توضیحی برای چگونگی ایجاد رفتار توسط فعالیت مغزی
محققان دانشگاه واترلو اقدام به ساخت مدلی از مغز کرده اند که با 2.5 میلیون نورون می تواند به درک ما از اینکه چگونه فعالیت مغزی منتهی به ایجاد یک رفتار می شود، کمک کند.
به گزارش مهر، محققان سالها است که به شدت برای ساخت مدلهای محاسباتی و رایانه از از مغز بایکدیگر رقابت کرده اند که تعداد نورونهای شبیه سازی شده آن بیشتر باشد، اما اخیرا گروه از دانشمندان دانشگاه واترلو یک رویکرد متفاوت در پیش گرفتند و مدلی ساختند که می تواند توضیح دهد چگونه فعالیت مغز رفتار را ایجاد می کند.
کریس الیاسمیت و همکارش در مقاله ای که آن را در مجله ساینس منتشر کرده " اسپان" ، مدل 2.5 میلیون نورونی از مغز را توصیف کرده و امیدوارند که این مدل بتواند به شکاف درک رفتارهای مغزی کمک کند.
اسپان مخفف شده " شبکه متحد ساختار اشاره گر معنایی" است که می تواند اعداد را تشخیص دهد و به چندین سوال ساده جواب دهد و آنها را استفاده از یک بازوی طراحی شده بنویسد.
محققان در آزمایشهای خود تصاویر دست نوشته یا حروف تایپ شده و عمدتا ارقام را به اسپان ارائه کردند. اسپان به روشهای مختلفی آنها را پردازش کرده و پاسخها را می نویسد. برای مثال اگر عدد 6 به اسپان ارائه شود می تواند آن را شناسایی کرده و بازسازی کند.
تصویر بصری ورود در مرحله اول فشرده می شود تا عناصر بصری مهم آن استخراج شوند. سیستم حافظه کاری اسپان متشکل از انتگرال عصبی است که از علم عصب شناس محاسباتی گرفته شده و حافظه پیچیده که از روانشناسی ریاضی گرفته شده است.
انتگرال عصبی، اسپان را قادر می سازد که اطلاعات و حافظه پیچیده را ذخیره کرده و یک الگوریتم حافظه کارآمد فراهم می کند.
پروژه های مدل سازی از مغز چون پروژه مغز آبی ( با یک میلیون نورون) پروژه محاسبات شناختی SyNAPSE (با یک میلیارد نورون، اندکی بزرگتر از مغز گربه) و شبیه سازی 100 میلیارد نورونی به عنوان شبیه سازی مغز انسان تاکنون صورت گرفته است.
این پروژه ها از نظر مقیاس تأثیرگذار هستند اما شبیه سازی تعداد گسترده نورونها به تنهایی نمی تواند توضیح دهد که چگونه فعالیتهای پیچیده مغز رفتارهای پیچیده شکل می دهد.
این پروژه 2.5 میلیون نورونی تلاشی برای اشاره به این شکاف مغز- رفتار است که درحال حاضر یک چالش مهم در علم عصب شناسی محسوب می شود.
اسپان می تواند هشت کار مختلف انجام دهد ازجمله تشخیص کلمات و ارائه پاسخ مکانیکی اما این مدل نمی تواند کارهای جدید یاد بگیرد. موضوع یادگیری کارهای جدید یکی از از نقصهای این مدل است اما براساس اظهارات کریستین ماچنز از برنامه عصب شناختی چامالیماد در لیسبون کنار گذاشتن این ویژگی در چنین مرحله ای هوشمندانه بوده است.
ماچنز اظهار داشت که غیر این نقص این مدل ارائه کننده نظریه منسجمی از چگونگی کارکرد مغز است.
به گزارش مهر، محققان سالها است که به شدت برای ساخت مدلهای محاسباتی و رایانه از از مغز بایکدیگر رقابت کرده اند که تعداد نورونهای شبیه سازی شده آن بیشتر باشد، اما اخیرا گروه از دانشمندان دانشگاه واترلو یک رویکرد متفاوت در پیش گرفتند و مدلی ساختند که می تواند توضیح دهد چگونه فعالیت مغز رفتار را ایجاد می کند.
کریس الیاسمیت و همکارش در مقاله ای که آن را در مجله ساینس منتشر کرده " اسپان" ، مدل 2.5 میلیون نورونی از مغز را توصیف کرده و امیدوارند که این مدل بتواند به شکاف درک رفتارهای مغزی کمک کند.
اسپان مخفف شده " شبکه متحد ساختار اشاره گر معنایی" است که می تواند اعداد را تشخیص دهد و به چندین سوال ساده جواب دهد و آنها را استفاده از یک بازوی طراحی شده بنویسد.
محققان در آزمایشهای خود تصاویر دست نوشته یا حروف تایپ شده و عمدتا ارقام را به اسپان ارائه کردند. اسپان به روشهای مختلفی آنها را پردازش کرده و پاسخها را می نویسد. برای مثال اگر عدد 6 به اسپان ارائه شود می تواند آن را شناسایی کرده و بازسازی کند.
تصویر بصری ورود در مرحله اول فشرده می شود تا عناصر بصری مهم آن استخراج شوند. سیستم حافظه کاری اسپان متشکل از انتگرال عصبی است که از علم عصب شناس محاسباتی گرفته شده و حافظه پیچیده که از روانشناسی ریاضی گرفته شده است.
انتگرال عصبی، اسپان را قادر می سازد که اطلاعات و حافظه پیچیده را ذخیره کرده و یک الگوریتم حافظه کارآمد فراهم می کند.
پروژه های مدل سازی از مغز چون پروژه مغز آبی ( با یک میلیون نورون) پروژه محاسبات شناختی SyNAPSE (با یک میلیارد نورون، اندکی بزرگتر از مغز گربه) و شبیه سازی 100 میلیارد نورونی به عنوان شبیه سازی مغز انسان تاکنون صورت گرفته است.
این پروژه ها از نظر مقیاس تأثیرگذار هستند اما شبیه سازی تعداد گسترده نورونها به تنهایی نمی تواند توضیح دهد که چگونه فعالیتهای پیچیده مغز رفتارهای پیچیده شکل می دهد.
این پروژه 2.5 میلیون نورونی تلاشی برای اشاره به این شکاف مغز- رفتار است که درحال حاضر یک چالش مهم در علم عصب شناسی محسوب می شود.
اسپان می تواند هشت کار مختلف انجام دهد ازجمله تشخیص کلمات و ارائه پاسخ مکانیکی اما این مدل نمی تواند کارهای جدید یاد بگیرد. موضوع یادگیری کارهای جدید یکی از از نقصهای این مدل است اما براساس اظهارات کریستین ماچنز از برنامه عصب شناختی چامالیماد در لیسبون کنار گذاشتن این ویژگی در چنین مرحله ای هوشمندانه بوده است.
ماچنز اظهار داشت که غیر این نقص این مدل ارائه کننده نظریه منسجمی از چگونگی کارکرد مغز است.
