Алексей Редозубов AlexeyR

Очень может быть.

Автоволны в многоагентной среде — это, все-таки, больше волны. То есть некие периодические процессы. В моей модели мы имеем дело с распространение уникальных узоров, что совсем другое.
Если не усложнять, то я пытаюсь показать, что каждое место мозга может хранить пару ключ-значение без привязки к конкретным нейронам. Функции нейронов получаются не более чем совместное воспроизведение кода, непривязанного к конкретному месту.
А так же, я показываю, что каждый небольшой участок коры может хранить достаточно много таких пар «ключ — значение».

Постараюсь не разочаровать. Про передачу смысла и его совпадение или несовпадение ответ будет полный. Про внутреннего наблюдателя будут гипотезы, которые, возможно, заставят посмотреть на это с неожиданной стороны.

Сложности возникают в момент реализации. Мы ограничены биологией нейронов. Далеко не все идеи удается правдоподобно сопоставить с реальными клетками.

Volutar, спасибо за важны дополнение. Я боюсь, что статьи и так сильно перегружены информацией и стараюсь писать только самое главное. Относительно HM. Чтобы вспомнить что-то фрагментарно достаточно по ассоциациям найти идентификатор воспоминания и восстановить связанную с ним картину. Но что-бы перейти к последовательному хронологическому воспоминанию надо создать следующий по порядку хронологический идентификатор. В стать описаны кольцевые идентификаторы. Для них это означает, что надо надо сначала выставить их в соответсвии с воспоминанием, а затем в зависимости от того какой мы выбрали временной шаг воспоминания перевести один из них на шаг вперед или назад. Это выглядит, как перевод одной из стрелок часов. Знания о том, как упорядочены кольцевые идентификаторы времени содержится в гиппокампе. Он и генерирует эти последовательности. Удаление гиппокампа делает невозможным последовательный «перевод стрелок».

Halt, вы очень здраво рассуждаете. Но проще будет, когда картина увидится более полно. Сейчас я описал сам механизм, что позволяет создавать и извлекать воспоминания. Что управляет извлечением воспоминаний и каковы законы этого будет описано позже. Там все очень интересно и не сводится к жестким закономерностям типа: после этого всега следует то.

Если памть сам нейрон, то количество воспоминаний равно количеству нейронов? Если удалить нейрон исчезнет воспоминание? Память о каждом событии есть везде или в конкретных местах?

Очень хороший вопрос. У меня есть очень сильные доводы в пользу этой модели, основанные именно на эволюционном подходе. Но эти доводы настолько интересны, что позже я подробно об этом напишу.

Тут несколько о другом. Если детектор некого свойства привязан к нейрону, то тогда и память, содержащая это свойство, должна быть где-то поблизости от него. И как-то на него опираться. Это создает техническую сложность, которую практически не преодолеть.

Модель применима к любому мозгу. Различия между человеком и животными не в наличие или отсутствии интеллекта, а в его «продвинутости». У человека есть зоны коры, позволяющие оперироват с понятиями, которые незнакомы животным. Кроме того человеку доступна речь.

Вы несколько в своих фантазиях и говорите о модели с совсем другими свойствами. Позже станет понятно зачем нужны именно те свойства, что описываются в этом автомате. Наберитесь терпения.

На уровне того, что пока описано это не принципиально. Но далее станут понятны причины по которым трехмерная конструкция окажется очень выжна.

Есть несколько доводов, которые очень сильно говорят в пользу дендритных веточек. Они будут описаны в четвертой части.

В кабельной теории дендритов показывается, что токи, возникающие в дендритах могут складываться и доходить до сомы. Глиальные клетки могут модулировать количество выделяемого синапсом нейромедиатора. Метаботропные рецепторы могут открывать ионные каналы и создавать возбуждающие потенциалы.
Всего, что вляет на работу нейрона много. Трудно сказать, что именно вносит больший вклад. Мои соображения по этому поводу будут в 4 части.

Части первая по четвертую — это, по сути, вступление. В них нет чего-то принципиально нового в сравении с 2014 годом, скорее, так, уточнения. Все самое интересное будет дальше. Вот там и станет понятно, зачем все эти сложности и голограммы.
Клеточный автомат в описании появился из-за того, что я его запрограммировал и отвечаю за его работоспособность. А, вот, относительно мозга я могу только строить гипотезы. Мне показалось, что лучше четче разделить факты и предположения.

То, что общий принцип клеточного автомата (с волнами паттернов) свойственен мозгу я практически уверен. Далее я приведу очень сильные доводы в пользу этого. Что аналог элементов — дендритные веточки, вероятность того, что я прав — процентов 60. Опять же, далее я покажу многое, что говорит в пользу веточек.

О «разных ракурсах» будет очень подробно позже. Хеш, сейчас, несколько не для этого.

Вы, видимо, считаете, что описываемый клеточный автомат, должен в том виде «как есть» выполнять вычисления, аналогичные нейронным сетям (или считаете, что это идея этого цикла). Архитектура о которой дальше пойдет речь — это нечто совсем иное. Подождите с поспешными вводами, дождитесь момента, когда картина станет видна целиком.

Работа не только нейрона и его аксонного холмика, но и каждого синапса в отдельности имеет сложную регулировку. Например, астроциты имеют, минимум, четыре механизма, влияющие на синаптическую передачу. Рецепторы на теле нейрона могут управлять работой аксонного холмика. Я подозреваю, что все процессы мозга четко отрегулированы, то есть нейрон хорошо занет где, что и почем.

Схемы по ссылкам, скажем так, неоднозначные. Я далее попробую показать, что деление зон коры по функциям, так, как приведено там, скорее всего некорректно.

Вся последующая модель будет именно о том, как мозг может одновременно построить и проверить множество гипотез.

Ресурсоемкость и поизводительность на зрительных задачах приблизительно таже, что и у сверточных сетей. Но есть потенциальная возможность решать те задачи, которые нерешаемы в нейронных сетях. Больше сказать трудно пока не описана сама модель.

Вы затронули очень интересную (если не самую интересную) тему. Но об этом надо говорить подробнее, чем позволяют сделать комментарии к статье.

Вы очень точно подметили суть. И задали правильные вопросы. Проблема последовательности и родственная ей проблема связаности — все это ключевые моменты, без решения которых трудно двигаться дальше. Фильтр Блума, действительно, может работать только с описаниями в которых неважна последовательность. Есть красивые методы, котороые позволяют решить вопрос последовательности. Я их скоро опишу. Но, гораздо интереснее с проблемой связаности. Решению проблемы связаности и проблемы понимания смысла и будет посвящен основной рассаз в этом цикле.

Никто не трубует, чтобы компьютер обходился одной шиной. Кроме того, по сети можно передавать пакеты, задавая и адресата и команду. Не стоит слишком упрощать мозг.

Разговор о биологической памяти будет в следующей части. Сейчас преждевременно обсуждать то, что еще не сказано.

В нейроне, да и, вообще, в строении мозга нет ничего «просто так». Например, если есть около 70 типов g-белков, то значит за каждым стоит своя вполне определенная функция. Сейчас еще слишком многие механизмы не понятны и не описаны. Отчасти это связано с тем, что не очень понятно, что искать.

Пока об элементах автомата.

Нет, механизм совсем другой.

Вам стоит осторожнее использовать слово ошибка. Иначе у вас под ошибку попадает все, что не соответсвует вашим представлениям. И еще странно выглядит разговор об ошибке относительно компьютерных программ, которые корректно реализуют заложенную в них идею. Если программа работает, то и слава богу. Другой разговор — насколько то, что делает программа соответсвует тому, что делает мозг? Это будет описываться в следующей части.

Про нейроны и глиальные клетки известно, что у них есть множество различных рецепторов и сложных механизмов связанной с ними химической регуляции. При желании из этого можно собрать любую сколь угодно сложную управляющую систему.
Насчет обоснованности введения хеша будет в следующей статье.

Предполагается, что есть разные режимы. В одном элемент распространяет волну. В другом воспринимает факт прохождения волны, как ключ. В третьем воспринимает информационный сигнал. В четвертом запоминает. Исходите из того, что автомат не поставлен в жесткие рамки и мы можем доделывать его, как нам удобно для решения требуемой задачи.

Сигналы разделены по времени. Сначала прошла одна волна, затем другая. Элемент получает сторонние указания о том, какую волну, как воспринимать и что с ней делать. Когда проходит первая волна элементы, которые были в ее узоре, переходят в состояние «приготовиться», это в статье подразумевается под «помнить предыдущее состояние». Затем по автомату, где уже нет активности проходит вторая волна. Ее узор независим от первой волны. Предполагается, что теперь элемент знает был ли он в первой волне и должен ли запоминать. И при этом элементы отдельно видят узор второй волны. Те, кто был «помечен» первой волной, запоминают узор второй.

Мыслите в правильном направлении, но все еще интереснее.

Кстати, рекоммендую: «Valentino Braitenberg. Almut Schuz
Cortex: Statistics and Geometry of Neuronal Connectivity» — эта книга есть в сети. Там такие вопросы разобраны очень подробно.

Аксон очень сильно ветвится, образуя коллатерали. Ветвление достаточно равномерно покрывает ближайший к нейрону объем, затем аксон может уйти очень далеко. Есть работа, где были изучены под оптическим микроскопом порядка 15 пар приблизительно соседних нейронов коры. В среднем у них оказалось по 7 общих синапсов.

Я описываю клеточный автомат. Так как он работает, то ошибки тут нет. Относительно того, как это происходит в реальной коре будет в следующей части.

Даже проще, чем вы думаете :)

Для перевода выложен не черновик этого цикла, а достаточно сухая научная статья, хотя и о том же самом. Здесь на хабре совсем другой текст — живее и без формул :)

Я бы не стал здесь пока искать самосознания.