생물학적 뉴런은 연속적인 층으로 구성되어 있습니까?
복잡성의 현실 수용
말하자면, "예"는 일련의 1 차 술어 논리 규칙에 적용되는 간단한 형태의 재귀로 인해 발생하는 디지털 학습이 레프 러콘 요정의 무지개를 따라 금 냄비로 달려가는 것과 마찬가지로 과도하게 단순화 된 것입니다.
마지막 질문은 apropos입니다. "이것이 사실이며 얼마나 강력하게 믿습니까? 이것에 대한 연구는 무엇입니까?" 뇌의 뉴런이 주로 층 구조로되어 있다고 얼마나 강력하게 판단되는지 조사하려면 여론 조사가 필요합니다. 실제 연구 에서 레이어에 대한 언급은 레이어가 대부분의 경우에 연속적이라고 주장하지 않는 것 같습니다. 피부에는 연속적인 레이어가 있지만 레이어 만있는 스킨에는 모공, 머리카락, 바디 오리피스와의 인터페이스 및 기타 여러 기능이 없습니다. 인간의 뇌 (또는 동물의 뇌)에서 3 차원 복잡성은 피부의 복잡성으로부터 상당히 증대됩니다.
AI 연구원의 관점에서 보면 좋을 것입니다.
- 전문가 시스템에 적용되는 경험적이거나 이론적으로 입증 된 재귀 체계는 학습 또는 정보를 생성하거나
- 인간 (또는 조류) 뇌의지도는 층으로 배열 된 동일한 뉴런의 행에서 유사한 뉴런 세트로 축소 될 수있다.
질문에 제공된 이미지는 그러한 단순성을 나타내지 않습니다. 그것은 실제로 그 복잡한 부분에서 자연이 그다지 투명하지 않다는 것을 보여줍니다.
"뉴런은 종종 연속적인 층으로 구성되어 있기 때문에"특성화는 정확하지 않습니다. 도시 된 특정 슬라이스의 아래의보다 합리적인 특성은 이산 적으로 구별 될 수있는 2 개의 영역, 즉 가장 왼쪽 8 %의 그리드 및 나머지 92 %의 큰 수평 연결성을 나타낸다.
전기 기술자 또는 수학자는 아마도이 두 섹션 레이어를 호출하지 않을 것입니다. 왼쪽은 어떤 형태의 행렬로 가정 될 수 있으며 오른쪽 92 %는 복잡한 처리 회로로 간주 될 수 있습니다.
2D 구조의 특성
- 축색 돌기는 주로 단위 벡터 (-1, 0, 0)에 의해 설명 된 방향을 따라, 그렇지 않으면 오른쪽에서 왼쪽으로 설명 할 수 있습니다.
- x의 낮은 값에서 종료되는 축삭의 비율이 높기 때문에 x의 연인 값에 대한 축삭의 밀도가 증가합니다.
- 핵 밀도는 x의 0.1 내지 1.0 비례 범위에서 비교적 균일하다.
- 핵 크기와 관련 수상 돌기 복잡도는 x의 비례 값의 0.8에서 1 차 최대 값과 x의 비례 값의 0.55에서 2 차 최대 값으로 구배와 거의 일치합니다.
- 이러한 비례 x 위치 사이에서 적어도 2 개의 축삭이 분기된다.
- x의 비례 값의 0.0 ~ 0.08 범위에서 z 축에 거의 평행 한 거의 등거리 공리가 있습니다.
- 추가 구조 패턴은 모호하거나 존재하지 않습니다.
혼란스러운 구조를 가진 또 다른 이미지
수백만 번의 복잡성
3 차원 신경 구조의 단일 슬라이스에서 시청자에게 많은 복잡성이 숨겨져 있음을 더 고려하십시오. 이미지가 xz 평면과 평행하게 슬라이스 컷이라고 임의로 결정하면 해당 xz 계획의 관계를 볼 수 있지만 xy 또는 yz는 아닙니다. 뇌의 다른 방향이나 위치의 다른 슬라이스는 Mandelbrot 세트의 임의의 창만큼 고유합니다.
더 많은 연구 결과의 허위 진술
"뇌의 일부가 매핑되었습니다"라는 문구도 오해의 소지가 있습니다. 인간 뇌의 하부 구조들 사이의 일반적인 연결성은 개별 뉴런에서의 신호 전파 및 강도에 대한 신호 및 기준이 아니라 매핑되었다. 회로는 두 개의 뇌 사이의 뉴런 수준에서 근본적으로 다르며, 둘 다 지능적인 생체 내 (생존)를 나타낸다.
비유는 대륙, 주요 도시 및 운송 경로의지도를 가지고 있지만 교통 시스템에 대한 사전 지식이없고 GPS가 없으며 에펠 탑에서 시드니 호주 도시 중심. 여행이 성공적으로 이루어질 수있는 운송 시스템의 진화 또는 상세한 방향이 불충분합니다.
전자 버전의 전자 버전을 구축하기에 충분한 인간 두뇌의 구조와 기능에 대한 세부 수준에 도달 한 경우 누락 된 부분에는
- 축색 돌기 나 수상 돌기의 길이가 길어 지거나 분기되는 조건
- 세포질 내에 상태 정보를 보유하는 것으로 알려진 내부 구조에 기초하여 뉴런이 발화하는 조건.
- 인간 게놈과 그 품종의 관계 및 다양한 유전자의 구조, 유전자 발현 메커니즘 및 관련 효소 및 단백질에 미치는 영향
- 신경 과학 교육 수준을 넘어서는 다른 복잡성.
- 신경 과학에서 모든 사람의 교육 수준을 넘어서는 다른 복잡성.
레이어와 계층
과학에서 해부학 적 구조를 이해하는 데 도움을 줄 수 있기 때문에 교육 및 실습에 사용할 계층 또는 계층을 찾는 것이 일반적입니다. 이러한 경향은 운영 체제 설계, 프로그래밍 언어 설계, 응용 프로그램 설계 및 현재 AI 설계에서 소프트웨어 엔지니어링에 나타났습니다. 이러한 기술 영역이 발전함에 따라 실제로 추세는 순수 계층 지향적 또는 계층 적 설계에서 더 제한되지 않은 상호 연결 부품 네트워크로 이동합니다. 단순성이 요구되지만 때때로 복잡성이 요구된다.
지능 시뮬레이션은 까다로운 목표이며, 지능형 디지털 시스템 설계 시도의 상반기에 실패한 단순성에는 작업 솔루션에 복잡성과 상당한 전문 지식이 필요하다는 것이 분명합니다.
주로 계층 또는 계층 구조로 특징 지어지는 구조 방향으로 인간 지능의 진화를 안내하는 제약이 없다고 가정하는 것이 합리적입니다. 진화 과정은 학문적 연구를 용이하게하기위한 단순성을 주목하지 않습니다. DNA 유전자 발현이나 태아 또는 후기 단계에서 뉴런이 성장하여 구조 나 기능에 대한 단순성 규칙을 시행하는 방식에 대해서는 아무것도 없습니다.
우리가 지능으로 생각하는 뇌의 특징으로 이끄는 DNA 발현은 얼마나 복잡합니까? 그러한 표현에서 나오는 신경계는 얼마나 복잡합니까? 어떤 사람들은 인간의 마음이 스스로를 시뮬레이션하기 전에 인류가 진화해야한다고 생각합니다. 그러한 추측은 사실이거나 거짓 일 수 있습니다. 규모에 관계없이 이러한 예측은 어렵다.
낙관적 예측의 수치 해석
예상 수명, 독일에서의 태양 전지판 배치 용량, CPU 속도 (초당 마이크로 프로세서 명령 실행), 트랜지스터 밀도 (무어의 "법칙"), 공산당의 규모 및 기타 여러 메트릭스에 대한 지수 성장에 대한 기대가 제안되었습니다. 그러나 자연의 성장률과 인간의 노력은 초기 단계에서 종종 기하 급수적이지만 지속 가능한 것으로 입증 된 적은 없습니다. 성장 속도는 이후 짧은 기간 동안 거의 선형이며 포화에 가까워짐에 따라 아크 탄젠트 모양이됩니다. 포화 상태에서 메트릭스 값이 혼란스러워지고 감소하는 경향이 있으며 오랜 시간에 걸쳐 시작됩니다.
2005 년 4 월 Gordon Moore (무어의 "법률"저자)는 "[지수 성장]은 영원히 지속될 수 없습니다. 지수의 본질은 당신이 그들을 밀어 내고 결국 재앙이 발생한다는 것입니다." 그는 후에 "트랜지스터의 크기 측면에서 우리가 근본적인 장벽 인 원자의 크기에 접근하고 있음을 알 수있다"고 말했다.
무어는 법을 발명하지 않았다는 것을 이해하는 것이 중요합니다. 그는 20 년 동안의 데이터를 살펴 보았고 트랜지스터 밀도가 대략 t에 비례한다는 것을 알았다 . 여기서 t는 집적 회로가 처음 대량 시장에 도달 한 이후의 시간 길이이며, 명확한 추세 데이터를 기반으로 추가 지수 성장을 예측했다.
현실적인 예측
인간은 자기 시뮬레이션을 만드는 것만 큼 근본적으로 문턱 파괴와 같은 것을 시도한 적이 없습니다. 지수 성장, 선형 성장, 아크 탄젠트 성장 또는 다른 형태가 가장 가능성있는 모델인지 알 수있는 관련 경험이 없으면 가장 안전한 모델은 아마도 Occam의 면도기가 처방 한 선형 예측 일 것입니다.
예측을하려면 일부 데이터 포인트를 수집해야합니다. 이것은 현실적인 예측이지만 매우 부지런한 예측은 아닙니다. 아마도 선형 모델보다 가능성이 높은 모델을 찾고, 이론 및 측정 시스템을 개발하여 어느 시점에서 진행 상황을 결정하거나, 더 많은 데이터 점을 수집하여 최소 제곱 적합도를 설정하기 위해 더 많은 작업을 수행 할 수 있습니다. 이 답변의 목적을 위해 간단히 두 개의 데이터 포인트를 사용하고 선형 외삽을 수행합니다.
1660 년 Blaise Pascal은 그의 Pensées ( "Thoughts")에서 "산술 기계는 동물의 모든 행동보다 생각에 더 가까이 접근하는 효과를 만들어냅니다. 인간 지능의 기계적 시뮬레이션에 대한 검색은 이미 진행 중이었습니다.
그 이후로, 컴퓨터 프로그래머는 많은 인간 능력을 달성하는 코드를 개발했습니다.
- 수치 및 논리 계산 (CPU)의 일반화
- 사무 자동화
- 패턴 인식 (작문, 연설 및 장면에 적용)
- 기능적으로 최적 인 회로 (신경망)에 대한 수렴
- 의사 결정에 확률 적용 (Bayes '정리 등)
- 개별 게임에서 우수 할 수있는 규칙 시스템
디지털 시스템의 지능에 대한 현재의 디지털 시뮬레이션에서 누락 된 기능은 중요하고 다양합니다.
- 일반적인 문제 접근을 열거하는 직관
- 자연 언어 능력의 우수성
- 예술의 정서적 표현성
- 예술의 정치적 표현성
- 로봇 시스템 내에서 운동하기
- 직장에서 일을 잘함 (임의의 지시 사항이 주어짐)
- 직장에서 새로운 일을 배우는 법
- 도메인에 대한 사전 경험없이 프로젝트 시작하기
- 종합적인 환원 분석
- 요구 사항에 따른 임의의 물리적 장치의 복잡한 설계)
- 소프트웨어 개발 (요구 사항에 따라 소프트웨어를 생성하는 소프트웨어)
- 연구 분야의 계몽 된 확장
- 실시간 subterfuge 식별
- 정서적 친밀감
- 동정과 공감
- 종합적인 자기 평가
- 가설을 입증하기위한 새로운 수학 영역 개발
- 수업으로 이동하여 자세히 알아보기
- 원하는 학습 경로를 따라 책과 기사를 선택하여 읽으십시오
- 이 라인을 따라 다른 기능
이 목록이 요약되어 있고 소프트웨어에서 아직 달성되지 않은 이러한 항목은 이미 성공적으로 프로그래밍 된 것만 큼 자연 언어로 기계적으로 설명 할 수 없다는 점을 감안할 때 2017 년에 우리는 달성 한 디지털 시스템 만 있다는 것을 상대적으로 확신 할 수 있습니다 사람들이 정신적으로 도전받은 사람을 부르지 않고 인간으로부터 기대하는 완전한 세트의 기능의 폭의 일부. 성과 목록에서 볼 때, 지능형 사람들이하는 것의 10 % 이상이 컴퓨터 소프트웨어에 의해 시뮬레이션되었습니다.
(인간의 발전이 기하 급수적 주장 1 에도 불구하고) 발견 률이 줄어들거나 증가 할 것이라고 믿을만한 어떠한 이유도없이 간단한 선형 근사법으로 5,587 년 동안 상대적으로 완전한 전자 뇌를 수평선에 올려 놓는다.
