• Логика мышления. Часть 5. Волны мозга
    0
    Определенный локальный узор вызванной активности порождает случайный и уникальный только для него волновой узор. Когда волна доходит до границы обученного к ее распространению пространства, возникает ее случайное продолжение. Но как только кора проходит обучение следующая волна от того же паттерна вызванной активности уже неслучайна. Она каждый раз повторяет один и тот же глобальный узор. В любом месте коры по тому какой узор волны пришел можно судить о том, какой паттерн его вызвал. Нелинейность нейронов здесь ни причем. Просто каждый нейрон «помнит» огромное количество узоров на которые он должен дать волновой спайк и стать продолжением именно этой волны.
  • Логика мышления. Часть 5. Волны мозга
    +2
    Забегая вперед скажу, что волновая модель принципиально важна для механизмов ассоциативной памяти и обобщения. А это половина ИИ. Тезис, что ИИ воспитывается, а не создается совершенно верный. Но очень важно понимать, что и эмоциональные оценки тоже результат обучения, а не врожденные знания. Врожденные — только оценки ощущений (типа боли, голода, насыщения и сексуальной стимуляции). Остальные оценки приходят с опытом. Все эмоции (не путать с мимикой) формируются при жизни. Далее я покажу механизм формирования эмоциональных оценок и то, как они влияют на поведение и мыслеобразование.
  • Логика мышления. Часть 5. Волны мозга
    0
    Да случайным. На видео это зеленые вспышки.
  • Логика мышления. Часть 5. Волны мозга
    +3
    Все зависит от того, что вы хотите получить. Если вас интересует процессора для программирования, то вы видите регистры, память и систему команд. Если ва делаете системную плату, то разводка выводов и как они должны быть подключены. И так далее.
    Чтобы показать принцип работы системы в определенной области мы должны попытаться отбросить функции без которых пока можено обойтись. Далее будет показано много других свойств нейронов, необходимых в других ситуациях. Но я сознательно делаю это шаг за шагом, чтобы объяснить каждое из этих свойств.
  • Логика мышления. Часть 5. Волны мозга
    0
    Нет. Волновые процессы обеспечивают только информационную картину. Оценка этой картины определяется совсем другими механизмами. Далее об этом будет очень подробно.
  • Логика мышления. Часть 5. Волны мозга
    0
    Я знаю его работы и концепцию спайковых сетей. Волновые сети — это принципиально другое. В спайковых сетях кодирование временное. Упрощенно говоря, информация переносится интервалами между спайками. При этом все, что умеет и «помнит» нейрон определяется весами его синапсов. Это бесконечно далеко от нашей модели.
  • Логика мышления. Часть 5. Волны мозга
    +1
    Весь узор, который получается от прохождения волны, представляет собой единый паттерн. Фокус в том, что когда волна распространяется повторно, она повторяет в точности тот же путь, то есть создает тот же узор. При этом для каждого начального узора формируется свой уникальный узор продолжения.
  • Логика мышления. Часть 5. Волны мозга
    +1
    В следующих частях будет развитие этой темы. Я хочу, как минимум, дать примеры реализации в такой волновой сети хотя бы минимальных процедур обобщения и описать механизм ассоциативной памяти. Пока интерес читателей не пропадет, можно будет двигаться и дальше, наработано достаточно много. Но беда в том, что каждая следующая часть требует отслеживания предыдущих идей. Боюсь, что скоро «тех, кто в теме» останется немного. А очень бы не хотелось «насиловать» хабровчан малопонятными рассуждениями.
  • Логика мышления. Часть 5. Волны мозга
    +1
    Да, конечно.
  • Логика мышления. Часть 4. Фоновая активность
    0
    В HTM нейрон способен запоминать картину на своих синапсах. Нейроны HTM имеют по несколько дендритных сегментов, каждый из которых отвечает за отдельную картину. Таким способом там нейрон может оперировать несколькими образами, что используется для запоминания и узнавания последовательностей. Но мы пошли другим путем…
  • Логика мышления. Часть 4. Фоновая активность
    0
    HTM — это немного о другом. Поверьте, все гораздо интереснее. Продолжение завтра.
  • Логика мышления. Часть 4. Фоновая активность
    0
    Я не хотел вас заткнуть :) Напротив, такие комментарии — хороший повод подчеркнуть и акцентировать определенные мысли.
  • Логика мышления. Часть 4. Фоновая активность
    0
    относительно оффтопа: не поспоришь.
  • Логика мышления. Часть 4. Фоновая активность
    +2
    Спасибо. Если не затруднит, отпишитесь после следующей части, станет ли понятнее. Там будет определенное пояснение.
  • Логика мышления. Часть 4. Фоновая активность
    0
    Фоновая активность не связана с сознанием непосредственно. По крайней мере, не больше, чем вызванная активность. Фоновая активность не является случайной. Принятый термин «спонтанная» активность крайне неудачен. Фоновая активность не служит для накопления статистики по правилу Хебба. В следующей части будет подробное объяснение ее природы и информационной сути.
  • Логика мышления. Часть 3. Персептрон, сверточные сети
    0
    Возможно я вас неправильно понял. Если вас интересуют функциональные моменты, то это и будет основное содержание последующих частей.
  • Логика мышления. Часть 3. Персептрон, сверточные сети
    +1
    Равноценность человеческому интеллекту. Соответственно, прохождение теста Тьюринга.
  • Логика мышления. Часть 3. Персептрон, сверточные сети
    +1
    Задача цикла показать алгоритмы, которые создают мышление и сильный ИИ. Нейронные сети, которые сейчас в основном используются, действительно замыкаются исключительно на задачи классификации и кластеризации. Но уже в следующих двух частях я покажу архитектуру нейронных сетей, которая выходит далеко за эти рамки.
  • Логика мышления. Часть 3. Персептрон, сверточные сети
    +2
    Сначала там идет так называемое on-off преобразование. Оно из изображения выделяет контуры. Это предварительное преобразование оно не связано с нейронной сетью. Первый слой выделяет простые линии под разными углами, то есть куски краев. Затем выделяются сочетания краев, то есть углы и перекрестья. Третий слой, как верно подмечено, — непонятно что, то есть устойчивые сочетания элементов второго слоя. На самом деле — это одни и те же цифры, но в разных написаниях и вариациях поворота. При этом вариации должны быть не особо сильными. Общего должно быть достаточно, чтобы они выделились в один фактор. Ну и результат — число.
    Если вариации слишком сильны и фактор «разваливается», то хорошо помогает насильственное указание на то, что это одна цифра. Тогда это обучение с учителем и сверточные сети ЛеКуна.
  • Логика мышления. Часть 3. Персептрон, сверточные сети
    +1
    Код будет. Видео с демонстрацией будет. Но «правильный ответ» (мое мнение) оказался в той стороне куда никто не копал.
  • Логика мышления. Часть 3. Персептрон, сверточные сети
    +2
    Хорошие вопросы. В последующих частях ответы именно на них.
    Забегая вперед, скажу. Модель нейрона изменилась принципиально (в моей концепции). Результатов в планее ИИ много, но самые важные вещи удалось понять относительно недавно. О них и пойдет разговор.
    Масштаб симуляции не принципиален. ИИ не возникает от количества, а требует понимания качественных принципов. Порядки того, что сейчас моделируют: от десятков тысяч до многих миллионов. Все зависит от того моделируют ли нейроны как логические элементы или моделируют физические процессы на них. Логическое моделирование бессмысленно без понимания сути. Физическое позволяет «нащупать» эту суть, но может ограничиваться относительно скромными объемами.

  • Логика мышления. Часть 1. Нейрон
    +2
  • Логика мышления. Часть 1. Нейрон
    0
    Так, чтобы «ИИ для чайников» в голову не приходит. Но есть книга Хьюбел Д. «Глаз, мозг, зрение». Это не совсем учебник, но читается удивительно легко, практически запоем.
  • Логика мышления. Часть 1. Нейрон
    +1
    Пороговый сумматор на выходе дает либо 0, либо 1. Это не соответствует частоте.
  • Логика мышления. Часть 1. Нейрон
    0
    Спасибо. Далее будет и про обучение и про память, наберитесь терпения.
  • Логика мышления. Часть 1. Нейрон
    0
    Будет и еще как.
  • Логика мышления. Часть 1. Нейрон
    +2
    Скоро будет продолжение и не одно.
  • Логика мышления. Часть 1. Нейрон
    +1
    Подробный разговор об этом будет значительно позже. Предварительно надо описать множество механизмов без которых понимане не сложится.
  • Задача обобщения
    0
    Спасибо
  • Задача обобщения
    0
    Формат выступления «час с небольшим» обрекает на определенную скороговорку :( Основная идея, она, кстати, вынесена в название, — это попытка описать архитектуру полноценного обобщения. Есть масса алгоритмов, заточенных на решение конкретных задач. Я пытался показать, как может выглядеть механизм их интеграции.
  • Задача обобщения
    0
    добавил
  • Задача обобщения
    0
    На уровне первичной зрительной коры механизм микросаккад, позволяющий собрать вместе разные позиции одного образа на рецептивном поле, возможно выглядит слишком сложным для такой «простой» задачи. Но этаже задача возникает на всех уровнях обобщения. Предположим вы разглядываете некий предмет с разных сторон. Наблюдаемые образы могут быть настолько различны, что сами картинки не будут иметь ничего общего. Но мозг должен объединить их, как нечто относящееся к опыту, относительно разглядываемого предмета. Никакие сверточные сети здесь не помогут, формальные нейроны окажутся ограничены. Моя концепция относительно идентификаторов и строения кортикальной колонки как раз из этого и произрастает.
  • Задача обобщения
    0
    Семинар открытый. Проводится раз в месяц. http://ailab.ru/
  • Взламываем игру-головоломку «Сапер»
    +4
    1. Запустите сапер.

    2. Установите курсор в область с игрой.

    3. Наберите «XYZZY» и нажмите Shift-Enter и Enter. В верхнем левом углу экрана должна появиться белая точка. При наведении курсора на мину точка будет менять свой цвет на черный.

    4. Вот и все. Наслаждайтесь возможностью никогда не взрываться, играя в Сапер!
  • Нейробиология и искусственный интеллект: часть вторая – интеллект и представление информации в мозгу
    +1
    Зрительный нерв (от одного глаза) — это около двух миллионов волокон (всего-то).
  • О природе эмоций
    0
    Память «узнает» ситуацию. Ситуация складывается не только из факта «я и попрошайка», но и из моего состояния. Если предыдущий опыт говорит, что в плохом настроении «благотворительность» не доставит мне радости, то подавать я и не стану. Иначе говоря полный контекст ситуации полностью определяет какой поступок будет совершен. Состояние — один из контекстов.
  • Алгоритмизация творчества: создание интересной рекламы без креатива
    0
    Не обижайтесь, но вы ухватили внешние признаки, свойственные тому, что составляет понятие креатив. Но вы совершенно правы, что креатив поддается алгоритмизации. Те скрытые сущности, что стоят за описанными признаками и причины почему это нравится людям описаны в книге «Логика эмоций» и в лекциях «Логика мышления». Найти можно www.aboutbrain.ru
  • Нейробиология и искусственный интеллект: часть вторая – интеллект и представление информации в мозгу
    +3
    Как кодируется известно уже более тридцати лет. На выходе сетчатки так называемые ганглиозные клетки. Они отслеживают перекрывающиеся рецептивные поля. У круглого поля есть центр, есть периферия. Одни реагируют на освещение центра при затемненной периферии, другие ровно наоборот. В результате получается картинка, сохраняющая все контуры, но без внутренней заливки. Это позволяет сформироваться в первичной зрительной коре нейронам, реагирующим на линии под определенными углами и на концы отрезков. Так же информации задерживается (предположительно в наружном коленчатом теле) и поступает на кору со сдвигом по временной фазе, таких фаз проецируется несколько. Это позволяет сформироваться нейронам, реагирующим на движение линий под определенным углом в определенном направлении.
  • Искусственный интеллект как совокупность вопросов
    0
    Переход количества в качества коварен. Мы относим к этому закону все где «было много, а стало по другому». При этом там оказываются явления совершенно разной природы. В большинстве случаев мы имеем дело не с появлением нового качества, а с тем, что в описании (нашем субъективном) мы начинаем использовать другие более удобные термины. Этот скачек в изменении описания мы часто трактуем как проявление закона диалектики.
    По дороге бегут автомобили — мы имеем транспортный поток. Их количество возросло — поток встал, получилась пробка. Поведение системы изменилось. Но новым качеством здесь является изменение в нашем описании. Да, это изменение соответствует переходу ситуации из одного класса в другой. Но эти классы ввели мы сами, исходя из важных для нас проявлений этого явления. То есть закон перехода количества в качество можно толковать как констатацию того, что многие системы при изменении определенных параметров могут меняться и мы переходим к другой системе описания. Лед, вода и пар — разные состояния одного вещества, но мы поделили их, исходя из обобщения свойств каждого из них. Но обобщение — это элемент нашего описания, а не реальная сущность.
    Когда мы говорим о мышлении, то если нас волнует качественное изменение поведения человека по сравнению с животными, то можно говорить, что язык и передача информации по наследству привнесли новое качество. Но если говорить об основных принципах работы мозга, то они остались те же. Осознание свойственно и человеку и животным.
    Но сложнее ответить на вопрос, что есть осознание и трактовать относительно него качественный переход. Похоже, что в отличие от примеров где качество — это свойство описания, осознание — это действительно сущность, которая не сводится к описанию через другие. Но тогда появление способности к осознанию (как появление принципиально новой сущности) не стоит приравнивать к изменению нашего описания и подводить под тот же закон.
  • Искусственный интеллект как совокупность вопросов
    0
    Язык удобный инструмент, но не необходимый атрибут мышления. Для мышления годиться любой способ дающий возможность представить (смоделировать) ситуацию в осознании, например визуально. Язык просто более универсальный инструмент, к тому же дающий возможность к коммуникации, что открывает новые возможности, по сравнению с животными.