Комментарии 17
https://www.youtube.com/watch?v=JN3cxpm19N0 - робот
https://www.youtube.com/watch?v=TYuL1XBKhJo - мультиполярный нейрон
В таком подходе самое трудное это сенсоры имхо, представьте какая могла бы быть цепь которая анализирует видео поток 640х480, анализирует значит умеет например выделять контуры объектов/или разбивает картинку на сегменты с похожими цветами.
По вашей теме была даже получена нобелевская премия https://ru.wikipedia.org/wiki/Модель_Ходжкина_—_Хаксли. Но настоящий нейрон работает совсем иначе, гораздо сложнее.
Да, я знаю, на мой взгляд эта модель опередила своё время ведь её используют до сих пор. Но, как я считаю, у неё есть недостатки. Прежде всего, она описывает потенциалы действия, в то время как нейрон рассматривается довольно абстрактно. Я же считаю, что нужно отдельно изучать работу каждого вида нейрона.
Сравнение с Arduino в самом конце не очень валидно, как мне кажется, тк любой программируемый микропроцессор даёт гораздо больше гибкости, чем показанные «нейроны» и в принципе нужны они для других задач.
Так об этом в статье сказанно. Естественно, результат полученный при использовании кнопки вместо датчика, можно повторить проще. Но если бы использовался подходящий датчик (которых я не нашёл), скорость куллера менялась бы в зависимости от степени нажатия. Более того, можно было бы использовать модель биполярного нейрона. Допустим робот неудачно врезался в препятствие и теперь датчик непрерывно посылает сигнал из-за чего куллер не крутится. Биполярный нейрон в таком случае заглушил бы сигнал с датчика и робот продолжил движение. Вот ещё пример работы биполярного нейрона: наш робот отслужил 10 лет и его датчик немного поломался. Теперь, когда на датчик не осуществляют нажатие, он вместо 0 вольт постоянно выдает 1 вольт. Биполярный нейрон такой сигнал не пропустил бы и робот продолжил работу как ни в чём ни бывало.
Да, сравнение не совсем валидно. Но и мои "нейроны" и Arduino могут выполнять поставленную задачу, а это наглядная битва аналога против цифры. Тем более что сейчас для нейросетей используют обычные цифровые компьютеры, поэтому в моём сравнении соревнуются всеобщий подход против моего.
"Нейросети являются наиболее развитым подходом, который, однако фактически достиг пределов развития т.к. для улучшения результатов требуются всё большие и большие вычислительные ресурсы. "
есть доказательства этого?
и если это так то разве биологические системы не требуют увеличения чего то для улучшения когнитивных функций?
Нейросети действительно являются наиболее развитым подходом, их работу можно увидеть практически на любом более менее известном сайте. Как пример вкладка "рекомендации" на YouTube. Для современных нейросетей нужно иметь неплохие видеокарты. Но допустим мы решили улучшить работу нашей нейросети, сделать больше слоёв или нейронов на слой. Для этого нам нужны видеокарты ещё мощнее.
По поводу эффективности биологических нейронных сетей проводились исследования, выяснилось, что с увеличением и усложнением нервной системы эффективность или роль отдельного нейрона в этой системе падает.
18 дешёвых радиодеталей способны выполнить работу для которой обычно используются, как минимум 100 000 транзисторов.
не совсем коректное сравнение. тут важны еще технологии и объемы производства. иногда более сложный чип произвести и дешевле, и быстрее. хотя сама идея использовать более простую элементарную базу довольно интересна. тем более что она более наглядна.
На данный момент существуют два фундаментальных подхода: нейробиология и нейросети. Лично я считаю нейробиологию более перспективной, но менее развитой т.к. о том, как именно работают нейроны мы знаем сегодня всё ещё очень мало. Нейросети являются наиболее развитым подходом, который, однако фактически достиг пределов развития т.к. для улучшения результатов требуются всё большие и большие вычислительные ресурсы. Кроме того, его отношение к настоящим нейронным сетям и нейронам весьма опосредованное и представляет собой всего лишь приблизительную математическую модель.Фундаментальный подход один — биологический, включая нейробиологию, второй вдохновляется идеями из биологических наук. ИНС действительно имеют серьезные ограничения, как по функционалу (на самом деле еще более серьезные связанные с отсутствием динамического режима функционирования), так энергоэффективности (первую очередь, из-за отсутствия импульсного режима). Решение в перспективе в развитии нейроморфных технологий. На Хабре эта тема хорошо освещается (1, 2, 3, 4, 5, см. поиск по Хабру). Необходимо иметь это в виду, если не хотите ограничиваться моделированием на коленках.
Не уверен что повторять биологический нейрон лучшая идея. Это как попытка построить самолет копируя полет птицы.
Удалось получить результат после сборки робота или нет? Если да, можете поделиться видео с демонстрацией?
Проблема не в том, что мы плохо знаем, как работает нейрон - знаем хорошо и досконально, учитывая, что работает он у всех одинаково. Плохо его работу понимают инженеры, разрабатывающие ИИ. А одна из главных проблем, не только в наличии "бесконечного числа" комбинаций нейромедиаторов, которых только основных 24-26, а в сумме сотни, и не только в том, что передача сигнала с упором на электрический импульс бессмысленна, так как информацию он не передаст, а в наличии морфогенеза и как частный случай синаптогенеза. То есть наш мозг постоянно перестраивается - синапсы рвутся и образуются новые и этот процесс непрограммируем.
С реальными нейронами и нейросетями как бы все гораздо сложнее получается, хороший материал в лекциях Алексея:
https://habr.com/ru/post/308268/
Рекомендую все 12 прочитать, а до кучи на YouTube посмотреть.
Как я нейроны паял