पैमाने पर विभाजन। विकल्पों का विकल्प इस बात पर आधारित है कि आपके सेंसर इस समय पर्यावरण से क्या अनुभव करते हैं। ये ट्रिगर्स हैं।
- क्या सभी मॉडल किसी न किसी तरह से जुड़े हुए हैं?
"हमेशा नहीं।" उदाहरण के लिए एक सेब लें। यह एक वस्तु है, लेकिन इसके कई मॉडल हो सकते हैं। फल की तरह, आणविक वस्तु की तरह, परमाणु की तरह, उप-परमाणु। आपके पास अलग-अलग मॉडल हैं जो सीधे एक-दूसरे से संबंधित नहीं हैं, हालांकि वे विभिन्न पैमानों पर एक ही पदार्थ का वर्णन कर सकते हैं।
- ऐसा क्यों हो रहा है?
- मस्तिष्क पर्यावरण से सभी परिवर्तनों को संसाधित नहीं कर सकता है। वह एक मॉडल को इतना विस्तृत नहीं बना सकता जितना कि उप-परमाणु स्तर पर एक पूरे सेब पर विचार करना, और सरलीकरण का सहारा लेना। पूरा नया गुण प्रदर्शित करता है जिसे भागों की बातचीत से घटाया नहीं जा सकता है, क्योंकि यह संपूर्ण का एक अलग मॉडल है, जिसे आप उद्भव कहते हैं। एक पूरे घटक का एक मॉडल बना सकता है, और आप सेब को अणुओं की बातचीत के रूप में देख सकते हैं। लेकिन यह एक बहुत बड़ा मॉडल होगा, जिसे संचालित करना मुश्किल होगा। यह आपके दिमाग के लिए बहुत ज्यादा है।
- यही है, कुछ श्रेणियों, वर्गों के मॉडल बनाने के लिए व्यावहारिक रूप से आवश्यक है, जो ओवरलैप नहीं हो सकता है। लेकिन क्या उनके बीच एक संबंध है?
- हाँ, वह तीसरे मॉडल में है - कैसे लाठी से कुर्सी बनाना है।
- समझ गया। क्या यह सब मुझे मॉडल बनाने पर विचार करने की आवश्यकता है?
- नहीं। किसी भी अवधारणा, जिसे आप जानते हैं, करीब से परीक्षा में, केवल परिवर्तन का एक निर्धारण होगा, पर्यावरण में एक गतिशील जो मॉडल को दर्शाता है। उदाहरण के लिए, आप एक रंग भी तभी देख सकते हैं जब पास में कोई दूसरा रंग हो। यदि आप लंबे समय तक एक कमरे में रहते हैं, जहां सब कुछ एक ही रंग का है (या रंगीन चश्मा पहनते हैं), थोड़े समय के बाद आप इसे एक रंग के रूप में देखना बंद कर देंगे। लाल हो जाएगा गायब आप एक पंक्ति भी देखते हैं जबकि आंख इसे अपने ध्यान से पार करती है। आप प्रयोगों के बारे में जानते हैं जब एक रेखा गायब हो जाती है यदि इसकी छवि लेंस के आंदोलन के साथ सिंक्रनाइज़ की जाती है। यह सिर्फ यह बताता है कि मॉडल परिवर्तनों को देखने के लिए डिज़ाइन किए गए हैं। इसलिए, मॉडल विकल्पों को प्रतिबिंबित करते हैं, और जब उनके बीच एक स्विच होता है, तो आप इसे देखते हैं। जब एक सेब पकता है, तो मस्तिष्क में रंग भी हरे से लाल रंग में बदल जाता है।
"लेकिन ऐसी कठिनाइयों क्यों?" पारंपरिक लाइट डिटेक्टर से भी रंग का पता लगाया जा सकता है।
"क्या डिटेक्टर को पता है कि इस रंग के साथ क्या किया जा सकता है?" विकल्पों के साथ मान्यता यह जानना आवश्यक है कि मस्तिष्क कैसे बदल सकता है, कैसे अलग दिख सकता है। एक घोड़े को पहचानना, ज़ेबरा नहीं, आप सीखते हैं कि आप इसे ज़ेबरा के विपरीत, दोहन कर सकते हैं और सवारी कर सकते हैं। सतह नहीं, बल्कि किनारे की रेखा को पहचानते हुए, आपको पता चलेगा कि आप आगे नहीं बढ़ सकते। मॉडल में न केवल पहचानने योग्य, बल्कि इसके वेरिएंट, साथ ही साथ संभव क्रियाएं भी शामिल हैं। इससे डिटेक्टर आपकी मदद नहीं करेगा।
- यह पूरी तरह से समझ में नहीं आता है कि अब अनुकरण कैसे करें। मैं उलझन में हूं।
- मैंने चेतावनी दी कि आप अभी भी बहुत दूर हैं जिसे खुफिया कहा जा सकता है। आप पर्यावरण और सोच को मॉडलिंग करने के बुनियादी कार्यों को भी नहीं जानते हैं। यदि आप समझ सकते हैं कि मैं किस बारे में बात कर रहा हूं, तो आप बुद्धिमत्ता बना सकते हैं। इससे पहले नहीं।