มีการจัดเซลล์ประสาทชีวภาพในชั้นที่ต่อเนื่องกันหรือไม่

ตอนนี้ฉันกำลังอ่านหนังสือชื่อHands-On Machine Learning ด้วย Scikit-Learn และ TensorFlowและในบทที่ 10 ของหนังสือเล่มนี้ผู้เขียนเขียนสิ่งต่อไปนี้:

สถาปัตยกรรมของเครือข่ายประสาทชีววิทยา (BNN) 4 ยังคงเป็นเรื่องของการวิจัยที่ใช้งานอยู่ แต่บางส่วนของสมองได้รับการแมปและดูเหมือนว่าเซลล์ประสาทมักจะมีการจัดระเบียบในชั้นที่ต่อเนื่องดังแสดงในรูปที่ 10-2

อย่างไรก็ตามดูเหมือนว่าจะไม่มีลิงค์ไปสู่การวิจัยใด ๆ และผู้เขียนไม่ได้บอกว่ามันได้รับ assertively ว่าเขาใช้"มันดูเหมือนว่าเซลล์ประสาทที่มักจะถูกจัดอยู่ในชั้นติดต่อกัน"

นี่เป็นเรื่องจริงและเชื่ออย่างรุนแรงเพียงใด การวิจัยนี้มาจากอะไร?

คำตอบสั้น ๆ จริง ๆ : ใช่

ตอบอีกต่อไปเล็กน้อย: ครับ

คำตอบยาว:

Convolutional neural Networks (CNNs) ซึ่งตอนนี้เป็นมาตรฐานในแบบจำลองการประมวลผลภาพได้รับแรงบันดาลใจจากงานที่ทำโดยHubelและWieselในปี 1950-60s พวกเขาแสดงให้เห็นว่าเยื่อหุ้มสมองที่มองเห็นของแมวและ mokeys มีเซลล์ประสาทที่ตอบสนองต่อพื้นที่เล็ก ๆ ของเขตข้อมูลภาพ

เพื่อให้พื้นหลังเราต้องเริ่มจากแท่งและโคนในดวงตาก่อน เซลล์ไวแสงเหล่านี้เชื่อมต่อกับเซลล์สองสามชั้นก่อนที่จะออกจากเรตินาผ่านเซลล์ปมประสาท

เซลล์ปมประสาทเหล่านี้จะเชื่อมต่อกับหลาย ๆ ส่วนของสมอง แต่ส่วนใหญ่แล้วกลีบสมองส่วนท้ายอยู่ที่ด้านหลังของสมอง กลีบท้ายทอยมีหน้าที่ในการประมวลผลภาพและแยกออกเป็นชั้นเยื่อหุ้มสมองซึ่งเป็นชื่อแรก V1 ซึ่งเป็นพื้นที่มองเห็นหลัก งานส่วนใหญ่ของ Hubel และ Wiesel เกี่ยวข้องกับเซลล์ใน V1 และแสดงให้เห็นว่าเซลล์เหล่านี้มีความอ่อนไหวต่อการปฐมนิเทศและสีจากบริเวณที่เปิดกว้างของเรตินาหรือไม่

เซลล์ใน V1 เชื่อมต่อกับเซลล์ใน V2 ซึ่งมีความอ่อนไหวต่อสิ่งเร้าที่เฉพาะเจาะจงมากขึ้นเช่นการเคลื่อนไหวด้วยการวางแนวและแนวโน้มของความไวที่เฉพาะเจาะจงนี้ยังคงเพิ่มขึ้นจาก V2 ไปยังพื้นที่ที่สูงขึ้นในสมอง

วิธีการมองเห็นแบบเลเยอร์นี้มีการใช้ประโยชน์อย่างมากในซีเอ็นเอ็นมากจนเมื่อความไวของเซลล์ประสาทในซีเอ็นเอ็นที่ได้รับการฝึกฝนปรากฏขึ้นการตอบสนองที่คล้ายกัน (ปฐมนิเทศ) จะพบ

มีหลักฐานชัดเจนว่าชั้นในระบบแสงชีวภาพและโครงสร้างชั้นคล้ายกันในความรู้สึกอื่น ๆ แม้ว่าจะมีการเชื่อมต่อมากมายระหว่างโครงสร้างสมองที่แตกต่างกัน แต่โครงสร้างหลักของเลเยอร์ในสมองได้ช่วยให้เข้าใจสิ่งต่าง ๆ ในสมองและช่วยสร้างแรงบันดาลใจในการวิจัยโครงข่ายประสาท

มีการจัดเซลล์ประสาทชีวภาพในชั้นที่ต่อเนื่องกันหรือไม่?

โอบกอดความเป็นจริงของความซับซ้อน

จะพูดว่า "ใช่" จะเป็นการรวมตัวแบบเบ็ดเสร็จเช่นเดียวกับการเรียนรู้แบบดิจิทัลที่เกิดขึ้นจากการเรียกซ้ำแบบง่าย ๆ ที่นำไปใช้กับชุดของกฎลอจิกคำสั่งแรกอันดับแรก

คำถามสุดท้ายคือคำถาม: "นี่เป็นเรื่องจริงและเชื่ออย่างรุนแรงเพียงไร? คุณต้องการโพลเพื่อกำหนดว่าเชื่อกันอย่างมากว่าเซลล์ประสาทในสมองนั้นอยู่ในโครงสร้างที่เป็นชั้น ๆ การอ้างถึงเลเยอร์ในการวิจัยจริงดูเหมือนจะไม่อ้างสิทธิ์ใด ๆ ว่าเลเยอร์นั้นต่อเนื่องกันมากที่สุดหากมีกรณีใด มีเลเยอร์ต่อเนื่องกับผิว แต่ผิวหนังที่มีเพียงเลเยอร์เท่านั้นจะขาดรูขุมขนขนส่วนต่อประสานกับร่างกายร่างกายและคุณสมบัติอื่น ๆ อีกมากมาย ในสมองของมนุษย์ (หรือในสมองของสัตว์) ความซับซ้อนสามมิตินั้นเพิ่มขึ้นอย่างมากจากผิวหนัง

มันจะดีถ้าจากมุมมองของนักวิจัย AI

• แผนการเรียกซ้ำแบบฮิวริสติกหรือเชิงทฤษฎีที่นำไปใช้กับระบบผู้เชี่ยวชาญสามารถสร้างการเรียนรู้หรือสติปัญญาหรือ
• แผนที่ของสมองมนุษย์ (หรือนก) สามารถลดลงเป็นชุดของเซลล์ประสาทในแถวของเซลล์ประสาทที่เหมือนกันจัดเรียงเป็นชั้น

ภาพที่ให้ไว้ในคำถามไม่ได้แสดงถึงความเรียบง่ายดังกล่าว จริงๆแล้วมันแสดงให้เห็นถึงการสนทนาว่าธรรมชาตินั้นไม่ค่อยโปร่งใสในความสลับซับซ้อน

การอธิบายลักษณะ "เนื่องจากดูเหมือนว่าเซลล์ประสาทมักถูกจัดเรียงในเลเยอร์ที่ต่อเนื่องกัน" จึงไม่ถูกต้อง ลักษณะที่สมเหตุสมผลด้านล่างของชิ้นส่วนที่แสดงด้านล่างบ่งบอกถึงสองภูมิภาคที่อาจแตกต่างกันอย่างสิ้นเชิงตารางด้านซ้ายสุด 8% และความเชื่อมโยงแนวนอนส่วนใหญ่ใน 92% ที่เหลือ

วิศวกรไฟฟ้าหรือนักคณิตศาสตร์คงไม่เรียกชั้นสองส่วนนี้ ด้านซ้ายอาจถูกตั้งสมมติฐานว่าเป็นเมทริกซ์ของบางรูปแบบและ 92% ที่เหมาะสมอาจถูกพิจารณาว่าเป็นวงจรการประมวลผลที่ซับซ้อน

การหาลักษณะของโครงสร้าง 2D

• แกนจะถูกชี้นำไปตามทิศทางที่อธิบายโดยเวกเตอร์หน่วย (-1, 0, 0) เป็นอย่างอื่นสามารถอธิบายได้ว่าเป็นขวาไปซ้าย
• ความหนาแน่นของแอกซอนเพิ่มขึ้นสำหรับค่าคู่รักของ x เนื่องจากสัดส่วนที่สูงของซอนที่สิ้นสุดที่ค่าต่ำกว่าของ x
• ความหนาแน่นของนิวเคลียสนั้นค่อนข้างจะอยู่ในช่วง 0.1 ถึง 1.0 ตามช่วงของ x
• ขนาดนิวเคลียสและความซับซ้อนของ dendrite ที่สัมพันธ์กันนั้นมีความลาดชันโดยมีค่าสูงสุดหลักที่ 0.8 ของค่าสัดส่วนของ x และค่าสูงสุดรองที่ 0.55 ของค่าสัดส่วนของ x
• อย่างน้อยสองซอนแยกไปสองทางระหว่างตำแหน่ง x ที่เป็นสัดส่วน
• มีสัจพจน์เกือบเท่ากันเกือบทั้งหมดขนานกับแกน z ในช่วง 0.0-0.08 ของค่าสัดส่วนของ x
• รูปแบบโครงสร้างเพิ่มเติมไม่ชัดเจนหรือไม่มีอยู่

ภาพอื่นที่มีโครงสร้างวุ่นวาย

ล้านครั้งของความซับซ้อน

พิจารณาเพิ่มเติมว่าความซับซ้อนส่วนใหญ่ถูกซ่อนไว้จากผู้ชมในชิ้นเดียวของโครงสร้างระบบประสาทสามมิติ หากเราตัดสินใจโดยพลการว่าภาพนั้นเป็นชิ้นที่ตัดขนานกับระนาบ xz เราจะเห็นความสัมพันธ์ในแผน xz นั้น แต่ใน xy และ yz ชิ้นส่วนอื่น ๆ จากทิศทางหรือตำแหน่งอื่นในสมองจะมีความพิเศษไม่เหมือนหน้าต่างที่กำหนดเข้าไปในชุด Mandelbrot

การบิดเบือนความจริงของผลการวิจัยเพิ่มเติม

วลีที่ว่า "บางส่วนของสมองถูกทำแผนที่" ก็ทำให้เข้าใจผิดเช่นกัน การเชื่อมต่อทั่วไประหว่างโครงสร้างย่อยของสมองมนุษย์ถูกแมปไม่ใช่สัญญาณและเกณฑ์สำหรับการแพร่กระจายสัญญาณและความแข็งแกร่งในเซลล์ประสาทแต่ละตัว วงจรต่างกันอย่างสิ้นเชิงในระดับเซลล์ประสาทระหว่างสมองทั้งสองซึ่งทั้งคู่แสดงให้เห็นถึงความฉลาดในร่างกาย (ในสิ่งมีชีวิต)

การเปรียบเทียบเปรียบเสมือนบุคคลที่มีขนาดของจุลินทรีย์ที่มีแผนที่ของทวีปเมืองใหญ่และเส้นทางการเดินเรือ แต่ไม่มีความรู้เกี่ยวกับระบบการขนส่งมาก่อนไม่มี GPS และไม่มีแผนที่รายละเอียดอื่น ๆ ที่ต้องการเดินทางจากหอไอเฟลไปยัง ใจกลางเมืองในซิดนีย์ออสเตรเลีย มีวิวัฒนาการของระบบการขนส่งที่ไม่เพียงพอหรือมีทิศทางโดยละเอียดซึ่งการเดินทางสามารถทำได้สำเร็จ

ในกรณีที่ถึงระดับรายละเอียดในโครงสร้างและหน้าที่ของสมองมนุษย์เพียงพอที่จะสร้างรุ่นอิเล็กทรอนิกส์หนึ่งชิ้นที่หายไปรวมถึงการขาดความเข้าใจ

• เงื่อนไขภายใต้ซอนหรือ dendrite เติบโตในความยาวหรือแฉก
• เงื่อนไขภายใต้การที่เซลล์ประสาทยิงจากโครงสร้างภายในที่ทราบว่าเก็บข้อมูลสถานะภายในไซโตพลาสซึม
• ความสัมพันธ์ระหว่างจีโนมมนุษย์และพันธุ์และผลกระทบต่อโครงสร้างของยีนต่าง ๆ กลไกการแสดงออกของยีนและเอนไซม์และโปรตีนที่เกี่ยวข้อง
• ความซับซ้อนอื่น ๆ นอกเหนือจากระดับการศึกษาของฉันในด้านประสาทวิทยาศาสตร์
• ความซับซ้อนอื่น ๆ นอกเหนือจากระดับการศึกษาของทุกคนในด้านประสาทวิทยาศาสตร์

เลเยอร์และลำดับชั้น

เป็นเรื่องธรรมดาทางวิทยาศาสตร์ที่จะแสวงหาเลเยอร์หรือลำดับชั้นเพื่อใช้ในการศึกษาและการปฏิบัติเพราะสามารถช่วยในการทำความเข้าใจโครงสร้างทางกายวิภาค แนวโน้มดังกล่าวปรากฏในวิศวกรรมซอฟต์แวร์ในการออกแบบระบบปฏิบัติการการออกแบบภาษาโปรแกรมการออกแบบแอปพลิเคชันและตอนนี้การออกแบบ AI เมื่อเทคโนโลยีเหล่านี้พัฒนาขึ้นแนวโน้มก็อยู่ห่างจากการออกแบบแบบเลเยอร์บริสุทธิ์หรือแบบลำดับชั้นไปจนถึงเครือข่ายเชื่อมต่อที่ไม่มีข้อ จำกัด มากขึ้น ต้องการความเรียบง่าย แต่บางครั้งก็ต้องการความซับซ้อน

การจำลองความฉลาดเป็นเป้าหมายที่ท้าทายและความล้มเหลวในช่วงครึ่งศตวรรษแรกของความพยายามในการออกแบบระบบดิจิตอลอัจฉริยะนั้นชัดเจนว่าโซลูชันการทำงานต้องการความซับซ้อนและความเชี่ยวชาญสูง

มันมีเหตุผลที่จะสมมติว่าไม่มีข้อ จำกัด ในการชี้นำวิวัฒนาการของความฉลาดของมนุษย์ในทิศทางของโครงสร้างที่มีลักษณะเป็นชั้นหรือโครงสร้างแบบลำดับชั้น กระบวนการวิวัฒนาการไม่ได้แจ้งให้ทราบถึงความเรียบง่ายเพื่อจุดประสงค์ในการศึกษาเชิงวิชาการ ไม่มีอะไรเกี่ยวกับการแสดงออกของยีน DNA หรือวิธีการที่เซลล์ประสาทเติบโตในระยะของทารกในครรภ์หรือในภายหลังซึ่งจะบังคับใช้กฎความเรียบง่ายเช่นนี้ต่อโครงสร้างหรือหน้าที่

การแสดงออกของ DNA นั้นซับซ้อนเพียงใดที่นำไปสู่ลักษณะของสมองที่เราพิจารณาว่าเป็นความฉลาด? ระบบประสาทมีความซับซ้อนมากน้อยเพียงใดที่แสดงออกมา? บางคนเชื่อว่ามนุษยชาติจะต้องวิวัฒนาการก่อนที่จิตใจมนุษย์จะสามารถจำลองตัวเองได้ การคาดเดาเช่นนี้อาจเป็นจริงหรือเท็จ นี่เป็นเรื่องยากที่จะคาดการณ์แม้ในลำดับความสำคัญ

การวิเคราะห์เชิงตัวเลขของการทำนายในแง่ดี

ความคาดหวังสำหรับการเติบโตแบบเอ็กซ์โปเนนเชียลได้ถูกเสนอเพื่ออายุขัยความจุของแผงโซล่าร์ในเยอรมนีความเร็วของ CPU (การประมวลผลคำสั่งไมโครโปรเซสเซอร์ต่อวินาที) ความหนาแน่นของทรานซิสเตอร์ (กฎของมัวร์) ขนาดของพรรคคอมมิวนิสต์และตัวชี้วัดอื่น ๆ แต่ถึงแม้ว่าอัตราการเจริญเติบโตในธรรมชาติและความพยายามของมนุษย์มักจะทวีคูณในช่วงแรก ๆ แต่ก็ไม่เคยพิสูจน์ให้เห็นถึงความยั่งยืน อัตราการเจริญเติบโตจะเป็นแบบเส้นตรงในช่วงเวลาสั้น ๆ หลังจากนั้นและจะกลายเป็นรูปร่างส่วนโค้งเมื่อสัมผัสกับความอิ่มตัว จากความอิ่มตัวค่าของตัวชี้วัดมีแนวโน้มที่จะลดลงและเพิ่มขึ้นในความยุ่งเหยิงพอดีและเริ่มในช่วงเวลาที่ยาวนาน

ในเดือนเมษายน 2005 กอร์ดอนมัวร์ (ผู้เขียน "กฎ" ของมัวร์) กล่าวว่า "[การเติบโตแบบเอ็กซ์โปเนนเชียล] ไม่สามารถดำเนินต่อไปได้ตลอดไปธรรมชาติของเอ็กซ์โปเนนเชียลคือคุณผลักพวกเขาออกไป เขากล่าวในภายหลังว่า "ในแง่ของขนาด [ของทรานซิสเตอร์] คุณจะเห็นว่าเรากำลังเข้าใกล้ขนาดของอะตอมซึ่งเป็นสิ่งกีดขวางพื้นฐาน"

สิ่งสำคัญคือต้องเข้าใจว่ามัวร์ไม่ได้ประดิษฐ์กฎหมาย เขาตรวจสอบข้อมูลมานานกว่าสองทศวรรษแล้วและสังเกตว่าความหนาแน่นของทรานซิสเตอร์นั้นเป็นสัดส่วนอย่างคร่าวๆกับ e ^tโดยที่ t คือระยะเวลาตั้งแต่วงจรรวมถึงตลาดมวลชนเป็นครั้งแรกและจากนั้นทำนายการเติบโตแบบเลขชี้กำลังต่อไป

การทำนายที่สมจริง

มนุษย์ไม่เคยลองทำอะไรสักอย่างเพื่อทำลายขีด จำกัด พื้นฐานในการสร้างแบบจำลองของตัวเอง หากไม่มีประสบการณ์ที่เกี่ยวข้องที่จะรู้ว่าการเติบโตแบบเอ็กซ์โพเนนเชียลการเติบโตเชิงเส้นการเติบโตแบบอาร์กแทนเจนต์หรือรูปแบบอื่น ๆ เป็นรูปแบบที่น่าจะเป็นไปได้มากที่สุดแบบจำลองที่ปลอดภัยที่สุดน่าจะเป็น

ในการคาดการณ์ใด ๆ เราจะต้องรวบรวมจุดข้อมูลบางอย่าง แม้ว่านี่จะเป็นการทำนายที่สมจริง แต่ก็ไม่ได้ขยันมาก บางทีการทำงานมากขึ้นสามารถทำได้เพื่อค้นหาแบบจำลองที่มีความเป็นไปได้มากกว่าแบบเชิงเส้นพัฒนาระบบของทฤษฎีและตัวชี้วัดเพื่อกำหนดความก้าวหน้า ณ จุดใดก็ได้ในเวลาหรือรวบรวมจุดข้อมูลเพิ่มเติมเพื่อสร้างสี่เหลี่ยมที่เหมาะสมที่สุด สำหรับจุดประสงค์ของคำตอบนี้เราจะใช้จุดข้อมูลสองจุดและทำการประมาณเชิงเส้น

ในปี 2203 เบลสปาสคาลเขียนในเพ็นเซส ("ความคิด"), "เครื่องคิดเลขที่ผลิตเอฟเฟกต์ซึ่งเข้าใกล้ความคิดมากกว่าการกระทำทุกอย่างของสัตว์ แต่มันไม่ทำอะไรเลยที่จะทำให้เรา สัตว์ "ดังนั้นการค้นหาแบบจำลองเชิงกลไกของหน่วยสืบราชการลับของมนุษย์ก็เริ่มดำเนินการในเวลานั้น

ตั้งแต่นั้นมาโปรแกรมเมอร์คอมพิวเตอร์ได้พัฒนาโค้ดที่สามารถบรรลุความสามารถของมนุษย์จำนวนมาก

• ลักษณะทั่วไปของการคำนวณเชิงตัวเลขและตรรกะ (CPU)
• สำนักงานอัตโนมัติ
• การจดจำรูปแบบ (นำไปใช้กับการเขียนการพูดและฉาก)
• การบรรจบกันของวงจรที่เหมาะสมที่สุดในการใช้งาน
• การประยุกต์ใช้ความน่าจะเป็นในการตัดสินใจ (ทฤษฎีบทของเบย์ ฯลฯ )
• ระบบกฎที่มีความเป็นเลิศในเกมที่ไม่ต่อเนื่อง

คุณสมบัติที่ขาดหายไปจากการจำลองแบบดิจิตอลในปัจจุบันของความชาญฉลาดของระบบดิจิตอลนั้นมีความสำคัญและมากมาย

• สัญชาตญาณในการแจกแจงแนวทางปัญหาทั่วไป
• ความเป็นเลิศในทักษะการใช้ภาษาธรรมชาติ
• อารมณ์ความรู้สึกในศิลปะ
• การแสดงออกทางการเมืองในงานศิลปะ
• เล่นกีฬาได้ดี (ภายในระบบหุ่นยนต์)
• ทำงานได้ดีในที่ทำงาน (ให้คำแนะนำโดยพลการ)
• เรียนรู้ที่จะทำสิ่งใหม่ในที่ทำงาน
• การเริ่มต้นโครงการโดยไม่มีประสบการณ์มาก่อนในโดเมน
• การวิเคราะห์การลดทอนที่ครอบคลุม
• การออกแบบที่ซับซ้อนของอุปกรณ์ทางกายภาพตามความต้องการ)
• การพัฒนาซอฟต์แวร์ (ซอฟต์แวร์ผลิตซอฟต์แวร์ตามข้อกำหนด)
• ส่วนขยายที่ได้รับแสงสว่างจากการศึกษา
• การระบุตัวตนของอุบายในเวลาจริง
• ความใกล้ชิดทางอารมณ์
• ความเห็นอกเห็นใจและการเอาใจใส่
• การประเมินตนเองอย่างครอบคลุม
• การพัฒนาพื้นที่ใหม่ของคณิตศาสตร์เพื่อพิสูจน์สมมติฐาน
• ไปที่ชั้นเรียนและเรียนรู้เพิ่มเติม
• เลือกหนังสือและบทความตามเส้นทางการเรียนรู้ที่ต้องการแล้วอ่าน
• ความสามารถอื่น ๆ ตามสายเหล่านี้

ระบุว่ารายการนี้ถูกย่อและรายการเหล่านี้ที่ยังไม่ได้รับในซอฟต์แวร์ไม่สามารถอธิบายได้โดยใช้กลไกในภาษาธรรมชาติเหมือนกับที่ได้รับการเขียนโปรแกรมเรียบร้อยแล้วเราจึงมั่นใจได้ว่าในปี 2560 เรามีระบบดิจิตอลที่ประสบความสำเร็จเท่านั้น เศษเสี้ยวของความกว้างของคุณสมบัติของชุดสมบูรณ์ที่ผู้คนคาดหวังจากมนุษย์โดยไม่เรียกบุคคลที่ท้าทายจิตใจ ตัดสินจากรายการความสำเร็จไม่เกิน 10% ของสิ่งที่คนฉลาดทำถูกจำลองด้วยซอฟต์แวร์คอมพิวเตอร์

โดยไม่มีเหตุผลใดที่จะเชื่อว่าอัตราการค้นพบจะลดลงหรือเพิ่มขึ้น (แม้ว่าจะมีการอ้างว่าความก้าวหน้าของมนุษย์นั้นเป็นแบบทวีคูณ¹ ) การประมาณเชิงเส้นอย่างง่ายทำให้สมองอิเล็กทรอนิกส์ค่อนข้างสมบูรณ์บนขอบฟ้าสำหรับปี 5,587