Психика и мозг

[АrefievPV]

Дополню.

В мозге нашли «включатель» сознания
https://nplus1.ru/news/2020/12/30/turn-it-on

Понимание биологической основы человеческого сознания представляет собой один из главных вопросов нейронаук. Как правило, для поиска ответа используют общую анестезию (наркоз) и естественный сон, сравнивая активность различных отделов мозга во время бодрствования и предполагаемого отсутствия сознания. Подобный подход имеет два фундаментальных недостатка. Во-первых, бессознательное состояние обычно определяют поведенчески, то есть как отсутствие осмысленного ответа на внешние стимулы. Последнее, однако, не обязательно подразумевает отсутствие внутренних субъективных переживаний и, таким образом, не соответствует полной потере сознания. Второй недостаток заключается в том, что картину активности мозга при наркозе напрямую трактуют как обнаружение структур, контролирующих сознание. При этом спектр действия соответствующих препаратов на мозг значительно шире, как и изменения мозговой активности во время сна.

P.S. К выделенному красным:

Больные в коме помогли ученым раскрыть фундаментальную загадку мозга
https://ria.ru/20190917/1558744836.html
По оценкам ученых, примерно сорок процентов пребывающих в коме пациентов на самом деле могут быть в сознании. Это показывают новейшие методы диагностики, позволяющие оценить активность нейронов в режиме реального времени.

Не стал тащить сюда весь текст заметки - по ссылке всё можно прочитать.

[АrefievPV]

Удивительная психология – 2020
https://www.nkj.ru/news/40334/
Многоликий «гормон любви», чужие идеалы, которые мы любим как свои собственные, мораль с запахом, алкоголь, помогающий думать – плюс ещё несколько любопытных нейропсихологических фактов, запомнившихся нам в прошлом году.

P.S. Скучковали информацию в заметке – гиперссылки в тексте ведут на другие заметки (уже о более конкретных исследованиях).

[АrefievPV]

Иллюзии восприятия цвета
https://www.livemaster.ru/topic/1201597-illyuzii-vospriyatiya-tsveta

Мозг человека - поистине удивительная и непостижимая вселенная. Он способен так преображать, преломлять и видоизменять действительность, что порой его носитель может жить совсем не в том мире, который его на самом деле окружает.

В том числе это касается восприятия цвета. Не вдаваясь во все многообразие вариантов видения цветов разными людьми, хочу показать примеры оптических иллюзий, описанных профессором Массачусетского технологического института Эдвардом Адельсеном. Так называемая, "иллюзия тени Адельсона" заключается в том, что один и тот же цвет на разном фоне видится человеком, как разные цвета.

Самый популярный пример -  цилиндр с тенью на шахматной доске:



Здесь клетки A и B воспринимаются нами, как темно-серая и светло-серая, на самом же деле эти клетки одного цвета.

Вот еще примеры такого рода иллюзий:
 


Лошади имеют одинаковую расцветку, хотя выглядят на разном фоне по-разному. То же с собаками:
 


Чтобы убедиться, что собаки одного цвета, достаточно убрать фон (или поместить их на одинаковый фон):



Вот еще классический пример:
 


Чтобы увидеть, что прямоугольники A и B одного цвета, нужно пальцем закрыть границу между ними!И самая моя любимая демонстрация данного эффекта - кубик Рубика:
 


Центральные квадратики на передней и на верхней гранях кубика тоже одного цвета! Чтобы это увидеть, можно в непросвечивающей бумаге (картоне, например), проделать две дырочки, в которые будут попадать только цвета этих квадратиков, и приложить к изображению.

С проблемами восприятия цветов наверняка сталкивались те, кто когда-нибудь пытался что-то нарисовать с натуры. Вроде видишь какой-то цвет, а когда пытаешься его вписать в свое произведение, он не вписывается, выглядит неестественно, не к месту.

Особенно сильно мозг начинает "играть" с цветами, когда присутствуют тени. Такие известные приемы, как увеличение яркости фона, чтобы "притушить" саму картинку, или выделение черным контуром объекта, чтобы увеличить визуально его яркость, тоже являются следствиями оптических иллюзий. Великое мастерство художников отчасти заключается именно в этом - уметь увидеть нужное, несмотря на фон, помехи, игру мозга.

На последок еще одна иллюзия, возникающая при игре рядом расположенных цветов:



Видите ярко-малиновые точки? Их там нет! 

[АrefievPV]

Проверка показала, что переход не получается.
Предыдущие три варианта оказались тоже неудачными. Оставляю этот, корявенький...

Серый Страж от Февраль 02, 2021, 12:11:52

ivanij от Февраль 02, 2021, 11:28:43
А если серьёзно, у них ведь самого главного нет - абстрактного мышления, которое и выделяет любое существо из животного мира и переводит его на уровень разума.

Не стоит приравнивать функцию абстрагирования всему интеллекту (совокупности вычислительных функций, вычислительному функционалу), а тем более, не стоит абстрагирование приравнивать  разуму (способности использовать интеллект для выживания/самосохранения).

Абстракт, в самом общем смысле – это нечто общее, присущее каждому из некоего выделенного множества.

То есть, если в ряде объектов, образов, явлений, процессов и т.д., присутствует нечто общее (типа, некое соотношение наблюдаемых параметров/свойств/качеств), то это самое нечто общее подпадает под определение абстракта.

Если мозг животного способен делать такие операции, то он, тем самым способен выделять абстракты. Мало того, скорее всего мозг таких животных способен и оперировать этими абстрактами, а иначе операция по выделению абстракта становится ненужной и просто загружающей мозг (и, тем самым, затрудняющей выживание). А оперирование абстрактами – это вполне себе абстрактное мышление (пусть и примитивного уровня).

Наш мозг и мозг большинства многоклеточных животных имеющих центральную нервную систему (даже всего в виде скопления ганглиев), способен это делать. Человеческий мозг обучается этим операциям (абстрагированию и простейшему абстрактному мышлению), когда учится пользоваться зрением (выделять объект, выделять детали, определять движение объекта, определять цвет, форму, объём и т.д. и т.п.) в самом раннем детстве.

Мы ведь даже не замечаем, что изображение одного и того же объекта на сетчатке с разных ракурсов – разное, на разном фоне – разное, при различных движениях/поворотах – опять-таки, разное и т.д. Без абстрагирования выделить конкретный объект в огромном множестве разных сенсорных образов было бы невозможно.

Недаром, когда в самом начале  попыток обучить компьютеры распознавать зрительные образы столкнулись с этой проблемой – для компьютера все изображения одного и того же объекта были, по сути, разными объектами. Это уже потом научились решать эту проблему (там уже и первые нейросетевые технологии появились).

И вообще, функция абстрагирования – это очень древняя функция (как и функция сознания – способность учитывать/использовать знания/опыт – тоже очень древняя). Конрад Лоренс, насколько я помню, это дело (функцию абстрагирования) доходчиво описывал в книге «Оборотная сторона зеркала».

[АrefievPV]

Продолжение дискуссии. Попробую другой формат...

Серый Страж пишет:
Не стоит приравнивать функцию абстрагирования всему интеллекту

ivanij пишет:
А я и не приравниваю, только указываю на то, что эта функция одна из главнейших ( и уж не главная ли?), которая делает человека человеком.

Серый Страж пишет:
С этим можно согласится. По крайней мере, на мой взгляд, функция абстрагирования намного сложнее, чем функция сознания (и процессы осознания).

Для индивидуального интеллекта особи – очень даже возможно, что функция абстрагирования (и, соответственно) абстрактное мышление) главная, но только если он всё делает сам без помощи других.
 
Однако, для человека (как вида, как популяции, как общества), я бы на первое место поставил всё же «сладкую парочку»: развитую способность к коммуникации и развитую восприимчивость (внушаемость, обучаемость, дрессируемость – одним словом, всё то, что обуславливается в большей степени пластичностью).

Мы, люди, весьма отличаемся по этим признакам от ближайших эволюционных «родственников» – болтливы не в меру (у нас язык «прописан» во многих когнитивных функциях), внушаемы, обучаемы. Расхожее выражение «обезьянничать» совершенно некорректно по своей сути – любым обезьянам очень далеко до человека в плане подражания и имитационных способностей. В «обезьянничании», обезьяны – всего лишь жалкое подобие человека.

И эта «сладкая парочка» позволяет нам усваивать знания социума, что даёт колоссальное преимущество: как отдельным особям, так и популяции в целом – отдельные изобретения гениев (или просто случайные удачные открытия) легко усваиваются почти всеми особями в популяции (несмотря на то, что самостоятельно большинство особей до такого изобретения/открытия додуматься не в состоянии). Такие изобретения/открытия, в свою очередь, становятся базой для последующих изобретений/открытий (через некоторое время найдётся очередной гений в популяции).

И чем больше популяция – тем вероятнее, что очередной гений успеет на базе прежних изобретений сделать своё изобретение (пока знания не «размылись», не забылись и т.д.). Отсюда простой вывод – интенсивность взаимодействия (интенсивность коммуникации, в первую очередь) и размер общества прямо влияет на прогресс.

Вообще, у нас многие функции очень продвинуты по сравнению с подобными функциями у животных. Кстати, Конрад Лоренц и об этом, вроде, тоже писал – происходила интеграции функций (из нескольких простых функций формировалась более сложная функция, в результате интенсивного взаимодействия между простыми функциями) с последующей оптимизацией. Затем в процессе эволюции уже эти более сложные функции при интенсивном взаимодействии между собой формировали ещё более сложную интегральную функцию (с последующей оптимизацией оной). Причём, таких циклов (этапов усложнения) было много. Функции сознания это касалось в полной мере – по сравнению с далёкими эволюционными предками, наш функционал сознания наворочен до безобразия.

Серый Страж пишет:
Не стоит приравнивать функцию абстрагирования всему интеллекту

Rattus пишет:
Почему? На это есть постановление священного синода или папская булла с единственно правильным определением интеллекта?

Серый Страж пишет:
Нет, конечно - просто не логично это. Дело в том, что, на мой взгляд, интеллект - это совокупность функций. Разумеется, если в эту совокупность входит всего одна функция (что как-то трудно себе представить), то весь этот интеллект и будет определятся данной функцией.

Однако, интеллект животных и человека не ограничивается наличием всего одной функции. Поэтому приравнивать всего одну функцию (из этой совокупности) всей совокупности функций будет неправильно, на мой взгляд.

Rattus пишет:
Если пользоваться общеприменительным обозначением прикладных нейросетей как систем искусственного интеллекта, ключевая функция которых - как раз и есть обобщение-абстрагирование, то оно уже довольно давно приравнено в языке на практике.

Серый Страж пишет:
Вы же сами и говорите, что ключевая, а не единственная. Так понимаю, нейросеть способна ещё: и помнить, и воспринимать, и сопоставлять и т.д., а это всё ведь разные функции.

А то, что мы в обыденной жизни зачастую сводим множество признаков к одному главному (или наиболее яркому) признаку (остальные просто подразумеваем) - это верно (наверное, нам так проще). Например, очень часто разум и/или интеллект приравнивают к сознанию, не задумываясь даже, что это всего лишь одна из функций интеллекта (причём, не самая сложная).

[Лаплас]

Например, очень часто разум и/или интеллект приравнивают к сознанию, не задумываясь даже, что это всего лишь одна из функций интеллекта (причём, не самая сложная). ... Так понимаю, нейросеть способна ещё: и помнить, и воспринимать, и сопоставлять и т.д., а это всё ведь разные функции.

В главе 1.9.3. Алгоритм искусственной нейронной сети изображена схема нейронной сети. Где там память, где восприятие, где сознание, как происходит «сопоставление»? Как в сети реализованы эти «разные функции», поясните.

[АrefievPV]

Например, очень часто разум и/или интеллект приравнивают к сознанию, не задумываясь даже, что это всего лишь одна из функций интеллекта (причём, не самая сложная). ... Так понимаю, нейросеть способна ещё: и помнить, и воспринимать, и сопоставлять и т.д., а это всё ведь разные функции.

В главе 1.9.3. Алгоритм искусственной нейронной сети изображена схема нейронной сети. Где там память, где восприятие, где сознание, как происходит «сопоставление»? Как в сети реализованы эти «разные функции», поясните.

Где обратные связи на схеме? Они подразумеваются вне схемы? Они в каком виде реализованы?
Если это так (обратные связи вне схемы), то эта схема просто часть более общей схемы и по этой части невозможно сделать какие-то конкретные умозаключения.

На этой части схемы нельзя указать даже восприятие полностью (я могу, конечно, указать входной слой, но это будет только первичное восприятие) по причине неполноты схемы.

Про память. В данной схеме она может быть реализована несколькими способами:
- в виде совокупности "весов" (и соответствующего "узора") связей;
- в виде совокупности "весов" элементов;
- комбинированным способом.
Но в этой схеме нет информации о том, что изменяется (элементы и/или связи) в процессе работы схемы. И, опять-таки, схема не полна (нет обратных связей, не показан механизм регулировки "весов" связей и/или элементов).

Соответственно, без обратных связей, без механизма регулировки "весов" никакого сопоставления/сравнения (то есть, функции сознания) реализовать невозможно. Исходя из предоставленной схемы (самого рисунка) нет там никакой функции сравнения/сопоставления/сознания (и механизм реализации данной функции там отсутствует).

P.S. Если нарисуете нормальную полноценную схему, то тогда можно будет указать более конкретно на механизмы реализации различных функций.

[АrefievPV]

Дополню.

Вот здесь:
https://astronomy.ru/forum/index.php/topic,187183.msg5270217.html#msg5270217

Вайт пишет:
Другими словами, нейронной сети всё равно: какое у неё устройство — так она и будет работать. Поэтому, чтобы нейронная сеть обращала внимание на то, что важно вам, вам нужно сеть к этому направить, то есть правильно создать сеть и затем правильно её обучить. Точно так же сети создаёт эволюция — в целом устройство мозга задаёт ДНК и случайные мутации, в частном на него влияет конкретная среда обитания животного, обучая мозг и тем самым уточняя врождённые потребности и способности под эту среду.

Много правильных, на мой взгляд, высказываний в этой цитате. Важное я выделил полужирным шрифтом.

Обратите внимание на слова: "направить", "обучить" и пр. Эти слова описывают действия, функции, процессы, происходящие вне сети (там же вне сети оказываются и механизмы обучения и механизмы сравнения/сопоставления/сознания). А я вас прошу внести эти действия, функции, процессы, внутрь схемы, так сказать. Во внешнем мире оставить только изменяющуюся среду.

[АrefievPV]

Два дня искал сообщение (благо, все свои сообщения сохраняю, начиная с 2014 года), нашёл!

Продублирую в эту тему:

Сможет ли нейробиолог понять компьютер?
http://www.popmech.ru/science/320882-smozhet-li-spetsialist-po-mozgu-ponyat-kompyuter/
Ученые взяли процессор от компьютеров и приставок 70-х и представили, что совсем не знают, как он устроен. Используя методы современной нейробиологии, ученые попытались понять, как работает процессор. И у них почти ничего не получилось.

Нейробиологи очень любят сравнивать человеческий мозг с компьютером. Миллионы нейронов обмениваются сигналами и обрабатывают информацию подобно тому, как работают транзисторы в процессорах. Вот только о том, как работает мозг, нам до сих пор известно очень мало, а о том, как устроен компьютер, известно всё.

Эрик Джонас из Калифорнийского университета в Беркли и Конрад Кординг из Северо-Западного университета в Чикаго решили проверить, можно ли понять принципы работу компьютера, используя методы современной нейробиологии. В качестве «модельного организма» выбрали процессор MOS 6502, 1975 года, на котором работали компьютеры Apple II и игровые приставки Atari 2600 и Nintendo Entertainment System. У него всего 3510 транзисторов — это количество вполне можно смоделировать на современном компьютере так, чтобы видеть колебания вольтажа на каждом при выполнении любой задачи. Виртуальный 6502 — это 1,5 гигабайта данных в секунду.

Сломай и изучай

Нейробиологи часто наносят подопытным животным повреждения, чтобы узнать, какой отдел мозга выполняет ту или иную функцию. Так, несчастные мыши с изрезанным гиппокампом теряли способность распознавать объекты, и ученые заключили, что гиппокамп отвечает за эту функцию.

Тот же подход ученые попытались применить к 6502. Ученые «установили», например, что играть в игру Donkey Kong (в которой водопроводчик Марио швыряется бочками в огромную гориллу) невозможно, если не работает определенная группа транзисторов.

При этом другие игры спокойно запускались без этой группы. Если бы речь шла о мозге, ученые могли бы сделать осторожный вывод о том, что функция этой группы транзисторов заключается в том, чтобы играть в эту игру.

Но это совсем не так: на самом деле эти самые транзисторы только косвенно задействованы в обработке алгоритма Donkey Kong. Они были только частью цепи, выполняющей одну маленькую программу, нужную для запуска игры про гориллу, но ненужную для других игр.

Корреляция не означает причинно-следственную связь

Другой популярный у нейробиологов метод — наблюдать за активностью разных групп нейронов, когда мозг работает над конкретной задачей. В случае с процессором ученым удалось установить явную корреляцию между активностью пятью транзисторов и яркостью самого яркого пикселя на экране. Но и тут, казалось бы, громкое открытие оказалось ошибкой: эти транзисторы не были вовлечены в регулирование яркости пикселей на экране (на приставке Atari эту функцию вообще выполняет другой процессор, Television Interface Adaptor). А пять транзисторов, которые заинтересовали исследователей, только косвенно участвовали в принятии решений о яркости экрана.

По словам доктора Джонаса, главная проблема заключается в том, что нейрологические методики оказались неспособны выявить структуры, которые заведомо присутствовали в виртуальном процессоре, и плодили сущности, обнаруживая несуществующие связи и закономерности.

Процессор состоит из множества транзисторов, которые объединены в группы для решения простых логических задач, а те, в свою очередь, в еще более крупные группы. Но когда процессор работает, очень сложно увидеть логику за бесконечным мельтешением электрических разрядов в тысячах транзисторов одновременно, — объясняет Джонас.

Нам не нужно больше данных

В адрес Джонаса и Кординга сразу зазвучала критика. Нейробиологи обращали внимание на то, что процессор 6205 настолько непохож на мозг, насколько это вообще возможно, что, несмотря на все ограничения, нейронауки продвинулись далеко и получили вполне верифицируемые сведения о работе, например, зрительной коры.

Джонас и Кординг отвечают, что никогда не ставили себе цель дискредитировать нейробиологию и ее методы. Вместо этого ученые старались доказать, что иногда лучше иметь фундаментальное понимание того, как что-то работает, вместо того, чтобы наращивать доступный объем данных. Они приводят в пример амбициозный проект расшифровки генома человека Human Genome Project, успешно завершенный в 2003 году. Ожидалось, что расшифровка генома ответит на сотни вопросов обо всем — от рака до старения. Но оказалось, что выделить полезную информацию из огромного «текста», записанного «буквами» азотистых оснований, сложнее, чем просто переписать этот текст себе в блокнот.

Кстати, ссылка уже немного устарела (теперь там только краткое сообщение), привожу ссылку из архива: Сможет ли нейробиолог понять компьютер?

[АrefievPV]

К предыдущему сообщению (немного иная подача материала), в копилку...

Пойми меня! Как неживое помогает разбираться в живом
https://www.computerra.ru/179981/6502/

Разница между in silico и in vivo — живыми и неживыми системами, обрабатывающими информацию, всегда смущала исследователей. Велик соблазн смоделировать на компьютере или прямо электронной схемой, например, головной мозг мыши. Но как далеко можно проводить аналогии между мозгом настоящим и его цифровой моделью? Вопрос этот всплывает всякий раз, когда удаётся получить интересные результаты моделирования. И всякий раз находятся те, кто напоминает: живое и неживое — две совершенно разных категории, все связи между ними условны, сходство только внешнее!

Скептиков можно понять: действительно, системы in silico и in vivo устроены и работают совершенно по-разному. С одной стороны тут транзистор, микропроцессор, да пусть даже искусственный нейрон: объекты детерминированные, цифровые. С другой — головной мозг, в котором одних только нейронов десятки, а то и сотни типов, соединённых хаотично, в неясную массивно-параллельную аналоговую структуру, биофизически сложных, в работе которых случайность играет не последнюю роль.

Тем не менее проводить аналогии всё-таки возможно — как от живого к неживому, так и в обратном направлении. Дело в том, что хоть элементарные «детали» отличаются, функциональные, логические схемы могут быть очень похожи. Как в живом, так и в неживом можно выделить блоки, разделённые анатомически или отличающиеся поведением, связанные друг с другом. Такую схему уже можно анализировать общими для живого и неживого методами. И это позволяет задать вопрос: почему бы не проверить работоспособность методов анализа живых нейроструктур, натравив их на простые и понятные структуры электронные?


Для сравнения. Слева схема микропроцессора 6502. Справа предполагаемая схема визуальной системы приматов. При этом учёные до сих пор не уверены, правильно ли выделены блоки (тот факт, что они разделены анатомически, мало что значит) и не знают точно, как выходы блоков зависят от состояния их входов…

Этот вроде бы смешной вопрос на самом деле связан с проблемой, которая сильно докучает нейробиологам. Вы, конечно, знаете, что придуманы сотни методов изучения головного мозга. В общем они сводятся к сбору всевозможной информации о работе тех или иных его частей и попыткам, анализируя её, понять, как мозг устроен. Но что значит понять с точки зрения нейробиологии? А это значит быть способным заменить любой участок искусственным аналогом, не нарушив работы мозга целиком.

Так вот, несмотря на все успехи в выдумывании всё новых методов изучения мозга, от понимания его учёные всё ещё бесконечно далеки! Отчасти причиной тому чрезмерная сложность живого: чаще всего мы не знаем даже, действительно ли оно работает так, как мы предположили. Но тем больше причин проверить методы на простых и известных до последнего винтика неживых системах!

Что и проделала группа исследователей из США, опубликовавших замечательную работу в жанре так называемой вычислительной биологии. Называется она «Может ли нейробиолог понять микропроцессор?» и если вас не смущает английский, я очень рекомендую оригинал: написано простым языком, зато подробнейше разбирает массу любопытных и сложных вопросов.

Суть: нейробиологи, вооружившись методами, обычно применяемыми для изучения живых нейроструктур, попытались использовать их чтобы понять, как функционирует простейшая микропроцессорная система. «Мозгом» стал MOS 6502 — один из популярнейших микропроцессоров всех времён и народов: 8-битный чип, использованный во множестве ранних персональных компьютеров и игровых приставок, в том числе Apple, Commodore, Atari. Естественно, что мы знаем об этом чипе всё — ведь он создан человеком! Но исследователи сделали вид, что не знают ничего — и попытались понять его работу, изучая теми же методами, которыми изучают живой мозг.

Химически была удалена крышка, под оптическим микроскопом изучена схема с точностью до отдельного транзистора, создана цифровая модель (тут я немного упрощаю, но суть верна), причём модель настолько точная, что на ней оказалось возможно запускать старые игры (Space Invaders, Donkey Kong, Pitfall). А дальше чип (точнее, его модель) был подвергнут тысячам измерений одновременно: во время исполнения игр измерены напряжения на каждом проводке и определено состояние каждого транзистора. Это породило поток данных в полтора гигабайта в секунду — который уже и анализировался. Строились графики всплесков от отдельных транзисторов, выявлялись ритмы, отыскивались элементы схемы, отключение которых делало её неработоспособной, находились взаимные зависимости элементов и блоков и т.п.

Насколько сложной была эта система по сравнению с живыми? Процессор 6502, конечно, и рядом не стоит с головным мозгом даже мыши. Но он приближается по сложности к червю Caenorhabditis elegans — ломовой лошадке биологов: этот червь изучен вдоль и поперёк и уже предпринимаются попытки смоделировать его полностью в цифровом виде (вспомните «О правах животных in silico»). Таким образом задача анализа системы на чипе 6502 не является чрезмерным упрощением. И результаты имеют право быть экстраполированы на системы in vivo.

Вот только исследователи… потерпели поражение! Нет, какие-то результаты, конечно, получены были. Анализируя чип, удалось выделить функциональные блоки, набросать схему их вероятных взаимосвязей, получить некоторые интересные подсказки насчёт того, как, вероятно, работает микропроцессор в целом. Однако понимания в том смысле, в каком его требует нейробиология (в данном случае: быть способным исправить любую поломку), достигнуто не было! Отсюда два неприятных вывода и один совет.

Во-первых, имеющиеся на вооружении нейробиологов методы очевидно бесполезны для изучения живого мозга. Разве вправе мы надеяться понять сложнейшую живую систему, если не в силах справиться даже с простейшей искусственной моделью?

Во-вторых, наращивание объёма информации, собираемой о мозге, вероятно, не поможет проникнуть в секреты его работы глубже — без смены методов анализа. Ведь 6502 измерялся с предельной точностью, от исследователей не укрылось ничто в нём происходящее, и тем не менее понять его не удалось!

Что же до совета, нейробиологам рекомендуют взяться за задачу с другого конца: разработать (принципиально новые) методы изучения искусственных систем, убедиться, что они работают, что действительно позволяют понять, как система вроде того же 6502 устроена — и только потом экстраполировать их на живые нейроструктуры. Так неживое поможет разобраться в живом.

[Лаплас]

А я вас прошу внести эти действия, функции, процессы, внутрь схемы, так сказать. Во внешнем мире оставить только изменяющуюся среду.

Вопросы были без подвоха, на схеме всё есть. Но если вы считаете, что для ответа обязательно нужны обратные связи, то просто мысленно дополните схему ими. Также, если нужно, представьте, что веса связей могут меняться. Где в сети будет «восприятие» и «сопоставление»? Чтобы понять причину ваших ошибочных воззрений, нужно, чтобы вы их конкретизировали.

Что касается памяти, то это вся структура сети. Импульсы от рецепторов проходят по сети, согласно схеме перемешиваются, «сжимаются» (так как нейронов на входе больше) и превращаются в активность нейронов на выходе из сети. Таким образом, вся сеть — это одновременно и память, и процессор.

[АrefievPV]

А я вас прошу внести эти действия, функции, процессы, внутрь схемы, так сказать. Во внешнем мире оставить только изменяющуюся среду.

Вопросы были без подвоха, на схеме всё есть.

Хорошо, что без подвоха. Однако, на схеме не всё есть.
 

Но если вы считаете, что для ответа обязательно нужны обратные связи, то просто мысленно дополните схему ими.

Не только обратные связи, но и механизм их регулировки.
Только мне странно, почему я должен всё это дополнять? Вы ведь потом скажете, что я всё это неправильно дополнил. Поэтому прошу вас самому дополнить рисунок.
 

Также, если нужно, представьте, что веса связей могут меняться.

Хорошо. Принимается.
Но за счёт чего они будут меняться? На них будут подаваться сигналы из места выхода? И/или из места выхода последующего промежуточного слоя? Прошу это дело конкретно прорисовать.

Где в сети будет «восприятие» и «сопоставление»?

Пока (исходя из нарисованного) могу сказать только про первичное восприятие - оно происходит на первом (входном) слое элементов.

А про сопоставление могу только сказать (опять-таки, исходя из нарисованного), что оно вне схемы.

И ещё. Что/кто подаёт на вход сигналы? Какими критериями руководствуется? Какими-то параметрами выходного сигнала? То есть, выходной сигнал должен чему-то соответствовать?

Ведь любое обучение включает в себя оценку, сравнение, сопоставление. Но сравнивать и сопоставлять можно только с чем-то (оценивать также можно только по отношению к чему-то). Есть какие-то уставки, настройки, эталоны? И где они находятся?

Чтобы понять причину ваших ошибочных воззрений, нужно, чтобы вы их конкретизировали.

Ну, так ведь я и не спорю - давайте разберёмся, где и в чём я ошибаюсь. Но рисунок-то неконкретный - что я там должен додумывать?

Что касается памяти, то это вся структура сети.

Да. Если мы предполагаем, что изменяются только "веса" связей, то это будет вся структура (то бишь, совокупность связей) сети. Могу добавить, что "внешне" (правда, в саму глубь сети не залезть, чтобы это увидеть) это будет проявляться как некий "узор", который будет меняться при любом запоминании целиком - поставить в соответствие отдельную связь отдельному условному "биту запомненной информации" невозможно.

Импульсы от рецепторов проходят по сети, согласно схеме перемешиваются, «сжимаются» (так как нейронов на входе больше) и превращаются в активность нейронов на выходе из сети.

Там на схеме второй слой элементов больше слоя входных элементов. То есть, импульсы, проходя по сети, не на каждом этапе "сжимаются" - "сжатие" можно констатировать только по отношению к концевым элементам (вход и выход).

Таким образом, вся сеть — это одновременно и память, и процессор.

Думаю, что я понимаю это ваше высказывание. Но, на мой взгляд, противопоставление памяти и процессора - не очень корректно. Память - это способность (грубо говоря, "софт"), а процессор - это "железо", реализующее софт.

Может, надо было сказать так: "вся сеть - это одновременно: и память, и мышление"? С этим я согласен.

[Лаплас]

Не только обратные связи, но и механизм их регулировки.

Нет такого механизма.

Но за счёт чего они будут меняться? На них будут подаваться сигналы из места выхода? И/или из места выхода последующего промежуточного слоя? Прошу это дело конкретно прорисовать.

Они будут меняться по правилу Хебба:

Суть правила Хебба в том, что синаптическая связь, соединяющая два нейрона, будет усиливаться (вес связи возрастает), если в процессе обучения оба нейрона согласованно испытывают возбуждение, либо торможение. В ином случае — уменьшается или не изменяется, в зависимости от выбора функции активации.

1.9.3. Алгоритм искусственной нейронной сети

Пока (исходя из нарисованного) могу сказать только про первичное восприятие - оно происходит на первом (входном) слое элементов.

На входе восприятие - на выходе реакция? Покажите на схеме, где заканчивается восприятие и начинается построение реакции.

А про сопоставление могу только сказать (опять-таки, исходя из нарисованного), что оно вне схемы.

Почему вне схемы и в чём конкретно оно заключатся?

Ведь любое обучение включает в себя оценку, сравнение, сопоставление. Но сравнивать и сопоставлять можно только с чем-то (оценивать также можно только по отношению к чему-то). Есть какие-то уставки, настройки, эталоны? И где они находятся?

Нас сейчас интересует работа сети. Мозг - это нейронная сеть и, по-вашему, работа этой сети "включает в себя оценку, сравнение, сопоставление". Вот я и надеюсь, раз вы это всё утверждаете, то вы и покажете на схеме, как конкретно это всё в сети происходит.

Может, надо было сказать так: "вся сеть - это одновременно: и память, и мышление"?

Так говорить нельзя, потому что выражение "и память, и процессор" имеет конкретный смысл сравнения сетей с обычной компьютерной архитектурой, где память отделена от процессора. "Мышление" же уже само по себе подразумевает нейронную сеть, то есть получится масло масляное.

[АrefievPV]

Не только обратные связи, но и механизм их регулировки.

Нет такого механизма.

Есть этот механизм и вы его сами чуть ниже описываете:

Суть правила Хебба в том, что синаптическая связь, соединяющая два нейрона, будет усиливаться (вес связи возрастает), если в процессе обучения оба нейрона согласованно испытывают возбуждение, либо торможение. В ином случае — уменьшается или не изменяется, в зависимости от выбора функции активации.

Замечание в строну по поводу механизмов.
Вы ни разу не слыхали такого выражения "механизм явления"?
Например, при исследовании некоего явления пытаются выяснить "механику" ("механизм") этого явления. Такое слово или словосочетание в данном контексте означает "что там и как работает".

Но за счёт чего они будут меняться? На них будут подаваться сигналы из места выхода? И/или из места выхода последующего промежуточного слоя? Прошу это дело конкретно прорисовать.

Они будут меняться по правилу Хебба:

Суть правила Хебба в том, что синаптическая связь, соединяющая два нейрона, будет усиливаться (вес связи возрастает), если в процессе обучения оба нейрона согласованно испытывают возбуждение, либо торможение. В ином случае — уменьшается или не изменяется, в зависимости от выбора функции активации.

1.9.3. Алгоритм искусственной нейронной сети

Механизм изменения "веса" связи понятен.
Хочу уточнить два момента (на будущее).
1.Элементы в данной сети могут иметь только два состояния (например, активное и пассивное)?
2.Окончание процесса обучение такой сети подразумевает фиксацию "весов" связей?

Пока (исходя из нарисованного) могу сказать только про первичное восприятие - оно происходит на первом (входном) слое элементов.

На входе восприятие - на выходе реакция? Покажите на схеме, где заканчивается восприятие и начинается построение реакции.

Я это дело указал конкретно - на входном слое элементов. То есть, и заканчивается первичное восприятие, и начинается построение реакции (на первичное восприятие) - всё на входном слое элементов.

Про "восприятие вообще" из рисунка схемы более ничего сказать не могу - вы ведь так и не стали прорисовывать обратные связи на схеме.

А про сопоставление могу только сказать (опять-таки, исходя из нарисованного), что оно вне схемы.

Почему вне схемы и в чём конкретно оно заключатся?

Я это пояснил:

Ведь любое обучение включает в себя оценку, сравнение, сопоставление. Но сравнивать и сопоставлять можно только с чем-то (оценивать также можно только по отношению к чему-то). Есть какие-то уставки, настройки, эталоны? И где они находятся?

Сеть ведь обучается на какой-то выборке, верно? То есть, ей "скармливают" на входе вполне определённые совокупности сигналов, а не хаотичный набор (типа, какого-нибудь "белого шума"), верно? Но любой выбор подразумевает сравнение, сопоставление, оценку - типа, это вот подходит для данной выборки, а вот это не годится.

Отсюда простой вопрос - кто/что и на основании каких критериев определяет эту выборку?
В схеме этого, кого-то/чего-то, я не углядел. Делаю вывод - этот кто/что находится за пределами схемы.

В самой схеме находится только актуальное знание ("прописанное" в её структуре), с которым и происходит сопоставление/сравнение входящих сигналов. Это актуальное знание распределено сразу по всей совокупности связей. На это я предыдущем сообщении указал:

Если мы предполагаем, что изменяются только "веса" связей, то это будет вся структура (то бишь, совокупность связей) сети. Могу добавить, что "внешне" (правда, в саму глубь сети не залезть, чтобы это увидеть) это будет проявляться как некий "узор", который будет меняться при любом запоминании целиком - поставить в соответствие отдельную связь отдельному условному "биту запомненной информации" невозможно.

Ведь любое обучение включает в себя оценку, сравнение, сопоставление. Но сравнивать и сопоставлять можно только с чем-то (оценивать также можно только по отношению к чему-то). Есть какие-то уставки, настройки, эталоны? И где они находятся?

Нас сейчас интересует работа сети. Мозг - это нейронная сеть и, по-вашему, работа этой сети "включает в себя оценку, сравнение, сопоставление". Вот я и надеюсь, раз вы это всё утверждаете, то вы и покажете на схеме, как конкретно это всё в сети происходит.

Мозг - это не только сеть. Мозг включает в свою архитектуру и сеть, и частично обособленные блоки, и разного размера участки в виде аналоговых схем.

У вас на рисунке показана схема, которая много чего не включает в себя. По сути, там показана аналоговая схема с возможностью широкой настройки.

Если это аналоговая схема, то все её знания "вшиты" прямо в структуру этой схемы (условно говоря, "вшитая" память). Соответственно, и в процесс сравнения/сопоставления включена вся данная конкретная структура схемы.

Если это аналоговая схема с возможностью широкой настройки на постоянной основе (то есть, у такой схемы нет какого-то одного фиксированного состояния), то в процесс сравнения/сопоставления включена вся актуальная структура схемы.

Напоминаю, что реакция любой системы (любой подсистемы, любого элемента) определяется структурой этой системы (структура системы - это и есть знания системы).
 

Может, надо было сказать так: "вся сеть - это одновременно: и память, и мышление"?

Так говорить нельзя, потому что выражение "и память, и процессор" имеет конкретный смысл сравнения сетей с обычной компьютерной архитектурой, где память отделена от процессора.

Во-первых, в процессоре тоже есть "хранилища" - кэш разного уровня. В процессоре имеется "прошивка" (в виде машинного кода). Наконец, процессор имеет знания "вшитые" прямо в структуру его схем (эдакую "вшитую" память). То есть, в процессоре есть память и сама его структура тоже есть "вшитая" память.

Во-вторых, та память компьютера (на винчестере, в планках оперативной памяти), которая отделена от процессора без процессора (без его работы) памятью не является - это просто "хранилище".

Память включает в себя три компонента: запоминание, хранение "записей", воспоминание (или - запись, хранение записей, воспроизведение). Уберите любой из компонентов - и память исчезнет. Причём, два из этих компонентов (запоминание, воспоминание) - это софт (по сути, они по этому признаку уже к мышлению относятся), а третий (хранение) также во многих случаях является софтом (то бишь, мышлением).

В-третьих, на винчестерах также имеются микроконтроллеры, которые обслуживают эти "хранилища" (как работник в библиотеке - библиотекарь) и центральный процессор им не указ.

"Мышление" же уже само по себе подразумевает нейронную сеть, то есть получится масло масляное.

Ничего подобного. Мышление - это вычисление. А какая архитектура у системы обеспечивающей данное вычисление - это уже вторично.

Напомню:

Вычисление, это процесс обработки информации. Но не каждый процесс обработки информации является вычислением.

Мышление, это процесс вычисления. Но не каждый процесс вычисления  является мышлением.

Кстати, про мышление я приводил образную аналогию здесь:
https://astronomy.ru/forum/index.php?topic=182205.msg5045325#msg5045325

Здесь упоминал про вычисления вообще:

По приведённой мной ссылке:
http://cyclowiki.org/wiki/%D0%92%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5

Вычисление — это передача данных, обычно с изменениями.

Изменения в состоянии (данных), наблюдаемые на любых масштабах мира, подчиняются физическим законам, а значит, несут информацию, являясь вычислением в широком смысле.

Повторяю, вы сравниваете "железо" и "софт". Нейронная сеть - это "железо", а то, что она выполняет - это "софт". И память нейронной сети частично и временно "прописана" в "железе" (хранение), а частично является "софтом". Причём, зачастую "софтом" является и хранение – кратковременная память, рабочая память и пр.

[Лаплас]

Мозг включает в свою архитектуру и сеть, и частично обособленные блоки, и разного размера участки в виде аналоговых схем.

Приведите пример "частично обособленных блоков" в нейронной сети мозга, которые не являются нейронной сетью мозга. Приведите пример "аналоговых схем" в нейронной сети мозга.

Но любой выбор подразумевает сравнение, сопоставление, оценку - типа, это вот подходит для данной выборки, а вот это не годится.

И этот "выбор/сравнение/оценка" происходит у нас в голове. Мыслим мы нейронной сетью мозга. В связи с чем я прошу вас показать на схеме нейронной сети, как в нейронной сети происходит "сравнение", к примеру. Схему этого процесса. Вы же утверждаете, что "сравнение" в сетях есть. Если вам нужны для этого обратные связи, проведите их мысленно, я пойму.

Я это дело указал конкретно - на входном слое элементов. То есть, и заканчивается первичное восприятие, и начинается построение реакции (на первичное восприятие) - всё на входном слое элементов.

Восприятие заканчивается на рецепторах? То есть сети занимаются только тем, что строят реакции? Если же на рецепторах заканчивается только "первичное восприятие", то чем конкретно "первичное восприятие" отличается от вторичного и сколько восприятий должно быть в нейронной сети до того, как она начнёт строить реакцию?