2.1: Вступ

Last updated
Save as PDF

Page ID: 72689

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

Однією з головних причин того, що мозок може бути настільки пластичним і навчитися робити так багато різних речей, полягає в тому, що він складається з дуже скульптурної форми дурної шпаклівки: мільярди окремих нейронів, які щільно взаємопов'язані між собою і здатні формувати те, що вони роблять, змінюючи ці шаблони взаємозв'язки. Мозок схожий на масивний набір LEGO, де кожен з окремих частин досить простий (як єдиний шматок LEGO), і вся сила походить від майже нескінченних способів, що ці прості частини можна рекомбінувати, щоб робити різні речі.

Тож хороша новина для вас, студент, полягає в тому, що нейрон принципово простий. Багато людей спробують сказати вам інакше, але, як ви побачите, переглядаючи цю книгу, прості нейрони можуть пояснити більшу частину того, що ми знаємо про те, як функціонує мозок. Отже, незважаючи на те, що у них багато рухомих частин, і ви можете провести цілу кар'єру, вивчаючи навіть одну крихітну частину нейрона, ми твердо віримо, що вся ця складність полягає в службі дуже простої загальної функції.

Що це за функція? По суті, мова йде про виявлення. Нейрони отримують тисячі різних вхідних сигналів від інших нейронів, шукаючи конкретні закономірності, які для них «значущі». Дуже проста аналогія - з детектором диму, який відбирає повітря і шукає контрольні сліди диму. Коли вони перевищують задану порогову межу, сигнал тривоги вимикається. Аналогічно нейрон має поріг і лише посилає сигнал «тривоги» іншим нейронам, коли виявляє щось досить значне, щоб переступити цей поріг. Тривога називається потенціалом дії або спайком, і це фундаментальна одиниця зв'язку між нейронами.

Малюнок\(2.1\): Слід імітованих потенціалів дії нейрона у відповідь на збуджуючий вхід - синій мембранний потенціал **v_m** (напруга нейрона) збільшується (керований збуджувальним **чистим** входом), поки він не досягне порогу (близько 0,5), в цей момент зелений спрацьовує сплеск активації **акту** (потенціал дії), який потім скидає мембранний потенціал назад до початкового значення (.3) і процес триває. Спайк повідомляється іншими нейронами, і загальна швидкість шипування (відстежується фіолетовим значенням **act_eq**) пропорційна рівню збуджуючого чистого входу (щодо інших протилежних факторів, таких як гальмування - баланс всіх цих факторів відбивається в чистому струмі **I_ сітка**, в червоному кольорі). Ви можете створити цей графік і маніпулювати всіма відповідними параметрами в дослідженні нейрона для цього розділу.

Наша мета в цьому розділі - зрозуміти, як нейрон приймає вхідні сигнали від інших нейронів, інтегрує їх у загальну силу сигналу, яка порівнюється з порогом, і повідомляє результат іншим нейронам. Ми побачимо, як ці процеси можна математично охарактеризувати в комп'ютерному моделюванні (узагальнено на малюнку 2.1). В іншій частині книги ми побачимо, як ця проста загальна функція нейрона в кінцевому підсумку дозволяє нам сприймати світ, думати, спілкуватися і пам'ятати.

Попередження про математику: Ця глава та розділ Механізми навчання є єдиними двома у всій книзі зі значною кількістю математики (оскільки ці дві глави детально описують рівняння для нашого моделювання). Ми відокремили концептуальне від математичного змісту, і ті, хто має відраза до математики, можуть обійтися, не розуміючи всіх деталей. Отже, не відкладайте або перевантажені математикою тут!