Sunteți pe pagina 1din 2

Construirea creierul uman

Creierul uman este extrem de complex si studiul lui presupune colectarea de informatii intr-o gama de niveluri, de la procese moleculare la comportament. Amploarea acestui angajament a condus, probabil, la o specializare crescuta referitoare la cercetarea creierului si o fragmentare concomitenta a cunostiintelor noastre. O posibila solutie este de a integra toate aceste cunostiinte intr-o simulare coerenta a creierului. Cu toate acestea, pur si simplu a construi un creier de jos in sus prin iterarea partilor sale, a conexiunilor si organizarea, nu reusesc sa capteze functia sa esentialaa ceea a comportamentului complex. In schimb, asa cum doar inginerii pot construi numai masini si calculatoare, deoarece ei stiu cum functioneaza, o sa fim capabili sa construim un creier daca stim cum functioneaza, daca am inteles calculele care sunt desfasurate/efectuate in zone individuale ale creierului, si felul cum sunt implementate aceste calcule la nivel de retele neuronale. Eliasmith si colab., fac progrese legate de acest obiectiv prin prezentarea acestui model de calcul la scara larga a creierului uman, care poate simula o varietate de comportamente complexe. Modelul lui Eliasmith si colab., au numit Semantic Pointer Architecture Unified Network (or Spaun) poate sa observe imagini vizuale si sa indice raspunsurile sale folosindu-se de modelul fizic al unui brat. Autorii arata ca Spaun poate efectua 8 sarcini diferite, toate acestea implica prezentarea diferitelor imagini ( mai ales numere) si raspunsurile motorii ulterioare( numere extrase cu bratul). Atributiile variaza de la sarcini simple de perceptie (de recunoastere a imaginii) la sarcini de memorie de lucru ( amintirea secventei) si sarcini de invatare cu intarire ( o activitate de jocuri de noroc) la sarcini cognitive complexe ( aspect ale unui coeficient de inteligenta (IQ)). Spaun indeplineste toate aceste sarcini, pe baza activitatii a2,5 milioane de neuroni simulati care sunt organizati in subsisteme asemanatoare diferitelor zone ale creierului si asamblate in asa fel sa asigure fuctionalitatea necesara. Imginea vizuala care soseste este prima comprimata astfel incat toate partile irelevante sau redundante, din imagine, sunt eliminate. Comprimarea este realizata printro ierarhie restrictionata a lui Boltzmann (intr-o retea neuronala feed-forword), unde straturile successive extrag mai multe caracteristici complexe ale intrarii vizuale. Autorii asociaza aceste straturi cu zone ale creierului ce cuprind fluxul visual ventral ( cortexul visual primar si secundar , cortexul occipital si cortexul temporal inferior). Pe partea motorie, Spaun devine un simplu semnal de comanda generat intern ( de exemplu, cum sa deseneze numarul 6) intr-o miscare complexa a bratului, care consta in mai multe miscari elementare. Calculele relevante se bazeaza pe teoria controlului optimal si sunt asociate cu zonele motorii suplimentare si cu cortexul motor primar. Aceasta compresie combinata si extinsa a informatiei rezolva blestemul dimensionalitatii in relatie cu mediul, problema manipularii unei cantitati uriase de informatii senzoriale si alegerea dintr-o cantitate extreme de vaste de posibile iesiri motorii. Mecanismul cognitiv actual,Spaun, este format din doua componente interconectate: un sistem de memorie de lucru [cortexul prefrontal (PFC)] i un sistem de selectie al aciunii (ganglionii bazali i talamus). Acesta din urma controleaza starea actuala a creierului si este partial inspirata de teoria invatarii reinforcement si un model contemporan a ganglionilor bazali. Memoria de lucrun Spaun se bazeaza pe un amalgam inovator de neural integrators luate de la neuroscience, precum si asa numitele amintiri de convoluie preluate din psihologie. the neural integrators ofera Spaun cu un mecanism de retea pentru a stoca informatii in timp ce amintiri de convoluie ofera un algoritm de memorie efficient care permite Spaun.ului sa lege informatiile care sosesc cu informatii deja stocate. Spaun reproduce efectele de comportament

such as primacy and recency: tendinta sa-si aminteasca primul si ultimul element dintr-o lista mai bine decat oricare altele. Un sistem suplimentar de memorie de lucru este folosit pentru a deduce in mod automat relatiile dintre stimuli din trecut si present. Aceasta deductie automata se ridica la un simplu caz de generalizare sintactica si este facuta posibil de modul in care Spaun se ocupa de reprezentarea numerelor. Spaun foloseste aceste calcule sa treaca unele aspect de baza ale unui test IQ. Sistemele Spaun au alocat pentru PFC reducerea decalajului dintre calcule simbolice abstracte si activitatea neuronilor singuri/unici. In special cu privire la amintiri de convolutie, Eliasmith si colab fac unele previziuni interesante a modului de ardere a retelelor de neuroni ar trebui sa evolueze in timpul sarcinilor de memorie de lucru consecutive. Aceste previziuni merita sa fie investigate experimental, mai ales aceste sarcini de memorie de lucru au fost folosite in electrofiziologia maimutei, astfel incat tipul potrivit de date poate fi deja cunoscut. Informatia actual este procesata prin populatiile de neuroni spiking. Legatura dintre calculele de la nivelul inalt efectuate de retelele si calculele efectuate de cel mai jos nivel de neuroni individuali este construit prinintermediul cadrul ingineriei neuronale, care specifica modul in care sa puna in aplicare operatiunile matematice vectoriale in retele neuronale spiking. Cadrul presupune ca informatiaeste citita liniar de la rate de ardere neuronale si se transforma prin neliniaritate de functii de activare neuronale. Prin urmare, informatiile procesate de fiecare domeniu sunt distribuite pe neuroni, si prin urmare se potrivesc aproximativ unele dintre cele cunoscute caracteristici electrofiziologice ale zonelor, cum ar fi reglarea diverselor tuning of neural firing rates la stimuli senzoriali sau motor outputs. Avand n domeniul de aplicare al modelului proiectat de Eliasmith si colab, nu este surprinztor faptul ca multe aspecte ale Spaun se abat de la creierul real. De exemplu, activitatea de spiking in cadrul mai multor domenii difera in mai multe aspect (inclusive aspect statistici de baza) din cea masurata in creierele reale. In ce masura aceasta problema poate fi remediata in activitatea viitoare, sau in ce masura sunt extinse discrepantele fata de modul fundamental in care difera calculee la nivelul creierului, este in prezent neclara. Deficienta principala a lui Spaun este ca, in esenta, este cablat si nu poate invata sarcini noi. Cu toate acestea, invatarea in sensul cel mai larg, cum ar fi invatarea de sarcini noi, este una din problemele pe care autorii le au lasat la o parte in mod deliberat, . ntr-adevr, asa cum Spaun esueaza putin in acest punct, asa se intampla si cu intelegerea noastra asupra creierului uman. Prin asamblarea unei cantitati mare de cunstiinte cu privire la creier Eliasmith si colab au oferit o teorie coerenta despre cum functioneaza acesta(cu exceptia invatarii). Pentru a-l parafraza pe statisticianul George Box, modelul lor este probabil gresit, dar este cu siguranta util. Mai mult, autorii au oferit un gambit???? Pentru abordarile de sus in jos la simulari ale creierului pe scata larga. Spaun niveleaza terenul prin stabilirea unui nou obiectiv i unui nou punct de reper pentru astfel de simulri: pentru a nu incorpora pur si simplu numrul cel mai mare mare de neuroni sau cel mai important detaliu, ci pentru a reproduce cat mai multa funcionalitate si comportament.