Рады приветствовать всех на научно-популярном портале Lacertilia! Человеческая память — сложнейшая система. На протяжении всего ХХ века ей посвящали свои работы многие биологи, физиологи, математики, кибернетики... Тем не менее сконструировать вполне высоконадёжную систему, приближенную к естественной нейронной сети, человечеству не удаётся даже по сей день.
Для того чтобы живой организм зафиксировал в памяти определённый жизненный опыт, необходимо, чтобы поток импульсов, бегущий от органов чувств, в самом прямом смысле «прошёлся по мозгам» и активировал на своём пути определённые группы нервных клеток. Эти группы в результате активации образуют сложный ганглиозный узор. Так вот наша центральная нервная система (ЦНС) способна закреплять этот своеобразный узор во времени, а затем вновь воспроизводить его.
К всеобщему студенческому сожалению, такой материальный отпечаток объекта или опыта в процессе хранения претерпевает множество изменений. Собственно, это вы и сами могли чувствовать с раннего детства, когда в детском садике несносные воспитатели задавали выучить замысловатую песенку или стишок, а вы случайно переставляли окончания нескольких строчек местами или путались в последовательности куплетов. Конечным же результатом хранения информации является полное забывание (если, конечно, речь не идёт о текстах песен Аллы Пугачевой, сюжетах RPG или мемах из 2012).
Чтобы, напротив, студент на сдаче летней сессии вспомнил то, что он читал когда-то в конце октября, требуется возбуждение не просто разных нейронов, но целых нейронных диаспор — совозбуждаемых нейронных комплексов, или сетей. При создании искусственного интеллекта встал ребром вопрос: "Если даже не получится скопировать механизм работы естественных нейронных сетей, то каким образом можно хотя бы теоретически его описать и претворить в жизнь решение как минимум самых тривиальных логических операций?"
Запоминающим элементом искусственной нейронной сети является нейрон. Понятное дело, искусственный (или как его ещё называют, формальный). Про него мы совсем недавно опубликовали очень ёмкий и доступный материал, который является занятным экскурсом в вопрос: https://zen.yandex.ru/media/id/630a39cc41e3c62bb9620014/630bc2655fd742070996e25e . Однако в отличие от формального нейрона, который сам по себе является абстрактной моделью и имеет ёмкость 1 бит, реальный нейрон имеет ёмкость значительно большую, что подтверждается многочисленными физиологическими исследованиями (н-р, Виллиса в 1959 г.).
Для усовершенствования функциональных характеристик искусственных систем была придумана новая модель нейрона — пластический нейрон. Как и у формального, у него есть множество входов, привносящих разные сигналы, и один-единственный выход (см. схему выше). Основная особенность данной модели заключается в том, что имеющиеся в ней коэффициенты связи W могут изменяться в процессе функционирования нейрона. Эти коэффициенты (по аналогии с биологическими понятиями) ещё называют синаптическими весами. Синаптический вес — это степень влияния какого-то входного контакта на работу всей модели в целом (т.е. его "весомость").
Таким образом, каждый раз когда происходит изменение синаптического веса, а по-простому говоря, когда изменяется приоритетность поступающей на какой-то вход информации, нейрон это фиксирует, и тем самым осуществляется обучение нейрона.
Пластическим же данный нейрон был назван потому, что в процессе обучения он может изменять свои логические свойства. Действительно, если мы зададим коэффициенты как функции поведения нейронов, располагающихся до и после синапса, мы добьёмся различного поведения нейронной сети в целом.
Так, в процессе своей работы пластический нейрон записывает поступающие синаптические веса, затем сохраняет их, и при сохранении «запоминает» ту функцию поведения, которую он реализовывал в момент обучения.
Рассчитать непосредственно ёмкость нейрона — очень и очень трудная задача. Установить соответствие всей поступающей в мозг информации и той информации, что откладывается в памяти, попросту невозможно. Очевидно, что само запоминание связано либо с выработкой новых синаптических связей между нейронами, либо с изменением имеющихся синаптических весов. Когда нейрон воспроизводит запомненное, он выдаёт целый патронташ импульсов, что значительно увеличивает логические возможности системы. А это значит, что и запоминающая ёмкость мощно возрастает.
В заключение следует сказать, что человек, по видимому, запоминает информацию не битами, а символами и образами. Применяя перекодирование, человек может запомнить за одно и то же время разное количество информации. Возможно, это зависит от того, что в каждый момент времени используется какое-то ограниченное число нейронов, участвующих в запоминании образа; а количество информации, заключённое в этом образе, зависит лишь от того, как организован запоминаемый материал. Это обстоятельство может привести к неправильной оценке ёмкости нейрона и к её неоправданному завышению.
Всех благодарим за внимание! У сообщества имеется также своя группа в Вк, куда публикуется много увлекательных записей: https://vk.com/lacertillia . Подпишись! :)
#нейронныесети #нейросети #нейроны #наукаиобразование #наука #научпоп #наукаитехника #научныефакты #научныедостижения #научныеразработки #мозг #мозгчеловека