Состояние исследований шиповника
Нейрон Шиповника является важным открытием, имеющим огромное значение для ИИ и его связи с доминирующим интеллектом на земле, по крайней мере, в течение последних 50 000 лет. Статья, которая породила другие статьи, является транскриптомным и морфофизиологическим доказательством для специализированного коркового GABAergic типа человека , Buldog et. al., сентябрь 2018, Nature Neuroscience .
Связь между этим типом нейрона и его экспрессией ДНК начинается. Нет данных относительно влияния различий Rosehop на нейронную активность во время обучения или использования того, что было изучено. Конечно, исследования в этом направлении указаны, но открытие было только что опубликовано.
Преимущество междисциплинарного подхода к ИИ
То, что те, кто ссылается на подобные статьи, могут видеть ценность в объединении или, по крайней мере, выравнивании знаний по дисциплинам, наиболее вероятно, будет способствовать прогрессу ИИ и прогрессу в других областях когнитивной науки, биоинформатики, автоматизации бизнеса, производственной и потребительской робототехники, психологии, и даже закон, этика и философия.
Такая заинтересованность в согласовании взаимопонимания между междисциплинарными линиями присутствует в AI Stack Exchange, безусловно, выгодно для роста сообщества как в профессиональном, так и в социальном аспектах.
Несоответствие между тем, что работает
В человеческом мозге работают нейроны. Независимо от того, являются ли нейроны шиповника необходимым условием языка, создание и использование сложных моделей или трансцендентные эмоции, такие как любовь в homo sapiens, неизвестно и останется таковым в ближайшем будущем. Тем не менее, у нас есть пятьдесят тысячелетнее доказательство концепции.
Мы также знаем, что искусственные сети работают. Сегодня мы используем их в бизнесе, финансах, промышленности, потребительских товарах и различных веб-сервисах. Когда всплывающее окно спрашивает, был ли данный ответ полезным, наш ответ становится меткой в наборе реальных данных, из которых извлекаются образцы для машинного обучения.
Тем не менее, работающие ячейки являются потомками персептрона 1957 года с добавлением применения градиентного спуска с использованием эффективной стратегии корректирующего распределения сигналов, которую мы называем обратным распространением. Понимание функции нейронов в 1957 году было чрезвычайно коротким, как мы теперь знаем, как функциональные особенности нейронов мозга млекопитающих. Открытие Шиповника может расширить этот разрыв.
Spiking Networks
Исследовательская сеть более реалистично моделирует нейроны, а нейроморфные исследования и разработки помещают улучшенные модели в микросхемы СБИС. Совместное предприятие между IBM и MIT является еще одним.
Соотношение нейронной функции с мозгом
Соотношение интеллекта и количества белков или молекул может быть не самым показательным. Это более вероятные отношения между метриками и функциями и интеллектом системы.
- Генетические признаки, которые были идентифицированы (22 из них), которые непосредственно влияют на результаты тестирования интеллекта - Например, корреляция между полиморфизмами генов рецептора окситоцина OXTR rs53576, rs2254298 и rs2228485 и интеллектом известна - см. Вопрос, содержащий ссылки на открытие 22 гены, которые значительно влияют на результаты теста интеллекта
- Нейрохимическая экспрессия, вызванная факторами окружающей среды, варьирующими уровни окситозина, дофамина, серотонина, нейропептида Y и канабиноидов, которая участвует в глобальном и региональном функциональном поведении в мозге человека.
- Топология сигнала (отличная от размеров и количества и отличающаяся от топологии, созданной путем упаковки нейронных сетей в области черепа). В настоящее время идентифицируется топология сигнала. Технология сканирования развивается до такой степени, что пути сигнала могут быть идентифицированы путем отслеживания импульсов во временном пространстве и определения причинности.
- Синаптическая пластика, вид нейронной пластики
- Общее количество нейронов, примененных к определенной функции мозга
- Влияние на аксон и термодинамику клеточного тела на передачу сигнала, ключевой элемент в моделировании нейрона мозга
Ни один из них еще не смоделирован таким образом, чтобы точность моделирования была подтверждена, но необходимость исследования в этом направлении четко обозначена, как следует из этого вопроса.
Это правда, что нынешнее Машинное обучение основано на рассмотрении нейронов как компонента всей сложности, сетки нейронов. Основное внимание уделяется архитектуре, а не более ясному пониманию или имитации основного блока, то есть нейронов.
Anirban Bandhopadhyay - биолог и невролог, который изучил, как гармония изменяет элемент памяти и силу принятия решений в микротаблицах внутри нейронов.
Вот его фрагмент, объясняющий и пытающийся понять, что именно является вычислением, и как мозг выполняет вычисления.
Как работает мозг?
источник