Les neurones biologiques sont-ils organisés en couches consécutives?
Embrasser la réalité de la complexité
Dire "Oui" serait une simplification excessive, tout comme l'apprentissage numérique résultant d'une forme simple de récursivité appliquée à un ensemble de règles logiques de prédicat de premier ordre a été comme courir le long d'un arc-en-ciel de lutin jusqu'au pot d'or.
La dernière série de questions est à propos: "Est-ce vrai et à quel point est-il cru? De quelle recherche s'agit-il?" Vous auriez besoin d'un sondage pour déterminer à quel point on pense que les neurones dans le cerveau sont dans une structure à plusieurs couches. Les références aux couches dans la recherche réelle ne semblent pas faire valoir que les couches sont consécutives dans la plupart des cas, voire aucun. Il y a des couches consécutives sur la peau, mais la peau avec seulement des couches manquerait de pores, de poils, d'interfaces avec les orifices corporels et de nombreuses autres caractéristiques. Dans le cerveau humain (ou dans le cerveau animal), la complexité tridimensionnelle est considérablement augmentée par rapport à celle de la peau.
Ce serait bien, du point de vue du chercheur en IA, si
- Un schéma récursif heuristique ou théoriquement prouvé appliqué à un système expert pourrait produire un apprentissage ou une intelligence ou
- Une carte du cerveau humain (ou oiseau) pourrait être réduite à un ensemble de neurones similaires en rangées de neurones identiques, disposés en couches.
L'image fournie dans la question n'illustre pas une telle simplicité. Il illustre en fait l'inverse, que la nature est rarement aussi transparente dans ses subtilités.
La caractérisation «puisqu'il semble que les neurones sont souvent organisés en couches consécutives» n'est pas exacte. La caractérisation plus raisonnable ci-dessous de la tranche particulière montrée indique deux régions qui peuvent être distinctement distinctes, la grille sur les 8% les plus à gauche et la connectivité largement horizontale dans les 92% restants.
Un ingénieur électricien ou un mathématicien n'appellerait probablement pas ces deux couches de couches. On pourrait supposer que le côté gauche est une matrice d'une certaine forme et le bon 92% pourrait être considéré comme un circuit de traitement complexe.
Caractérisation de la structure 2D
- Les axones sont dirigés principalement dans la direction décrite par le vecteur unitaire (-1, 0, 0), autrement décrit comme de droite à gauche.
- La densité des axones augmente pour les valeurs d'amant de x, en raison de la forte proportion d'axones qui se terminent à des valeurs inférieures de x.
- La densité du noyau est relativement uniforme dans la plage proportionnelle de 0,1 à 1,0 de x.
- La taille des noyaux et la complexité de la dendrite associée se conforment approximativement à un gradient, avec un maximum primaire à 0,8 de la valeur proportionnelle de x et un maximum secondaire à 0,55 de la valeur proportionnelle de x
- Au moins deux axones bifurquent entre ces emplacements x proportionnels.
- Il existe des axiomes presque équidistants, tous à peu près parallèles à l'axe z dans la plage de 0,0 à 0,08 de la valeur proportionnelle de x.
- D'autres modèles structurels sont obscurs ou inexistants.
Une autre image avec une structure chaotique
Des millions de fois la complexité
Considérez en outre qu'une grande partie de la complexité est cachée au spectateur dans une seule tranche d'une structure neurologique tridimensionnelle. Si nous décidons arbitrairement que l'image est une coupe coupée en parallèle avec le plan xz, nous pouvons voir les relations dans ce plan xz, mais ni dans le xy ni dans le yz. Toute autre tranche provenant d'une autre direction ou d'un autre emplacement dans le cerveau sera aussi unique qu'une fenêtre arbitraire dans l'ensemble Mandelbrot.
Plus de fausses représentations des résultats de la recherche
L'expression «Certaines parties du cerveau ont été cartographiées» est également trompeuse. La connectivité générale entre les sous-structures du cerveau humain a été cartographiée, pas les signaux et les critères de propagation et de force des signaux dans les neurones individuels. Les circuits diffèrent radicalement au niveau des neurones entre deux cerveaux, qui présentent tous deux intelligent in vivo (dans un être vivant).
L'analogie est comme une personne de la taille d'un microbe avec une carte des continents, des grandes villes et des routes de navigation, mais sans connaissance préalable des systèmes de transport, pas de GPS et aucune autre carte détaillée qui souhaite voyager de la tour Eiffel à la centre de la ville de Sidney en Australie. Il y a un ensemble insuffisant d'évolution du système de transport ou de directions détaillées avec lesquelles le voyage peut être effectué avec succès.
Dans le cas de l'atteinte d'un niveau de détail dans la structure et la fonction du cerveau humain suffisant pour construire une version électronique de celui-ci, les pièces manquantes comprennent un manque de compréhension de
- Les conditions dans lesquelles un axone ou une dendrite croît en longueur ou bifurque
- Les conditions dans lesquelles le neurone se déclenche en fonction de structures internes connues pour contenir des informations d'état dans le cytoplasme.
- Lien entre le génome humain et ses variétés et impact sur la structure de divers gènes, les mécanismes d'expression des gènes et leurs enzymes et protéines associées
- Autres complexités au-delà de mon niveau d'éducation en neurosciences.
- D'autres complexités au-delà du niveau d'éducation de chacun en neurosciences.
Couches et hiérarchies
Il est courant en science de rechercher des couches ou des hiérarchies à utiliser dans l'éducation et la pratique, car elles peuvent aider à comprendre la structure anatomique. Cette tendance est apparue en génie logiciel dans la conception de systèmes d'exploitation, la conception de langages de programmation, la conception d'applications et maintenant la conception d'IA. Au fur et à mesure que ces domaines technologiques évoluent, la tendance est en fait de passer d'une conception purement orientée couche ou hiérarchique à un réseau plus restreint de pièces d'interconnexion. La simplicité est souhaitée, mais la complexité est parfois requise.
La simulation de l'intelligence est un objectif exigeant et, la simplicité ayant échoué au cours du premier demi-siècle à tenter de concevoir des systèmes numériques intelligents, il est clair que les solutions de travail vont exiger de la complexité et donc une expertise considérable.
Il est raisonnable de supposer qu'aucune contrainte ne guide l'évolution de l'intelligence humaine dans le sens d'une structure caractérisée principalement par une couche ou une structure hiérarchique. Les processus évolutifs ne tiennent aucun compte de la simplicité dans le but de faciliter l'étude académique. Il n'y a rien sur l'expression des gènes de l'ADN ou sur la façon dont les neurones se développent au stade fœtal ou ultérieur qui imposerait de telles règles de simplicité sur la structure ou la fonction.
Quelle est la complexité des expressions de l'ADN qui conduisent à des caractéristiques du cerveau que nous considérons comme l'intelligence? Quelle est la complexité des systèmes neuronaux qui découlent de ces expressions? Certains croient que l'humanité devra évoluer avant que les esprits humains puissent se simuler. Une telle conjecture pourrait être vraie ou fausse. C'est difficile à prévoir, même par ordre de grandeur.
Analyse numérique de la prévision optimiste
L'espérance de croissance exponentielle a été proposée pour l'espérance de vie, la capacité déployée de panneaux solaires en Allemagne, la vitesse du processeur (exécution d'instructions par microprocesseur par seconde), la densité des transistors (la "loi" de Moore), la taille du Parti communiste et de nombreuses autres mesures, mais bien que les taux de croissance dans la nature et les efforts humains soient souvent exponentiels aux premiers stades, cela ne s'est jamais avéré durable. Les taux de croissance sont approximativement linéaires pendant une courte période par la suite et prennent une forme plus tangente à l'arc à l'approche de la saturation. À partir de la saturation, les valeurs de la métrique ont tendance à diminuer et à augmenter les ajustements chaotiques et commencent sur de longues périodes.
En avril 2005, Gordon Moore (auteur de la «loi» de Moore) a déclaré: «[La croissance exponentielle] ne peut pas durer indéfiniment. La nature des exponentielles est que vous les expulsez et qu’un désastre se produit.» Il a déclaré plus tard: "En termes de taille [des transistors], vous pouvez voir que nous approchons de la taille des atomes qui est une barrière fondamentale."
Il est important de comprendre que Moore n'a pas inventé une loi. Il a examiné plus de deux décennies de données et a remarqué que la densité des transistors était à peu près proportionnelle à e t , où t est la durée écoulée depuis que les circuits intégrés ont atteint le marché de masse, puis a prédit une croissance exponentielle supplémentaire sur la base des données de tendance claires.
Prédiction réaliste
Les humains n'ont jamais essayé quelque chose d'aussi fondamentalement franchissant le seuil que de créer une simulation de soi. Sans expérience connexe permettant de savoir si la croissance exponentielle, la croissance linéaire, la croissance en arc tangente ou toute autre forme est le modèle le plus probable, le modèle le plus sûr est probablement celui qu'Occam's Razor prescrirait, une prédiction linéaire.
Pour faire une prédiction, il faut collecter des points de données. Bien qu'il s'agisse d'une prévision réaliste, elle n'est pas très diligente. Peut-être que plus de travail pourrait être fait pour trouver un modèle qui est plus probable qu'un modèle linéaire, développer un système de théorie et de métriques pour déterminer les progrès à tout moment ou collecter plus de points de données pour établir un ajustement des moindres carrés. Aux fins de cette réponse, nous utiliserons simplement deux points de données et effectuerons une extrapolation linéaire.
En 1660, Blaise Pascal écrivait dans ses Pensées ("Pensées"): "La machine arithmétique produit des effets plus proches de la pensée que toutes les actions des animaux. Mais elle ne fait rien qui nous permette de lui attribuer de la volonté, animaux ", donc la recherche de simulations mécaniques de l'intelligence humaine était déjà en cours à cette époque.
Depuis lors, les programmeurs informatiques ont développé un code qui accomplit un certain nombre de capacités humaines.
- Généralisation des calculs numériques et logiques (CPU)
- Bureautique
- Reconnaissance de formes (appliquée à l'écriture, à la parole et aux scènes)
- Convergence sur des circuits fonctionnellement optimaux (réseaux de neurones)
- Application de la probabilité à la décision (Théorème de Bayes, etc.)
- Des systèmes de règles capables d'excellence dans les jeux discrets
Les caractéristiques manquantes de l'étendue actuelle des simulations numériques d'intelligence des systèmes numériques sont importantes et nombreuses.
- Intuition dans l'énumération des approches de problèmes généraux
- Excellence dans les compétences en langage naturel
- Expressivité émotionnelle dans l'art
- Expressivité politique dans l'art
- Bien faire du sport (dans les systèmes robotiques)
- Faire un bon travail au travail (compte tenu d'instructions arbitraires)
- Apprendre à faire de nouvelles choses au travail
- Démarrage d'un projet sans expérience préalable dans le domaine
- Analyse réductrice complète
- Conception complexe de dispositifs physiques arbitraires selon les exigences)
- Développement de logiciels (création de logiciels selon les besoins)
- Extension éclairée d'un domaine d'étude
- Identification du subterfuge en temps réel
- Intimité émotionnelle
- Compassion et empathie
- Auto-évaluation complète
- Développement de nouveaux domaines mathématiques pour prouver une hypothèse
- Aller en classe et en savoir plus
- Choisissez des livres et des articles le long du parcours d'apprentissage souhaité et lisez-les
- Autres capacités dans ce sens
Étant donné que cette liste est abrégée et que ces éléments qui n'ont pas encore été atteints dans le logiciel ne sont pas aussi mécaniquement descriptibles en langage naturel que ceux qui ont déjà été programmés avec succès, nous pouvons être relativement sûrs qu'en 2017, nous avons des systèmes numériques qui n'ont atteint que une fraction de l'étendue des caractéristiques de l'ensemble complet que les gens attendent d'un être humain sans appeler la personne mentalement handicapée. À en juger par la liste des réalisations, pas plus de 10% de ce que font les gens intelligents a été simulé par un logiciel informatique.
Sans aucune raison de croire que le taux de découverte ralentira ou augmentera (malgré les affirmations selon lesquelles le progrès humain a été exponentiel 1 ), une simple approximation linéaire place le cerveau électronique relativement complet à l'horizon pour l'année 5587.
