Мозг и искусственные нейросети
В статье обосновано положение о том, что при моделировании высокоуровневых процессов мозга с помощью нейросетей нельзя проводить декомпозицию по оси нейрофизиологическое-психическое. Показано, что с учетом этого положения при моделировании высокоуровневых процессов необходимо согласованное измене...
Gespeichert in:
| Veröffentlicht in: | Искусственный интеллект |
|---|---|
| Datum: | 2013 |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
Інститут проблем штучного інтелекту МОН України та НАН України
2013
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/85123 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Мозг и искусственные нейросети / В.В. Сторож // Искусственный интеллект. — 2013. — № 4. — С. 37–43. — Бібліогр.: 16 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859592142530281472 |
|---|---|
| author | Сторож, В.В. |
| author_facet | Сторож, В.В. |
| citation_txt | Мозг и искусственные нейросети / В.В. Сторож // Искусственный интеллект. — 2013. — № 4. — С. 37–43. — Бібліогр.: 16 назв. — рос. |
| collection | DSpace DC |
| container_title | Искусственный интеллект |
| description | В статье обосновано положение о том, что при моделировании высокоуровневых процессов мозга с
помощью нейросетей нельзя проводить декомпозицию по оси нейрофизиологическое-психическое.
Показано, что с учетом этого положения при моделировании высокоуровневых процессов необходимо
согласованное изменение структуры нейросети.
У статті обґрунтовано положення про те, що при моделюванні високорівневих процесів мозку за допомогою
нейромереж не можна проводити декомпозицію по осі нейрофізіологічне-психічне. Показано, що з ураху-
ванням цього положення при моделюванні високорівневих процесів потрібна погоджена зміна структури
нейромережі.
In article principle that at modeling high-level processes of a brain with the help neural networks it is impossible to
spend decomposition on an axis neurophysiologic-mental is proved. It is shown that taking into account this
position at modeling high-level processes the co-ordinated change of structure neural network is necessary.
|
| first_indexed | 2025-11-27T16:40:19Z |
| format | Article |
| fulltext |
ISSN 1561-5359 «Штучний інтелект» 2013 № 4 37
1C
УДК 681.3: 519.9
В.В. Сторож
Донецкий национальный технический университет, Украина
Украина, 83050, г. Донецк, пр. Богдана Хмельницкого, 84
Мозг и искусственные нейросети
V.V. Storozh
Donetsk National Technical University, Ukraine
Ukraine, 83050, c. Donetsk, Bogdana Khmelnitskogo av., 84
Brain and Artificial Neural Networks
В.В. Сторож
Донецький національний технічний університет, Україна
Україна, 83050, м. Донецьк, пр. Богдана Хмельницького, 84
Мозок та штучні нейромережі
В статье обосновано положение о том, что при моделировании высокоуровневых процессов мозга с
помощью нейросетей нельзя проводить декомпозицию по оси нейрофизиологическое-психическое.
Показано, что с учетом этого положения при моделировании высокоуровневых процессов необходимо
согласованное изменение структуры нейросети.
Ключевые слова: высокоуровневые процессы мозга, нейросети, моделирование.
In article principle that at modeling high-level processes of a brain with the help neural networks it is impossible to
spend decomposition on an axis neurophysiologic-mental is proved. It is shown that taking into account this
position at modeling high-level processes the co-ordinated change of structure neural network is necessary.
Key words: high-level processes of a brain, neural network, modeling.
У статті обґрунтовано положення про те, що при моделюванні високорівневих процесів мозку за допомогою
нейромереж не можна проводити декомпозицію по осі нейрофізіологічне-психічне. Показано, що з ураху-
ванням цього положення при моделюванні високорівневих процесів потрібна погоджена зміна структури
нейромережі.
Ключові слова: вискорівневі процеси мозку, нейромережі, моделювання.
Введение
В последние десятилетия появился и бурно развивается такой мощный метод ана-
лиза информации, как искусственные нейронные сети (или просто нейросети). Специа-
листы по искусственному интеллекту декларируют, хотя и бегло, с оговорками, сходство
работы человеческого мозга и искусственных нейросетей (напр., [1, c. 32]).
Но возникает естественный вопрос: насколько велико это сходство, какие огра-
ничения имеются у искусственных нейросетей по сравнению с мозгом, чем они вызваны,
и как преодолеть эти ограничения?
В предыдущей работе автора [2] показаны принципиальные отличия работы мозга
от искусственных нейросетей на уровне синапсов.
Целью данной работы является рассмотрение принципиальных отличий ра-
боты мозга от нейросетей на уровне нервных процессов и на этой основе определение
наиболее актуальных направлений исследований в области нейросетей.
Сторож В.В.
«Искусственный интеллект» 2013 № 4 38
1C
Некоторые принципы строения мозга
К общим элементам организации нейросетей и мозга относятся нейроны, синапсы,
слои нейронов и различного рода модули нейронов. Для большей наглядности дальней-
ших рассуждений представим, как развивался процесс образования и взаимодействия
этих элементов в процессе эволюции живых организмов.
Таблица 1 – Развитие процесса образования и взаимодействия элементов мозга
и нейросетей
Тип живого существа
Количество
нейронов
Общее
количество
синапсов
Количество
синапсов
на нейрон
Ссылка
Червь Caenorhabditis elegans 302 ≈ 5000 ≈ 16 [3]
Муха (дрозофила) 105 ≈ 107 102 [4]
Пчела медоносная ≈ 106 ≈ 109 103 [5]
Мышь 7.5*107 ≈ 1011 103÷104 [6]
Человек 8.5*1010 ≈ 1015 ≈ 104 [7]
Приведенные в табл. 1 данные иллюстрируют тот факт, что в процессе эволюции
растет не только количество нейронов в мозгу, но и количество синапсов, приходящихся
на один нейрон. В частности, у человека количество синапсов на нейрон в лобной (преф-
ронтальной) части коры головного мозга составляет примерно 3*104 [7], [8]. Очевидно,
что закономерное и существенное увеличение количества синапсов на нейрон в процес-
се эволюции вызвано какими-то вескими причинами, а именно: изменением структуры
обработки информации по сравнению с простейшими живыми существами и искусствен-
ными нейросетями. Но в чем состоит это изменение структуры обработки информации?
Специалисты по нейросетям этот вопрос игнорируют, вследствие чего создаваемые
ними нейросети в лучшем случае используют принципы работы простейших живых
существ, типа червей. О каком моделировании и тем более дублировании работы чело-
веческого мозга можно в этом случае говорить?
Организация взаимодействия нейронов в процессе эволюции также эволюциониро-
вала. Вначале это неупорядоченные скопления нейронов у простых существ, в частности,
червей [3]. У насекомых образуются специализированные нервные ядра из нейронов [5].
У рептилий и более развитых животных уже как минимум часть мозга организована
в виде коры, то есть послойно. У рептилий кора состоит из трех слоев [9], у млекопи-
тающих, включая и человека, она увеличивается до шести слоев [8], [9]. Отметим,
что слой коры головного мозга и слой искусственных нейросетей – это существенно
различные вещи. Если в случае нейросетей мы говорим об одном слое искусственных
нейронов, то в случае коры мозга речь идет о гистологически однородных слоях,
каждый из которых (за исключением первого) может содержать в толщину до десяти и
более нейронов, причем эти нейроны взаимодействуют между собой не послойно, а
скорее образуют кластеры во всех трех измерениях. В настоящее время нейро-
физиологи и специалисты по моделированию мозга интенсивно изучают эти кластеры,
называемые «малыми мирами» (small world) [11, p.101]. Таким образом, кора головного
мозга человека существенно отличается от искусственных нейросетей, – в толщину
она содержит на порядок больше нейронов, чем искусственные нейросети, сами
нейроны организованы сложным образом, а значительная часть взаимодействий
происходит внутри слоев.
Мозг и искусственные нейросети
«Штучний інтелект» 2013 № 4 39
1C
Экспериментально показано, что кора головного мозга не является однородной
и в горизонтальном направлении – в ней выделяется как минимум два иерархи-
ческих уровня организации [10]:
– модули или колонки с характерными размерами в сотни мкм. В частности,
для зрительной коры показано, что такие колонки обрабатывают информацию отно-
сительно сложных признаков зрительной сцены;
– поля коры головного мозга. Они намного крупнее колонок и их характерные
размеры – десятки квадратных сантиметров. Каждое поле отвечает за обработку инфор-
мации определенного типа и на определенном уровне. Разными исследователями вы-
деляется от примерно 50-и до двухсот полей коры головного мозга.
Таким образом, мозг – это не просто нейросеть, – это иерархическая организа-
ция большого количества нейросетей различных типов.
Процессы в искусственных нейросетях и в мозгу
Рассмотренные выше различия в структуре мозга и искусственных нейросетей,
вообще говоря, не являются показательными, поскольку инструментом и результатом
их работы являются процессы. Поэтому рассмотрим специфику процессов при работе
нейросетей и мозга, и каким образом структура влияет на эти процессы.
Для искусственных нейросетей характерно использование простых информацион-
ных единиц типа битов, векторов, массивов и т.п. Под простотой понимается также
то, что информационные единицы не отождествляются со словами или выражениями
языков высокого уровня (проще говоря, человеческими), а также с объектами и си-
туациями внешнего мира. Такого рода объекты могут во входных слоях нейросети
быть представлены лишь косвенно или неявно, в виде совокупности процессов, исполь-
зующих простые информационные единицы. Как правило, в выходном слое нейросети
представлена информация более высокого уровня интеграции, которой уже могут быть
сопоставлены элементы языка или объекты и закономерности внешнего мира. По этой
причине принято считать, что нейросети используют для генерации интеллектуальных
свойств подход снизу-вверх (bottom-up) [11, p. 131]. Взаимодействующие сложные про-
цессы как некоторые самостоятельные сущности, представляющие человеческий язык
или внешний мир, в искусственных нейросетях не используются. (Прим.: тем не менее,
отметим, что идеология одиночных сложных устойчивых процессов типа аттракторов
используется и в нейросетях (напр., [1, гл. 14])).
Для работы мозга характерно использование, наряду с простыми информацион-
ными единицами, систем взаимодействующих сложных информационных процессов.
На уровне сознания мы, как правило, связываем эти представления с человеческим
языком и объектами и ситуациями мира. Наличие относительно устойчивых состояний
в мозгу показано и экспериментально с помощью целого ряда методик. Чаще всего эти
состояния в экспериментах связываются не с отдельными словами или объектами, а более
крупными процессами типа мыслительных операций, эмоциональных реакций и т.п. [12].
Научное сообщество предпринимает значительные усилия для того, чтобы понять
и воспроизвести природу высокоуровневых процессов в мозгу человека и животных.
Понимание реализуется с помощью разработки моделей работы мозга, а воспроизве-
дение (процессов) – посредством реализации целого ряда проектов по созданию искус-
ственного мозга на базе мощных компьютеров и/или кремниевых чипов.
Одна из наиболее полных и последовательных моделей работы мозга на нейрон-
ном уровне описана в [11]. Мозг и происходящие в нем процессы разбиваются на пять
иерархически взаимосвязанных уровней. На нижнем уровне рассматривается работа
Сторож В.В.
«Искусственный интеллект» 2013 № 4 40
1C
одиночных нейронов. В результате взаимодействия нейронов возникают их объедине-
ния и процессы высших уровней. Показано, что динамика процессов в такой искусствен-
ной нейросети отражает целый ряд характеристик процессов, происходящих в реальном
мозгу: устойчивость, переходы между состояниями, память и др.
В настоящее время реализован целый ряд проектов по созданию искусственного
мозга. Как правило, в этих проектах с высокой степенью детализации моделируются
процессы лишь в очень небольшом участке мозга [13]. В этой же работе отмечается,
что моделирование работы целого мозга пока невозможно не только вследствие не-
достаточной вычислительной мощности, но прежде всего из-за непонимания того, каким
образом мозг реализует свои высокоуровневые функции.
С этой точки зрения показательно, что в настоящее время мы не можем достаточно
адекватно моделировать работу мозга даже намного более простых, чем человек, су-
ществ. Одним из модельных и широко изученных организмов является червь Caenorhab-
ditis elegans, нервная система которого содержит всего 302 нейрона и около 5000
синапсов. И, тем не менее, в [14] отмечается, что полная и непротиворечивая модель
картины нервных возбуждений для этого червя еще не создана! Мозг человека содержит
намного выше элементов, чем у данного червя. Нейронов – более чем в 108 раз, а
синапсов – более чем 1011 раз. Но этим различия между мозгом человека и червя не
исчерпываются, поскольку у человека взаимодействие нейронов организовано гораздо
сложнее, чем у червя. В частности, повышается количество нейромедиаторов; услож-
няются синапсы; гораздо больше размеры генетического кода, ответственного за запуск
процессов в клетках; появляются более высокие уровни иерархии в процессах и др. [9].
Проведенный анализ показывает, что, несмотря на заметные успехи в понима-
нии и моделировании низкоуровневых процессов мозга, суть высокоуровневых процес-
сов пока не понята (по крайней мере, с точки зрения нейрофизиологических процессов,
происходящих в мозгу). Ситуация с моделированием работы простейших нервных систем
показывает, что недостаточно просто взять набор неких вычислительных элементов,
запустить в нем процессы передачи импульсов, законы их обработки, и на этой основе
получить высокоуровневые процессы типа мышления, понимания, сознания и т.п.
Компьютерные модели современного уровня неспособны автоматически генерировать
эти высокоуровневые процессы. И дело прежде всего не в недостатке вычислитель-
ной мощности современных компьютеров, а в недостатке идей относительно того, каким
образом организуются эти высокоуровневые процессы.
Актуальные направления развития нейросетей
Представляется, что ключевой источник проблем в исследовании мозга, нейро-
сетей и искусственного интеллекта формируется на общеметодологическом уровне.
Наглядно это можно представить в виде следующих рисунков.
Рисунок 1 – Представление о работе мозга и нейросетей как наборе
не связанных между собой уровней
При таком подходе считается, что причина возникновения высокоуровневых про-
цессов, – другие, более простые процессы, различного рода амплитудные и фазовые
соотношения между этими более простыми процессами, математические сложные эф-
Нейрофизиологический
уровень (синапсы
нейроны)
Высокоуровневые
процессы
Мозг и искусственные нейросети
«Штучний інтелект» 2013 № 4 41
1C
фекты типа бифуркаций и аттракторов и т.п. Целенаправленная перестройка структуры
синапсов (но не амплитуд сигналов в них) для реализации высокоуровневых процессов
отрицается. Если же кто-то из специалистов по нейросетям скажет, что это не так, то
пусть приведет пример, где бы целенаправленно менялась (на уровне модели или искус-
ственной реализации) структура синапса, с целью получения понимания, мышления
или сознания.
В результате такого подхода и возникает идеология дуализма физического и пси-
хического, отрицание сознания как реально существующей сущности, принижение роли
мышления и т.п. Представляется, что все эти проблемы имеют такое же самое происхож-
дение, что и апории Зенона (в частности, в апории «Стрела» Зенон показывает, что стрела
одновременно движется и не движется), – представление задачи (предметной области)
недопустимо упрощается, и из нее выбрасывается инструментарий, необходимый
для решения задачи. В случае моделирования мозга к такому выброшенному инстру-
ментарию относится изменение структуры синапсов, обеспечивающее возникновение
высокоуровневых процессов. Эту же мысль можно высказать и несколько иначе: для
понимания высокоуровневых процессов мозга недопустима декомпозиция на нейро-
физиологическое и психическое. В полной мере ситуацию описывает и приведенный к
статье эпиграф.
Для того чтобы избавиться от всяких видов дуализма и проблем с существо-
ванием, необходимо перейти к следующим представлениям, носящим парадигмальный
характер (рис. 2.).
Рисунок 2 – Представление о работе мозга и нейросетей
как иерархии взаимосвязанных уровней
При таком подходе возникновение в процессе эволюции более высоких форм
психики должно объясняться на основании двух тесно взаимосвязанных и взаимообу-
словливающих тенденций:
– усложнение структуры мозга, включая структуру отдельного синапса, структу-
ру дендритных деревьев и структуру нейронов;
– усложнение процессов обработки информации; возможность такого усложнения
появляется в результате усложнения структуры.
Собственно, этот вывод не является совершенно оригинальным. Его можно рас-
сматривать как более четкую формулировку в отношении нейросетей идей У. Матураны
и Ф. Варелы об аутопоэзисе, а также идеологии «воплощенного мышления» (embodiment
mind).
Изложенные результаты показывают, что при моделировании высокоуровневых
процессов с помощью искусственных нейросетей необходимо:
1) заранее искать, каким образом необходимо изменить структуру нейросети
на уровне синапсов и других элементов (дендритных деревьев, «малых миров» и т.д.)
для того, чтобы получить высокоуровневые процессы;
2) заложить адекватный механизм обратного влияния высокоуровневых про-
цессов как некоторых целостностей на структуру нейросети с целью обучения, за-
поминания и т.п. эффектов;
Нейрофизиологический
уровень (синапсы
нейроны)
Высокоуровневые
процессы
Сторож В.В.
«Искусственный интеллект» 2013 № 4 42
1C
3) на основании изучения высокоуровневых процессов в мозгу живых существ
разобраться, в результате чего эти процессы возникают и как они влияют на структуру
мозга.
Предложенные меры представляются необходимыми для моделирования высо-
коуровневых процессов, но они могут оказаться недостаточными, поскольку мозг являет-
ся более тесно взаимосвязанной системой, чем это обычно принято представлять. Для
наглядности представим следующую ситуацию: вначале возбуждается любой, произ-
вольно взятый нейрон мозга. С помощью аксона он возбуждает потенциал в нескольких
десятках тысяч синапсов, связанных с данным нейроном. Эти синапсы находятся в цепях
возбуждения других нейронов, групп нейронов и областей мозга. Конечно, таких цепей
будет значительно меньше, чем синапсов у одного нейрона, но, тем не менее, их коли-
чество может быть достаточно большим – от десятков до нескольких тысяч. Получается,
что один нейрон в одно и то же время, в одном и том же возбуждении импульса
участвует в работе различных цепей и связанных с этими цепями процессов. В итоге
состояния мозга являются перепутанными (entanglement), также как и в квантовой меха-
нике [15]. Без специальных исследований невозможно сказать, насколько далеко заходят
аналогии между работой мозга и квантовой механикой. Но ясно, что процессы мозга яв-
ляются очень сильно взаимосвязанными. И с этой точки мозг является сильно связанной
иерархической системой. Общей теории таких систем в настоящее время не существует
(опять же, если не принимать во внимание кварки и аналогичные частицы в физике), по-
этому для понимания работы мозга как нейросети и адекватном моделировании работы
этой нейросети необходимы исследования и в этом направлении.
Литература
1. Haykin S. Neural Networks. A Comprehensive Foundation – Prentice Hall / Haykin S. – 1999. – 823 p.
2. Сторож В.В. Актуальные направления исследований интеллекта и мышления / В.В. Сторож //
Искусственный интеллект – 2013. – № 3.
3. White J.G. The Structure of the Nervous System of the Nematode Caenorhabditis Elegans / J.G. White,
E. Southgate, J.N Thomson, S. Brenner // Philosophical Transactions of the Royal Society of London. B,
Biological Sciences. – 1986. – № 314 (1165). – Р. 1-340.
4. Ed. Technau G.M. Brain Development in Drosophila melanogaster / Ed. Technau G.M. – Springer
Science+Business Media, LLC. – 2008. – 172 p.
5. Menzel R. Cognitive architecture of a mini-brain: the honeybee / R. Menzel, M. Giurfa // Trends Cogn. –
February 2001. – Sci. 5 (2). – Р. 62.
6. Williams Robert W. Mapping Genes that Modulate Mouse Brain Development : A Quantitative Genetic Approach /
W. Williams Robert // In : Mouse brain development (Goffinet AF, Rakic P, eds). – New York : Springer Verlag,
2000. – Р. 21-49.
7. Azevedo F.A.C. Еa Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically
scaled-up primate brain / F.A.C. Azevedo // The Journal of Comparative Neurology. – 2009 . – № 513. –
P. 532-541.
8. Fuster J.M. The Prefrontal Cortex / Fuster J.M. – Elsevier – Amsterdam, 2008. – 425 p.
9. Ed. Kaas J.H. Evolution of Nervous System : A Comprehensive Reference / Ed. Kaas J.H. – Elsevier,
2007. – Vol. 1-4.
10. Mountcastle V.B. The columnar organization of the neocortex / V.B. Mountcastle // Brain. – 1997. –
V. 120. – P. 701-722.
11. Kozma R. Neurodynamics of Intentional Behavior Generation / Eds. L.I. Perlovsky and R. Kozma //
Neurodynamics of Cognition and Consciousness. – Springer. – 2007. – P. 131-162.
12. Kraft E. Neural Correlates of Thinking / Eds. Kraft E., Gulyas B., Poppel E. – Springer – Verlag – Berlin
Heidelberg. – 2009. – 287 p.
13. Markram H. The blue brain project / H. Markram // Nature Reviews Neuroscience. – 2006. – Vol. 7. –
P. 153-160.
14. Varshney L.R. Structural properties of the Caenorhabditis elegans neuronal network / Varshney L.R. et.
al // PLoS Computational Biology – 2011. – V. 7, № 2. – P. 1-21.
Мозг и искусственные нейросети
«Штучний інтелект» 2013 № 4 43
1C
15. Bouwmeester D. The Physics of Quantum Information / Eds. Bouwmeester D., Ekert A., Zeilinger A. –
Springer – Berlin – Heidelberg. – 2000. – 326 p.
16. Sporns O. Networks of the Brain / Sporns O. –Massachusetts : The MIT Press – Cambridge, 2011. –
433 p.
Literaturа
1. Haykin S. Neural Networks. A Comprehensive Foundation – Prentice Hall. – 1999. 823 p.
2. Storozh V.V. Actual directions of researches of intelligence and mind//Iskusstvennyi intellect–2013. - № 3.
3. White J.G; E. Southgate, J.N Thomson, S. Brenner The Structure of the Nervous System of the Nematode
Caenorhabditis Elegans// Philosophical Transactions of the Royal Society of London. B, Biological
Sciences – 1986. - 314 (1165): 1–340.
4. Brain Development in Drosophila melanogaster / Ed. Technau G.M. – Springer Science+Business
Media, LLC – 2008. – 172 p.
5. Menzel R, Giurfa M (February 2001). «Cognitive architecture of a mini-brain: the honeybee». Trends
Cogn. Sci. 5 (2): 62.
6. Williams, Robert W. Mapping Genes that Modulate Mouse Brain Development: A Quantitative Genetic Approach -
In: Mouse brain development (Goffinet AF, Rakic P, eds), Springer Verlag, New York, 2000. – p. 21-49.
7. Azevedo F.A.C. ea Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically
scaled-up primate brain // The Journal of Comparative Neurology – 2009 . – № 513. – P. 532-541.
8. Fuster J.M. The Prefrontal Cortex – Elsevier – Amsterdam – 2008. – 425 p.
9. Evolution of Nervous System : A Comprehensive Reference – Ed. Kaas J.H. – Elsevier – 2007. – Vol. 1-4.
10. Mountcastle V.B. The columnar organization of the neocortex // Brain – 1997. – V.120. – P. 701-722.
11. Kozma R. Neurodynamics of Intentional Behavior Generation / Neurodynamics of Cognition and
Consciousness – Eds. Perlovsky L.I. and Kozma R. – Springer – 2007. – P.131-162.
12. Neural Correlates of Thinking / Eds. Kraft E., Gulyas B., Poppel E. – Springer-Verlag – Berlin Heidelberg. –
2009. – 287 p.
13. Markram H. The blue brain project // Nature Reviews Neuroscience – 2006. – Vol. 7. – P. 153-160.
14. Varshney L.R. et. al Structural properties of the Caenorhabditis elegans neuronal network // PLoS Computational
Biology – 2011. – V. 7, № 2. – P. 1-21.
15. The Physics of Quantum Information / Eds. Bouwmeester D., Ekert A., Zeilinger A. – Springer – Berlin-
Heidelberg. – 2000. – 326 p.
16. Sporns O. Networks of the Brain – The MIT Press – Cambridge, Massachusetts – 2011. – 433 p.
RESUME
V.V. Storozh
Brain and Artificial Neural Network
In work possibilities artificial neural networks for modeling of the processes occurring in a
human brain are considered. On the basis of this consideration the conclusion that the ideology of
creation existing now neural networks does not allow to reproduce high-level processes of a
brain, in particular, such as understanding, thinking and consciousness is drawn.
The thesis that for understanding of high-level processes of a brain decomposition on
neurophysiologic and mental is inadmissible is justified. Practical implementation of this thesis
means that at modeling of high-level processes with the help neural network it is necessary:
– in advance to search, how it is necessary to change structure neural networks at level of
synapses and other elements (dendritic trees, «the small worlds» etc.) to receive high-level
processes;
– to put the adequate mechanism of reverse influence of high-level processes as some
integrity on structure neural network on purpose learning, reminders, etc. effects;
– on the basis of learning to understand, therefore high-level processes arise in a brain and
as they influence its structure.
Статья поступила в редакцию 10.07.2013.
|
| id | nasplib_isofts_kiev_ua-123456789-85123 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-11-27T16:40:19Z |
| publishDate | 2013 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Сторож, В.В. 2015-07-19T15:40:00Z 2015-07-19T15:40:00Z 2013 Мозг и искусственные нейросети / В.В. Сторож // Искусственный интеллект. — 2013. — № 4. — С. 37–43. — Бібліогр.: 16 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/85123 681.3: 519.9 В статье обосновано положение о том, что при моделировании высокоуровневых процессов мозга с помощью нейросетей нельзя проводить декомпозицию по оси нейрофизиологическое-психическое. Показано, что с учетом этого положения при моделировании высокоуровневых процессов необходимо согласованное изменение структуры нейросети. У статті обґрунтовано положення про те, що при моделюванні високорівневих процесів мозку за допомогою нейромереж не можна проводити декомпозицію по осі нейрофізіологічне-психічне. Показано, що з ураху- ванням цього положення при моделюванні високорівневих процесів потрібна погоджена зміна структури нейромережі. In article principle that at modeling high-level processes of a brain with the help neural networks it is impossible to spend decomposition on an axis neurophysiologic-mental is proved. It is shown that taking into account this position at modeling high-level processes the co-ordinated change of structure neural network is necessary. ru Інститут проблем штучного інтелекту МОН України та НАН України Искусственный интеллект Концептуальные проблемы создания систем искусственного интеллекта Мозг и искусственные нейросети Мозок та штучні нейромережі Brain and artificial neural networks Article published earlier |
| spellingShingle | Мозг и искусственные нейросети Сторож, В.В. Концептуальные проблемы создания систем искусственного интеллекта |
| title | Мозг и искусственные нейросети |
| title_alt | Мозок та штучні нейромережі Brain and artificial neural networks |
| title_full | Мозг и искусственные нейросети |
| title_fullStr | Мозг и искусственные нейросети |
| title_full_unstemmed | Мозг и искусственные нейросети |
| title_short | Мозг и искусственные нейросети |
| title_sort | мозг и искусственные нейросети |
| topic | Концептуальные проблемы создания систем искусственного интеллекта |
| topic_facet | Концептуальные проблемы создания систем искусственного интеллекта |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/85123 |
| work_keys_str_mv | AT storožvv mozgiiskusstvennyeneiroseti AT storožvv mozoktaštučníneiromereží AT storožvv brainandartificialneuralnetworks |