Existe-t-il des recherches qui utilisent des modèles réalistes de neurones?


8

Existe-t-il des recherches qui utilisent des modèles réalistes de neurones? Habituellement, le modèle d'un neurone pour un réseau de neurones est assez simple par opposition au neurone réaliste, qui implique des centaines de protéines et des millions de molécules (ou même un plus grand nombre). Existe-t-il des recherches qui tirent des implications de cette réalité et tentent de concevoir des modèles réalistes de neurones?

En particulier, récemment, le neurone Rosehip a été découvert. Un tel neurone ne peut être trouvé que dans les cellules du cerveau humain (et dans aucune autre espèce). Y a-t-il des implications pour la conception et le fonctionnement du réseau neuronal qui peuvent être tirées en modélisant de manière réaliste ce neurone Rosehip?

Réponses:


4

État de la recherche sur l'églantier

Le neurone Rosehip est une découverte importante, avec de vastes implications pour l'IA et sa relation avec l'intelligence dominante sur terre depuis au moins les 50 000 dernières années. L'article qui a engendré d'autres articles est une preuve transcriptomique et morphophysiologique d'un type de cellule GABAergique corticale humaine spécialisée , Buldog et. al., septembre 2018, Nature Neuroscience .

La relation entre ce type de neurone et son expression d'ADN commence. Aucune donnée n'est disponible concernant l'impact des distinctions de Rosehop sur l'activité neuronale pendant l'apprentissage ou l'exploitation de ce qui a été appris. Certes, des recherches dans ce sens sont indiquées, mais la découverte vient d'être publiée.

Bénéfice de l'approche interdisciplinaire de l'IA

Que ceux qui font référence à des articles comme celui-ci puissent voir la valeur de l'unification ou du moins de l'alignement des connaissances entre les disciplines est très probablement bénéfique pour le progrès de l'IA et les progrès dans les autres domaines des sciences cognitives, de la bioinformatique, de l'automatisation des affaires, de la robotique de fabrication et de consommation, de la psychologie, et même le droit, l'éthique et la philosophie.

Un tel intérêt à aligner la compréhension sur des lignes interdisciplinaires est présent dans AI Stack Exchange est certainement bénéfique pour la croissance de la communauté dans les dimensions professionnelles et sociales.

Disparité entre ce qui fonctionne

Dans le cerveau humain, les neurones fonctionnent. On ignore si les neurones de l'églantier sont une condition préalable au langage, à la construction et à l'exploitation de modèles complexes ou à des émotions transcendantes telles que l'amour in homo sapiens et le resteront dans un avenir proche. Cependant, nous avons une preuve de concept longue de cinquante millénaires.

Nous savons également que les réseaux artificiels fonctionnent. Nous les utilisons dans les affaires, la finance, l'industrie, les produits de consommation et une variété de services Web aujourd'hui. Lorsqu'une fenêtre contextuelle vous demande si la réponse donnée était utile, notre réponse devient une étiquette dans un ensemble de données réelles dont les échantillons sont extraits pour l'apprentissage automatique.

Néanmoins, les cellules qui fonctionnent sont des descendants du perceptron de 1957 avec l'ajout de l'application de la descente de gradient en utilisant une stratégie de distribution de signal corrective efficace que nous appelons la propagation. La compréhension de la fonction neuronale en 1957 était largement inférieure à ce que nous savons maintenant être des caractéristiques fonctionnelles des neurones cérébraux des mammifères. La découverte de Rosehip pourrait creuser cet écart.

Réseaux de dopage

La recherche sur le réseau de dopage modélise de manière plus réaliste les neurones, et la recherche et le développement neuromorphiques ont placé des modèles améliorés dans des puces VLSI. La joint-venture entre IBM et MIT en est une autre.

Corrélation entre la fonction neuronale et la fonction cérébrale

L'intelligence relationnelle et le nombre de protéines ou de molécules ne sont peut-être pas les plus révélateurs. Ce sont des relations plus probables entre les métriques et les fonctionnalités et l'intelligence du système.

  • Caractéristiques génétiques qui ont été identifiées (22 d'entre elles) qui affectent directement les résultats des tests d'intelligence - Par exemple, la corrélation entre les polymorphismes des gènes des récepteurs de l'ocytocine OXTR rs53576, rs2254298 et rs2228485 et l'intelligence est connue - Voir la question contenant des références à la découverte de 22 les gènes qui affectent les résultats des tests d'intelligence de manière significative
  • Expression neurochimique résultant de facteurs environnementaux faisant varier les niveaux d'ocytosine, de dopamine, de sérotonine, de neuropeptide Y et de canabinoïdes impliqués dans le comportement fonctionnel global et régional du cerveau humain
  • Topologie du signal (distincte des tailles et des dénombrements et distincte de la topologie créée par l'empaquetage des réseaux neuronaux dans la région crânienne) - La topologie du signal est en cours d'identification. La technologie de balayage s'est développée au point où les trajets des signaux peuvent être identifiés en suivant des impulsions dans l'espace temporel et en déterminant la causalité.
  • Plasticité synaptique, un type de plasticité neuronale
  • Nombre total de neurones appliqués à une fonction cérébrale particulière
  • Impact sur la thermodynamique des axones et du corps cellulaire sur la transmission du signal, un élément clé dans la modélisation d'un neurone cérébral

Aucun de ceux-ci n'est encore modélisé de telle manière que la précision de la simulation ait été confirmée, mais la nécessité de rechercher dans ce sens est clairement indiquée comme cette question l'indique.


4

Il semble que vous ayez vraiment deux questions ici. Je vais essayer de répondre à la première, et vous devriez penser à faire une question distincte pour la seconde.

Il existe des recherches sur l'utilisation de modèles simulés de neurones biologiquement réalistes. Bien qu'il existe de grands projets comme le Human Brain Project visant à simuler le cerveau humain, il existe également de nombreuses recherches sur l'IA de niveau inférieur. SPAWN est un système intéressant qui a fait couler beaucoup d'encre il y a quelques années et n'a cessé de se développer depuis lors. Il utilise des neurones réalistes pour simuler plusieurs régions cérébrales à la fois, créant un système d'IA étonnamment général qui pourrait effectuer de nombreux types de tâches motrices et visuelles en utilisant la même conception de base.


La complexité d'une cellule neuronale est trop importante pour être utilisée par les ordinateurs modernes. Je pense que la plupart des projets reproduisent la fonction i / p, o / p plutôt que d'imiter réellement un neurone ..
DuttaA

@DuttA, il y a un spectre. Voir le livre d'Eliasmith Neural Engineering pour en savoir plus. Fondamentalement, vous appelez construire une simulation beaucoup plus précise d'un neurone que les modèles RLU ou Sigmoid habituels sans faire la simulation biochimique complète. Ces simulations plus réalistes sont utiles avec du matériel moderne et peuvent être simulées en très grand nombre.
John Doucette

3

Il est vrai que le Machine Learning actuel est basé sur le traitement des neurones comme une composante de toute la complexité, le maillage des neurones. L'accent est davantage mis sur l'architecture plutôt que de comprendre ou d'imiter plus clairement son bloc de base, à savoir les neurones.

Anirban Bandhopadhyay est un biologiste et neurologue qui a étudié comment l'harmonie modifie l'élément de mémoire et le pouvoir de décision dans les microtubles à l'intérieur des neurones.

Voici l'extrait de lui expliquant, et essayant de voir ce qu'est exactement le calcul, et comment le cerveau fait le calcul.

Comment fonctionne la loi sur le cerveau?

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.