3414
La lógica de pensamiento. Parte 1. Neurona
Hace año y medio, me pongo el ciclo Habr video conferencias con mi visión de cómo funciona el cerebro y cuáles son las posibles formas de crear inteligencia artificial. Durante el pasado desde el tiempo logró avanzar. Algo pasó una comprensión más profunda que de alguna manera se las arregló para simular en un ordenador. Lo que es agradable, había partidarios, participando activamente en el proyecto.
En esta serie de artículos planeado hablar sobre el concepto de la inteligencia en el que estamos trabajando y demostrar algunas de las decisiones que son fundamentalmente nuevo en el campo de la modelización del cerebro. Pero esa historia era clara y consistente, contendrá no sólo una descripción de las nuevas ideas, sino también la historia de cómo funciona el cerebro en general. Algunas cosas, sobre todo al principio pueden parecer simples y muy conocido, pero yo le aconsejo que no te pierdas ellos, ya que determinan en gran medida la fuerza probatoria general de la narración.
La idea general de la
cerebro
Las células nerviosas, también neuronas, con sus fibras de transmisión de señales forman el sistema nervioso. En los vertebrados, la mayor parte de las neuronas se concentran en la cavidad craneal y el canal espinal. Esto se llama el sistema nervioso central. Por consiguiente, el cerebro y la médula espinal aislada como sus componentes.
De la médula espinal recoge las señales de la mayoría de los receptores de cuerpo y las transmite al cerebro. A través de la estructura del tálamo que se distribuyen y se proyectan en la corteza cerebral del cerebro.
La información de la proyección en la corteza i>
Además de los hemisferios cerebrales se dedica a procesamiento de la información es también el cerebelo, que es, de hecho, es un pequeño cerebro independiente. Cerebelo proporciona habilidades motoras precisas y coordinación de todos los movimientos.
Visión, audición y el olfato del cerebro proporciona el flujo de información sobre el mundo exterior. Cada uno de los componentes de esta corriente, que pasa en su camino, y se proyecta sobre la corteza. Bark - una gruesa capa de materia gris 1,3 a 4,5 mm y que constituye una superficie exterior del cerebro. Debido a los pliegues formados circunvoluciones, corteza lleno, así que toma tres veces menos espacio que en forma expandida. La superficie total de la corteza de un hemisferio - alrededor de 7.000 centímetros cuadrados
Como resultado, todas las señales se proyectan en la corteza. La proyección se lleva a haces de fibras nerviosas, que se distribuyen en un área limitada de la corteza. La trama, que se proyecta o información externa, o la información de otras partes del cerebro forma una zona de la corteza. Dependiendo de qué señales llegan a esa zona, tiene su especialización. Distinguir el área motora de la corteza, el área sensorial, el área de Broca, áreas visuales de Wernicke, el lóbulo occipital, sólo alrededor de un centenar de diferentes áreas.
corteza i>
En la dirección vertical de la corteza se puede dividir en seis secciones. Estas capas no tienen límites claros y se definen por la prevalencia de un tipo de célula particular. En diversas áreas corticales estas capas pueden expresarse en diferentes formas, más o menos. Pero, en general, podemos decir que la corteza es lo suficientemente flexible, y suponemos que el funcionamiento de sus diferentes zonas está sujeta a los mismos principios.
Las capas de la corteza i>
Por fibras aferentes señales se envían a la corteza. Se dividen en la III, IV nivel de la corteza donde propagación a la cercana al lugar donde cayó neuronas de fibra aferente. La mayoría de las neuronas tienen conexiones axonales dentro de su área de la corteza. Pero algunas neuronas tienen axones que van más allá de ella. Por estas fibras eferentes señales son o bien fuera del cerebro, tales como los órganos ejecutivos, o proyectada sobre otras partes de la corteza de su o el otro hemisferio. Dependiendo de la dirección de las fibras eferentes de transmisión de señal se puede dividir en:
fibras asociativas que conectan las partes individuales de la corteza de un hemisferio; fibras comisurales que conectan los dos hemisferios de la corteza; proyección de fibras que conectan la corteza con los núcleos de las partes más bajas el sistema nervioso central.
Uno puede imaginar la corteza cerebral como un gran lienzo, hecho para zonas individuales. Imagen de la actividad neuronal de cada zona codifica cierta información. Los haces de fibras nerviosas formadas por axones que van más allá de su corteza, formando un sistema de enlaces de proyección. En cada una de las zonas se proyecta cierta información. Y un área puede introducir múltiples flujos de información que pueden venir con sus dos bandas, y el hemisferio opuesto. Cada flujo de información similar a la clase de imagen dibujada actividad axones manojo de nervios. Funcionamiento corteza separada - está proporcionando una pluralidad de proyecciones, la memorización de la información, su procesamiento, la formación de su propia actividad de pintura y más información de proyección, lo que resulta en una obra de esta zona
.
Un volumen importante del cerebro - una sustancia blanca. Está formado por los axones de las neuronas, la creación de la forma muy plana. En la figura siguiente se puede ver la sustancia blanca que tan brillante el relleno entre la corteza y la estructura interna del cerebro.
La distribución de la materia blanca en las secciones frontales del cerebro i>
Utilizando espectral difusa RM fue capaz de rastrear la dirección de las fibras individuales y construir un modelo tridimensional de las áreas corticales connectedness (proyecto Conectómica (Connect)).
La comprensión de la estructura de relaciones es muy por debajo de las cifras dadas (Van J. Wedeen, Douglas L. Rosene, Ruopeng Wang, Guangping Dai, Farzad Mortazavi, Patric Hagmann, Jon H. Kaas, Wen-Yih I. Tseng, 2012).
Vista desde el hemisferio izquierdo i>
Vista trasera i>
Vista derecha i>
Por cierto, una proyección trasera es claramente visible tracto asimetría de los hemisferios izquierdo y derecho. Esta asimetría se determina en gran medida las diferencias en aquellas funciones que adquieren hemisferio que están aprendiendo.
Neurona
Base del cerebro - neurona. Naturalmente, el modelado del cerebro usando redes neuronales comienza con la respuesta a la pregunta, ¿cuál es el principio de su funcionamiento.
En el corazón de una neurona real son procesos químicos. En el estado de reposo entre el interior y el exterior de la neurona, hay una diferencia de potencial - el potencial de membrana de alrededor de 75 mV. Se forma por la operación de moléculas específicas de proteínas que actúan como bomba de sodio-potasio. Estas bombas debido a los iones de potasio accionados ATP de nucleótidos de energía en el interior y los iones de sodio - fuera de la célula. Dado que la proteína de este modo actúa como un ATP-asa, es decir, la enzima que hidroliza ATP, se llama - "ATPasa de sodio-potasio." Como resultado, la neurona se convierte en un condensador cargado con una carga negativa dentro y fuera positivo.
La neurona circuito (Mariana Ruiz Villarreal) i>
La superficie está cubierta con una neurona procesos de ramificación - dendritas. Por el extremo del axón adyacente dendritas de otras neuronas. Sus articulaciones se denominan sinapsis. A través de la interacción de la neurona sináptica puede responder a las señales de entrada y, en determinadas circunstancias para generar su propio impulso, llamado espiga.
Señal de la transmisión en las sinapsis ocurre a través de sustancias químicas llamadas neurotransmisores. Cuando un impulso nervioso a lo largo del axón entra en la sinapsis, libera moléculas de neurotransmisor vesículas característica especial de esta sinapsis. En la membrana de una neurona, la señal de recepción tiene una molécula de proteína - receptores. Los receptores interactúan con los neurotransmisores.
Sinapsis i>
Receptores localizados en la hendidura sináptica son ionotrópicos. Se hace hincapié en el hecho de que son los mismos canales iónicos, capaces de iones en movimiento. Los neurotransmisores actúan sobre los receptores a fin de que sus canales iónicos abiertos. En consecuencia, una membrana se despolariza, hiperpolarización o - dependiendo de qué canales se ven afectados, y, en consecuencia, este tipo de sinapsis. En las sinapsis excitadoras canales abiertos cationes permeables en la célula - se despolariza la membrana. En las sinapsis inhibitorias canales abiertos, proporcionando aniones, lo que lleva a la membrana hiperpolarización.
En ciertas circunstancias, las sinapsis pueden cambiar su sensibilidad se llama la plasticidad sináptica. Esto conduce al hecho de que una sinapsis de las neuronas se hacen diferentes entre una susceptibilidad a las señales externas.
Al mismo tiempo, las sinapsis de una neurona recibe una pluralidad de señales. Sinapsis inhibidoras tiran del potencial de la membrana hacia la acumulación de carga dentro de la jaula. Activación de las sinapsis, por el contrario, tratar de calmar la neurona (abajo).
excitación (A) y la inhibición (B) las células ganglionares de la retina (J. Nicholls., Martin R., Wallace B., P. Fuchs, 2003) i>
Cuando la actividad total excede el umbral de iniciación, una descarga, llamado un potencial de acción o espiga. Pico - un fuerte despolarización de la membrana de una neurona, que genera un impulso eléctrico. Todo el proceso de generación de impulso dura alrededor de 1 milisegundo. Sin embargo, ni la duración ni la amplitud del impulso no depende de lo fuerte que se las razones invocadas (véase la figura más abajo).
unirse a los potenciales células ganglionares de la acción (J. Nicholls., Martin R., Wallace B., P. Fuchs, 2003) i>
Después de Spike bombas iónicas proporcionan la recaptación del neurotransmisor y limpieza de la hendidura sináptica. Durante el período refractario, que viene después de la espiga, la neurona no es capaz de generar nuevos impulsos. Este período determina la frecuencia máxima de oscilación, que es capaz de neurona.
Picos que surgen como resultado de la actividad en las sinapsis, llamados inducidos. La frecuencia de repetición de los picos causado codifica lo bien que la señal de entrada corresponde al ajuste de la sensibilidad de las sinapsis neuronales. Cuando las señales caídas en las sinapsis sensibles activan las neuronas, y no interfiere con las señales que llegan a las sinapsis inhibitorias, se maximiza la respuesta de la neurona. La imagen que se describe por las señales característica de la neurona se llama un estímulo.
Por supuesto, la idea de las neuronas no es necesario simplificar en exceso. Información entre ciertas neuronas se puede transmitir no sólo los picos, sino también mediante la conexión de los canales de contenido intracelular y transmitir el potencial eléctrico directamente. Dicha prórroga se llama gradual, pero el compuesto en sí se llama sinapsis eléctrica. Las dendritas, en función de la distancia desde el cuerpo celular se dividen en proximal (cerca) y distal (remoto). La sección distal puede formar dendritas, que actúan como semi-elementos. Además de las vías sinápticas tener mecanismos de excitación extrasinápticos causando adherencias metabotrópicos. Además también hay actividad evocada y la actividad espontánea. Por último, las neuronas del cerebro están rodeadas por las células gliales, que también tienen un impacto significativo en los procesos en ejecución.
El largo camino de la evolución ha creado muchos mecanismos utilizados por el cerebro en su trabajo. Algunos de ellos se puede entender por sí mismos, lo que significa otro se convierte en claro al considerar sólo las interacciones bastante complejos. Así que no tome la descripción anterior se hace de una neurona como exhaustiva. Para ir a los patrones más profundos, primero tenemos que hacer frente a las propiedades "básicos" de las neuronas.
En 1952, Alan Lloyd Hodgkin y Andrew Huxley se hicieron describir los mecanismos eléctricos que determinan la generación y transmisión de las señales nerviosas en el axón gigante del calamar (Hodgkin, 1952). Lo que fue calificado como el Premio Nobel de Fisiología o Medicina en 1963. Modelo Hodgkin - Huxley describe el comportamiento de un sistema de neuronas de ecuaciones diferenciales ordinarias. Estas ecuaciones se corresponden con los procesos de auto-oscilante en el medio activo. Tienen en cuenta el conjunto de componentes, cada uno de los cuales tiene su contraparte en la celda biofísica real (figura de abajo). Bombas de iones corresponden a una fuente de corriente I p sub>. La capa lipídica interna de la membrana celular forma un condensador con capacitancia C m sub>. Los canales iónicos receptores sinápticos proporcionan conductividad g eléctrica n sub>, que depende de la entrada de señales cambian con el tiempo t, y el valor total del potencial de membrana V. La corriente de fuga de los poros de la membrana crea conductor g L sub> . El movimiento de los iones en los canales de iones se produce bajo la influencia de gradientes electroquímicos, correspondiente a una fuente de tensión con una fuerza electromotriz E n sub> y E L sub>.
Los principales componentes del modelo de Hodgkin - Huxley i>
Naturalmente, con la creación de las redes neuronales tienen el deseo de simplificar el modelo de una neurona, dejando sólo las propiedades más esenciales. El más famoso y popular modelo simplificado - una neurona artificial McCulloch - Pitts, desarrollado a principios de 1940 (J. McCulloch, W. Pitts, 1956).
.
La neurona formal de McCulloch - Pitts i>
Las entradas de las señales neuronales son. Estas señales se suman equilibrada. Junto a esta combinación lineal utilizado alguna función de activación no lineal, por ejemplo, una sigmoide. A menudo se utiliza como una función logística sigmoidal:
La función logística i>
En este caso la actividad se registra como una neurona formal de
Como resultado de una neurona tal se convierte en un sumador de umbral. En función de umbral suficientemente empinada de la señal de salida de neurona - ya sea 0 ó 1. Una suma ponderada de la señal de entrada y los pesos de la neurona - una convolución de dos imágenes: la imagen de la señal de entrada y la imagen descrita por los pesos de la neurona. El resultado de la convolución de la más alta, la adaptación más precisa de estas imágenes. Es decir, la neurona es, de hecho, determina cómo la señal es similar a la imagen suministrada, grabado en sus sinapsis. Cuando el valor de la convolución supera un cierto nivel y la función de umbral es conmutado a uno, que se puede interpretar como una fuerte declaración de la neurona que aprendió la presentación de la imagen.
Neuronas reales son de hecho de alguna manera similar a las neuronas McCulloch - Pitts. Las amplitudes de los picos no depende de lo que las señales fueron llamados sinapsis. Spike, ya sea allí o no lo es. Pero las neuronas reales responden a un estímulo no un solo pulso y la secuencia de impulsos. La frecuencia del pulso, más alta es la imagen de la neurona sabe exactamente típico. Esto significa que si se construye una red neuronal de sumadores tales umbrales, es en una señal de entrada estática y proporcionar a la salida un resultado, pero el resultado será lejos de la reproducción de cómo las neuronas reales. Con el fin de llevar la red neuronal para el prototipo biológico, tenemos que simular la dinámica de un determinado propiedades horario y la frecuencia de las señales de reproducción.
Pero se puede ir a otro lado. Por ejemplo, puede seleccionar la característica generalizada de la actividad neuronal, lo que corresponde a la frecuencia de sus impulsos, es decir, el número de espigas durante un cierto período de tiempo. Si vas a esta descripción, se puede imaginar una neurona como un simple combinador lineal.
combinador lineal i>
Y señales de salida, respectivamente, para la entrada de tales neuronas no están dihatomichnymi (0 o 1), y se expresaron en alguna cantidad escalar. La función de activación de tiempo se registra como
Sumador lineal no debe ser tomado como algo fundamentalmente diferente en comparación con la neurona pulsada, que sólo permite el modelado o descripción ir a intervalos de tiempo más largos. Aunque la descripción de impulsos más correctamente, la transición a un combinador lineal se justifica en muchos casos una fuerte simplificación del modelo. Además, algunas propiedades importantes son difíciles de discernir en una neurona pulsada fácilmente evidente para el combinador lineal.
Continuación
Referencias
Alex Redozubov (2014)
Fuente: habrahabr.ru/post/214109/