Жүйке жүйесі, нейрондық желілер мен ми құрылымын зерттеу. Биологиялық және жасанды нейрондық желілердің қағидалары, олардың ұқсастықтары мен айырмашылықтары.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Жүйке жүйесіндегі құрылымдар – мида табылған құрылымдар.
Structure in nervous systems
the structures found in brains
Нейрондық желі, сондай-ақ нейрондық торап деп те аталады, – бұл өзара байланысқан нейрондардың жиынтығы (көбінесе бірнеше нейрондық тізбектерді қамтиды). Биологиялық нейрондық тораптар жүйке жүйелерінің құрылымын және жұмыс істеуін түсіну үшін зерттеледі. Оған тығыз байланысты – жасанды нейрондық желілер, биологиялық нейрондық тораптардан шабыттанған машиналық оқыту модельдері. Олар жасанды нейрондардан тұрады, бұл нейрондық тізбектер қолданатын механизмдерге ұқсас математикалық функциялар болып табылады.
A neural network, also called a neuronal network, is an interconnected population of neurons (typically containing multiple neural circuits). Biological neural networks are studied to understand the organization and functioning of nervous systems. Closely related are artificial neural networks, machine learning models inspired by biological neural networks. They consist of artificial neurons, which are mathematical functions that are designed to be analogous to the mechanisms used by neural circuits.
Шолу
Биологиялық нейрондық желі – химиялық тұтастықпен немесе функционалды байланыспен біріккен нейрондар тобынан құралады. Жеке нейрон көптеген басқа нейрондармен байланысуы мүмкін, ал желідегі нейрондар мен байланыстардың жалпы саны мол болуы мүмкін. Байланыстар, синапс деп аталатындар, әдетте аксондардан дендриттерге қалыптасады, бірақ дендродендриттік синапстар мен басқа да байланыстар да болуы мүмкін. Электрлік сигнал беруден басқа, нейротрансмиттерлердің таралуынан туындайтын сигнал берудің басқа да түрлері бар. Жасанды интеллект, когнитивтік модельдеу және жасанды нейрондық желілер – биологиялық нейрондық жүйелердің деректерді қалай өңдейтініне негізделген ақпаратты өңдеу үлгілері. Жасанды интеллект және когнитивтік модельдеу биологиялық нейрондық желілердің кейбір қасиеттерін модельдеуге тырысады. Жасанды интеллект саласында жасанды нейрондық желілер сөйлеуді тану, кескіндерді талдау және бейімделу басқаруы үшін, компьютерлік және бейне ойындардағы бағдарламалық агенттерді немесе автономды роботтарды жасау үшін табысты қолданылды. Нейрондық желілер теориясы мидағы нейрондардың қалай жұмыс істейтінін анықтауға және жасанды интеллект құруға бағытталған зерттеулерге негіз болды.
A biological neural network is composed of a group of chemically connected or functionally associated neurons. A single neuron may be connected to many other neurons and the total number of neurons and connections in a network may be extensive. Connections, called synapses, are usually formed from axons to dendrites, though dendrodendritic synapses and other connections are possible. Apart from electrical signalling, there are other forms of signalling that arise from neurotransmitter diffusion. Artificial intelligence, cognitive modelling, and artificial neural networks are information processing paradigms inspired by how biological neural systems process data. Artificial intelligence and cognitive modelling try to simulate some properties of biological neural networks. In the artificial intelligence field, artificial neural networks have been applied successfully to speech recognition, image analysis and adaptive control, in order to construct software agents (in computer and video games) or autonomous robots. Neural network theory has served to identify better how the neurons in the brain function and provide the basis for efforts to create artificial intelligence.
Тарих
Қазіргі заманғы нейрондық желілердің алғашқы теориялық негізін Александр Бэйн (1873) және Уильям Джеймс (1890) тәуелсіз түрде ұсынды. Олардың еңбектерінде ой және дене қызметі мидағы нейрондардың өзара әрекеттесуі нәтижесінде туындайды делінген. Бэйн (1898) Джеймстің теориясын тексеру үшін тәжірибелер жүргізді. Ол электр тогын егеуқұйрықтардың омыртқасына жіберді. Алайда, Джеймстің болжағандай, электр тогының күшеюін көрсетудің орнына, Шеррингтон электр тогының күші уақыт өте келе азайғанын анықтады. Маңыздысы, осы жұмыс әдетке бейімделу (habituation) ұғымын ашуға әкелді. Маккалок пен Питтс (1943) математика мен алгоритмдерге негізделген нейрондық желілердің есептеу моделін жасады. Олар бұл модельді шектік логика (threshold logic) деп атады. Бұл алғашқы модельдер нейрондық желілерді зерттеудің екі бағытқа бөлінуіне жағдай жасады. Бірі мидағы биологиялық процестерге, екіншісі жасанды интеллектіде нейрондық желілерді қолдануға бағытталды. 1980 жылдардың ортасында параллельді таралған өңдеу (parallel distributed processing) байланыстық (connectionism) деп аталып, кең танымал болды. Румельхарт пен МакКлелландтың (1986) еңбегі компьютерлерде коннективизмді пайдалану арқылы нейрондық процестерді модельдеу туралы толық мәліметтер берді. Жасанды нейрондық желілер, жасанды интеллектіде қолданылатындай, дәстүрлі түрде мидағы нейрондық өңдеудің қарапайымдалған үлгілері ретінде қарастырылады, бірақ бұл модель мен мидың биологиялық құрылымы арасындағы байланыс әлі де талқыланып отырады, өйткені жасанды нейрондық желілер мидың қызметін қаншалықты дәл бейнелейтіні нақты емес.
The preliminary theoretical base for contemporary neural networks was independently proposed by Alexander Bain (1873) and William James (1890). In their work, both thoughts and body activity resulted from interactions among neurons within the brain. For Bain, (1898) conducted experiments to test James' theory. He ran electrical currents down the spinal cords of rats. However, instead of demonstrating an increase in electrical current as projected by James, Sherrington found that the electrical current strength decreased as the testing continued over time. Importantly, this work led to the discovery of the concept of habituation. McCulloch and Pitts (1943) also created a computational model for neural networks based on mathematics and algorithms. They called this model threshold logic. These early models paved the way for neural network research to split into two distinct approaches. One approach focused on biological processes in the brain and the other focused on the application of neural networks to artificial intelligence. The parallel distributed processing of the mid 1980s became popular under the name connectionism. The text by Rumelhart and McClelland (1986) provided a full exposition on the use of connectionism in computers to simulate neural processes. Artificial neural networks, as used in artificial intelligence, have traditionally been viewed as simplified models of neural processing in the brain, even though the relation between this model and brain biological architecture is debated, as it is not clear to what degree artificial neural networks mirror brain function.
Нейробиологиялық ғылым
Теориялық және есептеу нейробиологиясы – биологиялық нейрондық жүйелерді талдау және есептеу арқылы модельдеумен айналысатын сала. Нейрондық жүйелер танымдық процестермен және мінез-құлықпен тығыз байланысты болғандықтан, бұл сала танымдық және мінез-құлық модельдеуімен жақын қатыста. Саланың мақсаты – биологиялық нейрондық жүйелердің қалай жұмыс істейтінін түсіну үшін олардың модельдерін құру. Осыны түсіну үшін нейробиологтар байқалатын биологиялық процестер (деректер), нейрондық өңдеу және оқытудың биологиялық тұрғыдан мүмкін механизмдері (нейрондық желі модельдері) мен теория (статистикалық оқыту теориясы және ақпарат теориясы) арасында байланыс орнатуға ұмтылады.
Theoretical and computational neuroscience is the field concerned with the analysis and computational modeling of biological neural systems. Since neural systems are intimately related to cognitive processes and behaviour, the field is closely related to cognitive and behavioural modeling. The aim of the field is to create models of biological neural systems in order to understand how biological systems work. To gain this understanding, neuroscientists strive to make a link between observed biological processes (data), biologically plausible mechanisms for neural processing and learning (neural network models) and theory (statistical learning theory and information theory).
Үлгілердің түрлері
Көптеген модельдер қолданылады; олар әртүрлі абстракция деңгейінде анықталып, нейрондық жүйелердің әртүрлі аспектілерін модельдейді. Олар жеке нейрондардың қысқа мерзімді әрекеттерінің модельдерінен бастап, жеке нейрондардың өзара әрекеттесуінен туындайтын нейрондық тізбектердің динамикасын модельдейтін модельдерге дейін, және толық ішкі жүйелерді көрсететін абстрактілі нейрондық модульдардан туындайтын мінез-құлқының модельдерін қамтиды. Бұларға нейрондық жүйелердің ұзақ және қысқа мерзімді пластикалық өзгерістерінің, сондай-ақ олардың жеке нейрондардан жүйе деңгейіне дейінгі оқу және есте сақтаумен байланысы туралы модельдер де кіреді.
Many models are used; defined at different levels of abstraction, and modeling different aspects of neural systems. They range from models of the short term behaviour of individual neurons, through models of the dynamics of neural circuitry arising from interactions between individual neurons, to models of behaviour arising from abstract neural modules that represent complete subsystems. These include models of the long term and short term plasticity of neural systems and their relation to learning and memory, from the individual neuron to the system level.
Байланыстылық
2020 жылдың тамызында ғалымдар екі бағытты байланыстар немесе тиісті кері байланыс қосылғанда, ми қабығының модульдік нейрондық желілері арасындағы және олардың ішіндегі байланысты үдетіп, жақсартатындығын, сондай-ақ олардың табысты байланысы үшін қажетті шекті төмендететінін хабарлады. Олар резонанстық жұптар арасында кері байланыс қосылуы бүкіл желі бойынша бір импульстік пакеттің сәтті таралуын қамтамасыз ететінін көрсетті.
In August 2020 scientists reported that bi directional connections, or added appropriate feedback connections, can accelerate and improve communication between and in modular neural networks of the brain's cerebral cortex and lower the threshold for their successful communication. They showed that adding feedback connections between a resonance pair can support successful propagation of a single pulse packet throughout the entire network.
Соңғы жетістіктер
Алғашында зерттеулер негізінен нейрондардың электрлік қасиеттеріне бағытталған болса, соңғы жылдарығы зерттеулердің ерекше маңызды бөлігі – дофамин, ацетилхолин және серотонин сияқты нейромодуляторлардың мінез-құлық және оқуға қатысты рөлін зерттеу болып табылады. Биофизикалық модельдер, мысалы BCM теориясы, синаптық пластикалық механизмдерді түсінуде маңызды рөл атқарды және компьютер ғылымы мен нейроғылымы салаларында қолданыс тапты.
While initially research had been concerned mostly with the electrical characteristics of neurons, a particularly important part of the investigation in recent years has been the exploration of the role of neuromodulators such as dopamine, acetylcholine, and serotonin on behaviour and learning. Biophysical models, such as BCM theory, has been important in understanding mechanisms for synaptic plasticity, and have had applications in both computer science and neuroscience.