Jaringan saraf baru atau simulasi sistem saraf

Hai Geektimes! Saya ingin mempresentasikan pencapaian saya dalam studi di bidang kecerdasan buatan.

Dari masa muda saya, saya bermimpi tentang kemungkinan menciptakan kecerdasan buatan. Kembali di sekolah, saya membaca karya fantastis "Black Yasha" oleh Zinovy ​​Yuriev, di mana karakter utama menciptakan perangkat yang sebanding dalam kompleksitas dengan otak manusia, yang merupakan kotak hitam yang diisi dengan banyak elemen yang saling berhubungan - ahli saraf, mengajarnya sebagai seorang anak, membawanya ke masa kanak-kanak longsoran informasi. Setelah itu, perangkat berubah menjadi makhluk rasional, seseorang bernama Yasha. Saya berpikir tentang bagaimana seharusnya para neuris berfungsi. Saya mencari jawaban dalam neurobiologi dan fisiologi sistem saraf. Mempelajari buku-buku tentang topik ini memberi saya ide bagus tentang neuron biologis, dan karya I.P. Pavlov membentuk keyakinan bahwa segala manifestasi perilaku rumit makhluk hidup yang kompleks,manifestasi dari refleks yang terkondisi dan tidak terkondisi. Kemudian, hipotesis naif pertama tentang prinsip-prinsip neuron biologis dan upaya untuk secara sistematis menggambarkan prinsip-prinsip ini muncul. Fakta bahwa ada jaringan syaraf tiruan, saya tidak tahu, sedangkan Internet jarang.

Hanya di tahun-tahun mahasiswa saya, saya berkenalan dengan beberapa artikel tentang topik jaringan syaraf tiruan, berkenalan dengan mereka membuat kesan ambigu pada saya. Di satu sisi, perbedaan serius seperti itu mengejutkan antara model neuron yang diadopsi sebagai dasar perceptron dan neuron biologis. Di sisi lain, metode deskriptif yang digunakan dalam jaringan saraf tiruan memungkinkan saya untuk mempertimbangkan kembali hipotesis saya tentang operasi neuron dan menyajikannya dalam bentuk yang lebih sistematis. Meskipun demikian, itu adalah representasi yang sangat ilusi.

Model neuron di dasar jaringan buatan klasik biasanya disajikan sebagai sel dengan banyak input - dendrit dan dengan satu output - akson. Sel menganalisis sinyal dari input dan, seperti fungsi, menghasilkan hasil yang ditransmisikan ke neuron berikutnya. Faktanya, neuron dengan akson hanya merupakan kasus khusus dalam sistem saraf, kebanyakan neuron di otak manusia tidak memiliki akson. Neuron menerima sinyal hampir seluruh permukaan membran, reseptor khusus. Setelah itu, ia mentransmisikan sinyal melalui dendrit melalui sinapsis ke sel lain, terlebih lagi, sinapsis sel memiliki kekuatan yang berbeda, kekuatannya ditentukan secara independen satu sama lain. Neuron biologis memiliki banyak input dan banyak output yang ditentukan secara independen. Ternyata, dalam neuron matematika, koefisien bobot sinyal input dianalisis dan dihitung.dan dalam neuron biologis, analisis kekuatan akhir pekan berlangsung.

Meskipun perbedaan yang kuat antara jaringan buatan dan yang biologis, mereka ternyata sangat produktif, pekerjaan di bidang ini menghasilkan banyak hasil yang menarik dan praktis.
Jaringan saraf klasik sangat mudah untuk diimplementasikan, saya memiliki pengalaman menulis program Delphi sederhana berdasarkan perceptron, tetapi yang memalukan saya, saya tidak memiliki keterampilan pemrograman yang cukup untuk mengimplementasikan ide-ide saya pada pemodelan sistem saraf.

Untuk waktu yang lama saya tidak membahas topik ini, tetapi terus tertarik dan mempelajari buku dan artikel tentang neurobiologi dan psikologi. Sekitar dua tahun yang lalu, saya mulai mempelajari mesin game Unity3D, dia tertarik pada saya tepatnya sebagai mesin game. Setelah membuat beberapa aplikasi game, saya menyadari bahwa Unity3D paling cocok untuk mengerjakan ide. Di sini, dan bekerja ruang tiga dimensi, dan kemudahan pemrograman, dan kebebasan dalam mengatur struktur objek. Saya mengatur diri saya sendiri tugas membuat model sederhana yang menunjukkan pangeran-pangeran dasar dari sistem saraf dan saraf, berdasarkan asumsi saya.
Setelah beberapa waktu mengerjakan model, saya menunggu kekecewaan pertama. Modelnya adalah semacam otomat seluler, elemen-elemen yang saling berhubungan. Jaringan neuron yang diciptakan, sekitar 450 sel yang terletak di ruang tiga dimensi, dalam kotak kubik, tidak bekerja sesuai dengan ide-ide saya. Upaya untuk memperbaiki pekerjaannya tidak berhasil.
Lokasi dalam ruang tiga dimensi adalah aspek yang sangat penting bagi sistem, karena untuk analisis dan penentuan kekuatan outputnya, neuron memperhitungkan lokasinya relatif terhadap sel-sel aktif lainnya.


Arsitektur jaringan saraf gagal pertama

Mempertimbangkan bahwa penyebab kegagalan saya dapat ditentukan sebelumnya dalam jumlah neuron dan jumlah koneksi yang dimiliki neuron. Diputuskan untuk membuat neuron secara dinamis. Faktanya adalah bahwa ada prinsip transmisi berurutan eksitasi dari neuron ke neuron, setiap tindakan refleks dapat direpresentasikan sebagai rantai transmisi sekuensial dari sinyal saraf. Beberapa neuron tidak dapat terlibat dalam tindakan refleks apa pun, saat menggunakan sumber daya komputer dan mengganggu ulasan ketika mempelajari jaringan.
Dengan penciptaan neuron yang dinamis, kita dapat mengatakan bahwa area kerja program adalah ruang yang diisi dengan neuron hipotetis yang akan diaktifkan jika perlu. Program ini menciptakan neuron di mana mereka diperlukan dengan pembatasan tertentu yang meniru pengisian ruang awal dengan sel.

Namun, setelah modifikasi diperkenalkan, proses bekerja dengan model adalah pencarian, siklus hipotesis dan pemeriksaan mereka. Saya membuat perubahan pada skrip neuron, mengamati perilaku sistem yang tidak berperilaku sesuai dengan harapan saya, yang memaksa saya untuk membangun hipotesis baru dan sekali lagi membuat perubahan pada program. Karya ini membuat saya melebih-lebihkan pentingnya aspek-aspek tertentu dalam biologi neuron, yang sebelumnya tampak tidak berarti bagi saya. Sebagai contoh, itu perlu untuk memperhitungkan perubahan dalam jejak jejak negatif, menambah kelelahan neuron dan sel-sel penghambat.
Sebagai hasilnya, saya mendapatkan hasil yang saya atur sendiri pada awalnya. Sebuah program yang dapat menunjukkan bagaimana pelatihan asosiatif terjadi pada jaringan saraf, pembentukan busur refleks baru, mirip dengan bagaimana hal itu terjadi di otak anjing dalam percobaan-percobaan I.P. Pavlova.
Dibandingkan dengan jaringan saraf klasik, yang dengan elemen yang lebih sedikit dapat mengenali wajah, menggambar dan membuat musik, secara fungsional jaringan saraf saya praktis tidak berguna. Namun, bagi saya, potensi yang melekat di dalamnya lebih penting.

Ada dua belas input dalam sistem, yang merupakan reseptor tombol, ini adalah tombol keyboard yang sesuai dengan indikator yang ditunjukkan oleh huruf dan dua belas output, yang merupakan indikator aktivitas sel tertentu. Program ini memungkinkan Anda untuk mengedit jaringan: membuat neuron, mengkonfigurasi sinapsisnya (komunikasi), mengkonfigurasi input dan output.
Refleks tanpa syarat pada awalnya dibuat, atas dasar pelatihan berlangsung. Seorang pria dilahirkan dengan sekumpulan refleks tanpa syarat yang siap pakai, yang telah disiapkan dan dipilih dengan cermat oleh evolusi. Rangkaian refleks ini menentukan variasi pelatihan kami.



Dalam video, Anda dapat melihat bagaimana dua refleks acuh tak acuh sederhana yang terdiri dari satu reseptor dan satu neuron motor, setelah beberapa pengulangan sendi menjadi terhubung secara asosiatif. Ada formasi "jumper" di antara mereka.
Saya belum menjelaskan rincian mengenai prinsip-prinsip operasi sistem dan neuron, karena kerja berdasarkan teori masih berlangsung, dan saya tidak ingin mengeluarkan teori mentah.

Ini baru awal dari perjalanan.Masih banyak pekerjaan yang harus dilakukan. Sekarang saya berencana untuk bekerja pada versi baru dari program yang akan memungkinkan saya untuk memahami beberapa detail tentang penghambatan dalam sistem saraf. Saya berencana untuk memperluas kemampuan sinyal input, sistem perasaan yang lebih rinci dan beragam, serta memperhitungkan sinyal informasi kimiawi spesifik yang akan memungkinkan kita untuk mensimulasikan persamaan emosi.

Setelah bekerja pada model-model seperti itu, semua aspek kerja neuron, akan dimungkinkan untuk melanjutkan ke penciptaan sistem yang memungkinkan Anda untuk membuat, seperti dalam editor struktur, mensimulasikan kerja otak hewan. Pada tahap ini, pengetahuan spesialis di bidang fisiologi otak juga akan diminati.
Kemampuan untuk identitas diri dan kesadaran diri adalah elemen integral dari kecerdasan, seperti yang Anda tahu, semua ini tertanam dalam struktur otak. Dan tidak mungkin membuat mesin berpikir tanpa menyalin struktur dan prinsip otak.

PS
Penelitian di bidang kecerdasan buatan, serta menulis artikel tentang topik ini bukan jenis utama kegiatan saya, jadi jangan menilai dengan ketat. Saya akan berterima kasih atas bantuan apa pun dalam pekerjaan, bantuan, saran, peringatan. Pendapat Anda dan kritik yang membangun sangat penting bagi saya.

Source: https://habr.com/ru/post/id382375/