Apakah neuron biologis terorganisir dalam lapisan yang berurutan juga?


9

Saya sekarang membaca buku berjudul Praktek Mesin Langsung dengan Scikit-Learn dan TensorFlow dan dalam Bab 10 buku ini, penulis menulis yang berikut:

Arsitektur jaringan saraf biologis (BNN) 4 masih menjadi subjek penelitian aktif, tetapi beberapa bagian otak telah dipetakan, dan tampaknya neuron sering diatur dalam lapisan yang berurutan, seperti yang ditunjukkan pada Gambar 10-2.

masukkan deskripsi gambar di sini

Namun sepertinya tidak ada tautan ke penelitian di sana. Dan penulis tidak mengatakannya dengan tegas mengingat bahwa dia menggunakan " sepertinya neuron sering terorganisir dalam lapisan yang berurutan" .

Apakah ini benar dan seberapa kuat dipercaya? Dari penelitian apa ini?


Jawaban @ JadenTravnik bagus, lihat komentar saya di sana. Perbedaan antara referensi di sini dan jawaban itu adalah kutipan ini sepertinya menyiratkan bahwa ada struktur umpan-maju dalam satu kolom di neocortex (karena itulah gambar yang diwakili di sini). Ini tentu saja salah, meskipun kadang-kadang berfungsi sebagai model. Meskipun ada bukti untuk beberapa pemrosesan umpan-maju dalam kolom, ada juga satu ton perulangan dan umpan balik. Struktur umpan maju lebih masuk akal di antara area kortikal (inilah jawaban di bawah ini).
Bryan Krause

Terminologi "lapisan" memiliki arti berbeda dalam dua konteks juga. Ketika ahli biologi berbicara tentang "lapisan" kortikal, yang mereka maksudkan adalah lapisan anatomi, bukan lapisan gaya jaringan saraf fungsional. Sel-sel dalam satu lapisan sangat saling berhubungan satu sama lain, serta pada tingkat yang lebih rendah dengan sel-sel dari semua lapisan lainnya. Beberapa konektivitas dalam jawaban ini untuk pertanyaan yang berbeda di biology.se: biology.stackexchange.com/questions/57495/…
Bryan Krause

Jawaban:


6

Jawaban singkatnya: ya

Jawabannya sedikit lebih lama: agak

Jawaban panjang:

Convolutional neural networks (CNNs), yang sekarang menjadi standar dalam model pemrosesan gambar, terinspirasi dari pekerjaan yang dilakukan oleh Hubel dan Wiesel pada 1950-60an. Mereka menunjukkan bahwa korteks visual kucing dan mokeys mengandung neuron yang secara individual merespons daerah kecil dari bidang visual.

Untuk memberikan latar belakang, pertama-tama kita harus mulai dari batang dan kerucut di mata. Sel-sel fotosensitif ini terhubung ke beberapa lapisan sel sebelum bahkan meninggalkan retina melalui sel ganglion.

Gambar batang terhubung ke sel bipolar yang terhubung ke sel ganglion

Sel-sel ganglion ini kemudian dihubungkan ke beberapa daerah otak tetapi terutama lobus oksipital yang terletak di bagian belakang otak. Lobus oksipital bertanggung jawab untuk pemrosesan visual dan dipisahkan menjadi lapisan kortikal, yang pertama bernama V1 yang merupakan area visual primer. Sebagian besar pekerjaan oleh Hubel dan Wiesel melibatkan sel dalam V1 dan menunjukkan bagaimana sel-sel ini sensitif terhadap orientasi dan warna dari masing-masing daerah reseptif di retina.

masukkan deskripsi gambar di sini

Sel-sel di V1 terhubung ke sel-sel di V2 yang sensitif terhadap rangsangan lebih spesifik seperti gerakan dengan orientasi dan tren sensitivitas spesifik ini terus naik dari V2 ke daerah yang lebih tinggi di otak.

Pendekatan berlapis untuk penglihatan ini telah banyak dieksploitasi di CNN, sedemikian rupa sehingga ketika sensitivitas neuron dalam CNN terlatih ditampilkan, respons (orientasi) yang sama ditemukan.

masukkan deskripsi gambar di sini

Ada bukti yang jelas tentang lapisan dalam sistem optik biologis dan struktur berlapis serupa di indera lain. Meskipun ada banyak koneksi antara struktur otak yang berbeda, struktur utama lapisan di otak telah membantu memahami apa yang dilakukan berbagai area otak dan telah membantu menginspirasi banyak (jika tidak semua) kemajuan dalam penelitian jaringan saraf.


1
Dapatkan ping dari Biology.SE. Jawaban ini bagus, tentu cukup baik untuk bidang ini. Lapisan dalam neokorteks nyata berbeda dari sebagian besar jaringan saraf dalam hal mereka berulang secara besar-besaran, terdiri dari umpan maju dan umpan balik aktif secara simultan, dan sangat bergantung pada riwayat terkini dan keadaan keseluruhan. Dan itu hanya dalam satu area visual (seperti V1). Beberapa jaringan buatan memberikan beberapa fitur ini, yang lain meniru mereka dengan mekanisme yang lebih ramah komputasi.
Bryan Krause

1

Apakah neuron biologis diorganisasikan dalam lapisan yang berurutan?

Merangkul Realitas Kompleksitas

Mengatakan, "Ya," akan menjadi penyederhanaan yang berlebihan, sama seperti pembelajaran digital yang muncul dari beberapa bentuk rekursi sederhana yang diterapkan pada seperangkat aturan logika predikat orde pertama, seperti berjalan di sepanjang pelangi leprechaun ke pot emas.

Set pertanyaan terakhir adalah apropos: "Apakah ini benar dan seberapa kuat dipercaya? Dari penelitian apa ini?" Anda memerlukan jajak pendapat untuk menentukan seberapa kuat diyakini bahwa neuron di otak berada dalam struktur yang dominan berlapis. Referensi ke lapisan dalam penelitian aktual tampaknya tidak membuat klaim bahwa lapisan berturut-turut dalam sebagian besar kasus jika ada. Ada lapisan yang berurutan pada kulit, tetapi kulit dengan lapisan hanya akan kekurangan pori-pori, rambut, antarmuka dengan lubang tubuh dan banyak fitur lainnya. Di otak manusia (atau otak hewan) kompleksitas tiga dimensi sangat meningkat dari kulit.

Akan lebih baik, dari perspektif peneliti AI, jika

  • Skema rekursif heuristik atau yang terbukti secara teoritis diterapkan pada sistem pakar dapat menghasilkan pembelajaran atau kecerdasan atau
  • Peta otak manusia (atau burung) dapat direduksi menjadi seperangkat neuron seperti dalam barisan neuron identik, tersusun berlapis-lapis.

Gambar yang disediakan dalam pertanyaan tidak menggambarkan kesederhanaan seperti itu. Ini sebenarnya menggambarkan yang sebaliknya, bahwa alam jarang begitu transparan dalam seluk-beluknya.

Karakterisasi, "Karena tampaknya neuron sering diatur dalam lapisan yang berurutan," tidak akurat. Karakterisasi di bawah ini yang lebih masuk akal dari irisan tertentu yang ditunjukkan menunjukkan dua daerah yang mungkin berbeda secara terpisah, kisi pada 8% paling kiri dan keterhubungan horisontal sebagian besar pada 92% sisanya.

Seorang insinyur listrik atau ahli matematika mungkin tidak akan menyebut dua bagian lapisan ini. Sisi kiri mungkin dihipotesiskan menjadi matriks dari beberapa bentuk dan 92% kanan mungkin dianggap sebagai sirkuit pemrosesan yang kompleks.

Karakterisasi Struktur 2D

  • Akson diarahkan terutama di sepanjang arah yang dijelaskan oleh vektor satuan (-1, 0, 0), jika tidak dijelaskan sebagai kanan ke kiri.
  • Kepadatan akson meningkat untuk nilai kekasih x, karena tingginya proporsi akson yang berakhir pada nilai x yang lebih rendah.
  • Kerapatan inti relatif bahkan dalam kisaran proporsional x hingga 0,1 hingga 1,0.
  • Ukuran nukleus dan kompleksitas dendrit yang terkait sesuai kira-kira dengan gradien, dengan maksimal maksimum 0,8 dari nilai proporsional x dan maksimum sekunder di 0,55 dari nilai proporsional x
  • Setidaknya ada dua akson yang bercabang dua di antara lokasi x proporsional tersebut.
  • Ada aksioma yang hampir sama semua kira-kira sejajar dengan sumbu z dalam kisaran 0,0 hingga 0,08 dari nilai proporsional x.
  • Pola struktural selanjutnya tidak jelas atau tidak ada.

Gambar lain dengan Struktur Chaotic

masukkan deskripsi gambar di sini

Jutaan Kali Kompleksitas

Pertimbangkan lebih lanjut bahwa sebagian besar kerumitan disembunyikan dari penonton dalam satu irisan struktur neurologis tiga dimensi. Jika kita secara sewenang-wenang memutuskan bahwa gambar tersebut adalah potongan yang diparalel dengan bidang xz, kita dapat melihat hubungan dalam rencana xz itu, tetapi tidak dalam xy maupun yz. Potongan lain dari arah atau lokasi lain di otak akan seunik jendela sewenang-wenang ke Mandelbrot Set.

Lebih Banyak Kekeliruan Hasil Penelitian

Ungkapan, "Beberapa bagian otak telah dipetakan," juga menyesatkan. Konektivitas umum antara substruktur otak manusia telah dipetakan, bukan sinyal dan kriteria untuk propagasi sinyal dan kekuatan dalam neuron individu. Sirkuit berbeda secara radikal pada tingkat neuron antara dua otak, yang keduanya menunjukkan kecerdasan in vivo (pada makhluk hidup).

Analogi ini seperti orang seukuran mikroba dengan peta benua, kota-kota besar, dan rute pengiriman tetapi tanpa pengetahuan sebelumnya tentang sistem transportasi, tidak ada GPS, dan tidak ada peta terperinci lainnya yang ingin melakukan perjalanan dari menara Eiffel ke pusat kota di Sidney Australia. Ada satu set evolusi sistem transportasi yang tidak mencukupi atau arahan terperinci yang dengannya perjalanan dapat berhasil dilakukan.

Dalam hal mencapai tingkat detail dalam struktur dan fungsi otak manusia yang cukup untuk membangun versi elektroniknya, bagian yang hilang termasuk kurangnya pemahaman

  • Kondisi di mana akson atau dendrit tumbuh panjang atau bercabang dua
  • Kondisi di mana neuron menembak berdasarkan struktur internal yang diketahui menyimpan informasi keadaan dalam sitoplasma.
  • Ikatan antara genom manusia dan varietasnya dan dampaknya terhadap struktur berbagai gen, mekanisme ekspresi gen, dan enzim serta protein yang terkait dengannya.
  • Kompleksitas lain di luar tingkat pendidikan saya dalam ilmu saraf.
  • Kompleksitas lain di luar tingkat pendidikan semua orang dalam ilmu saraf.

Lapisan dan Hirarki

Adalah umum dalam sains untuk mencari lapisan atau hierarki untuk digunakan dalam pendidikan dan praktik karena mereka dapat membantu dalam memahami struktur anatomi. Kecenderungan itu telah muncul dalam rekayasa perangkat lunak dalam desain sistem operasi, desain bahasa pemrograman, desain aplikasi, dan sekarang desain AI. Ketika bidang teknologi ini berkembang, tren ini sebenarnya jauh dari berorientasi lapisan murni atau desain hierarkis ke lebih dari jaringan yang lebih bebas dari bagian-bagian yang saling berhubungan. Kesederhanaan diinginkan, tetapi terkadang kompleksitas diperlukan.

Mensimulasikan kecerdasan adalah tujuan yang menuntut, dan, kesederhanaan yang gagal pada setengah abad pertama dalam mencoba merancang sistem digital yang cerdas, jelas bahwa solusi yang bekerja akan membutuhkan kompleksitas dan oleh karena itu keahlian yang besar.

Adalah masuk akal untuk mengasumsikan bahwa tidak ada kendala yang memandu evolusi kecerdasan manusia ke arah struktur yang dicirikan terutama oleh lapisan atau struktur hierarkis. Proses evolusi tidak memperhatikan kesederhanaan untuk tujuan memudahkan studi akademis. Tidak ada apa pun tentang ekspresi gen DNA atau cara-cara di mana neuron tumbuh pada janin atau tahap-tahap selanjutnya yang akan menegakkan aturan kesederhanaan pada struktur atau fungsi tersebut.

Seberapa kompleks ekspresi DNA yang mengarah pada fitur otak yang kita anggap kecerdasan? Seberapa rumit sistem saraf yang muncul dari ekspresi itu? Beberapa percaya bahwa umat manusia harus berevolusi sebelum pikiran manusia dapat mensimulasikan diri mereka sendiri. Dugaan seperti itu bisa benar atau salah. Seperti sulit untuk diprediksi, bahkan dalam urutan besarnya.

Analisis Angka Prediksi Optimis

Harapan untuk pertumbuhan eksponensial telah diusulkan untuk harapan hidup, kapasitas panel surya yang digunakan di Jerman, kecepatan CPU (eksekusi instruksi mikroprosesor per detik), kepadatan transistor ("Hukum" Moore), ukuran Partai Komunis, dan banyak metrik lainnya, tetapi meskipun tingkat pertumbuhan di alam dan usaha manusia sering eksponensial pada tahap awal, namun tidak pernah terbukti berkelanjutan. Laju pertumbuhan kira-kira linier untuk periode singkat sesudahnya dan menjadi lebih berbentuk busur-tangen ketika saturasi didekati. Dari saturasi, nilai-nilai metrik cenderung menurun dan meningkat dalam kesesuaian yang kacau dan dimulai dalam rentang waktu yang lama.

Pada bulan April 2005, Gordon Moore (penulis "Hukum" Moore) menyatakan, "[Pertumbuhan eksponensial] tidak dapat berlanjut selamanya. Sifat eksponensial adalah bahwa Anda mendorong mereka keluar dan akhirnya bencana terjadi." Dia kemudian menyatakan, "Dalam hal ukuran [dari transistor] Anda dapat melihat bahwa kita sedang mendekati ukuran atom yang merupakan penghalang mendasar."

Penting untuk dipahami bahwa Moore tidak menciptakan undang-undang. Dia melihat lebih dari dua dekade data dan melihat kepadatan transistor kira-kira sebanding dengan et , di mana t adalah lamanya waktu sejak sirkuit terpadu pertama kali mencapai pasar massal, dan kemudian memperkirakan pertumbuhan eksponensial lebih lanjut berdasarkan pada data tren yang jelas.

Prediksi Realistis

Manusia tidak pernah mencoba sesuatu yang secara mendasar melanggar ambang batas seperti menciptakan simulasi diri. Tanpa pengalaman terkait dari mana untuk mengetahui apakah pertumbuhan eksponensial, pertumbuhan linier, pertumbuhan tangen busur, atau bentuk lain adalah model yang paling memungkinkan, model teraman mungkin yang ditentukan oleh Pisau Cukur Occam, prediksi linear.

Untuk membuat prediksi, seseorang harus mengumpulkan beberapa poin data. Meskipun ini prediksi yang realistis, ini bukan prediksi yang sangat rajin. Mungkin lebih banyak pekerjaan dapat dilakukan untuk menemukan model yang lebih mungkin daripada yang linier, mengembangkan sistem teori dan metrik untuk menentukan kemajuan pada titik waktu mana pun, atau mengumpulkan lebih banyak titik data untuk membuat kuadrat yang paling cocok. Untuk keperluan jawaban ini, kami hanya akan menggunakan dua titik data dan melakukan ekstrapolasi linier.

Pada tahun 1660, Blaise Pascal menulis dalam Pensées-nya ("Pikiran"), "Mesin aritmatika menghasilkan efek yang mendekati lebih dekat ke pikiran daripada semua tindakan hewan. Tapi itu tidak melakukan apa pun yang akan memungkinkan kita untuk mengaitkan kehendak padanya, seperti pada binatang, "jadi pencarian simulasi mekanis kecerdasan manusia sudah berlangsung pada saat itu.

Sejak itu, programmer komputer telah mengembangkan kode yang memenuhi sejumlah kemampuan manusia.

  • Generalisasi perhitungan numerik dan logis (CPU)
  • Otomatisasi kantor
  • Pengenalan pola (diterapkan pada tulisan, ucapan, dan adegan)
  • Konvergensi pada sirkuit optimal secara fungsional (jaring saraf)
  • Penerapan probabilitas untuk pengambilan keputusan (Teorema Bayes, dll)
  • Sistem aturan yang mampu unggul dalam game diskrit

Fitur yang hilang dari simulasi digital saat ini intelijen sistem digital adalah penting dan banyak.

  • Intuisi dalam menyebutkan pendekatan masalah umum
  • Keunggulan dalam keterampilan bahasa alami
  • Ekspresi emosional dalam seni
  • Ekspresi politik dalam seni
  • Bermain olahraga dengan baik (dalam sistem robot)
  • Melakukan pekerjaan dengan baik di tempat kerja (diberi instruksi sewenang-wenang)
  • Belajar melakukan hal-hal baru di tempat kerja
  • Memulai proyek tanpa pengalaman sebelumnya di domain
  • Analisis reduktif komprehensif
  • Desain kompleks perangkat fisik sewenang-wenang per persyaratan)
  • Pengembangan perangkat lunak (perangkat lunak penghasil perangkat lunak per persyaratan)
  • Perpanjangan area studi yang tercerahkan
  • Identifikasi dalih secara real time
  • Keintiman emosional
  • Belas kasih dan empati
  • Evaluasi diri yang komprehensif
  • Pengembangan bidang matematika baru untuk membuktikan hipotesis
  • Pergi ke kelas dan pelajari lebih lanjut
  • Pilih buku dan artikel di sepanjang jalur pembelajaran yang diinginkan dan bacalah
  • Kemampuan lain di sepanjang garis ini

Mengingat daftar ini diringkas dan item-item ini yang belum dicapai dalam perangkat lunak tidak dapat dideskripsikan secara mekanis dalam bahasa alami seperti yang telah diprogram dengan sukses, kita dapat relatif yakin bahwa pada 2017 kita memiliki sistem digital yang hanya dapat dicapai sepersekian luas dari fitur set lengkap yang orang harapkan dari seorang manusia tanpa memanggil orang yang mengalami gangguan mental. Dilihat dari daftar pencapaian, tidak lebih dari 10% dari apa yang dilakukan orang cerdas telah disimulasikan oleh perangkat lunak komputer.

Tanpa alasan untuk meyakini bahwa laju penemuan akan menurun atau meningkat (terlepas dari klaim bahwa kemajuan manusia bersifat eksponensial 1 ) pendekatan linier sederhana menempatkan otak elektronik yang relatif lengkap di cakrawala untuk tahun 5.587.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.