Adakah penelitian yang menggunakan model neuron yang realistis?

Adakah penelitian yang menggunakan model neuron yang realistis? Biasanya, model neuron untuk jaringan saraf cukup sederhana dibandingkan dengan neuron realistis, yang melibatkan ratusan protein dan jutaan molekul (atau bahkan lebih banyak). Adakah penelitian yang menarik implikasi dari kenyataan ini dan mencoba mendesain model neuron yang realistis?

Khususnya, baru-baru ini, neuron Rosehip ditemukan. Neuron semacam itu hanya dapat ditemukan di sel-sel otak manusia (dan tidak pada spesies lain). Apakah ada beberapa implikasi untuk desain dan operasi jaringan saraf yang dapat ditarik dengan memodelkan secara realistis neuron Rosehip ini?

Penelitian State of Rosehip

Neuron Rosehip adalah penemuan penting, dengan implikasi luas pada AI dan hubungannya dengan kecerdasan dominan di bumi setidaknya selama 50.000 tahun terakhir. Makalah yang telah melahirkan artikel lain adalah bukti transkriptomik dan morfofisiologis untuk tipe sel GABAergik kortikal manusia khusus , Buldog et. al., September 2018, Ilmu Saraf Alam .

Hubungan antara tipe neuron ini dan ekspresi DNA-nya mulai. Tidak ada data yang tersedia mengenai dampak perbedaan Rosehop pada aktivitas saraf selama belajar atau meningkatkan apa yang telah dipelajari. Tentunya, penelitian sepanjang garis ditunjukkan, tetapi penemuan itu baru saja diterbitkan.

Manfaat Pendekatan Interdisipliner untuk AI

Bahwa mereka yang mereferensikan makalah seperti ini dapat melihat nilai dalam penyatuan atau setidaknya penyelarasan pengetahuan lintas disiplin kemungkinan besar bermanfaat bagi kemajuan AI dan kemajuan dalam bidang ilmu kognitif, bioinformatika, otomasi bisnis, robotik manufaktur dan konsumen lainnya, psikologi, dan bahkan hukum, etika, dan filsafat.

Bahwa minat untuk menyelaraskan pemahaman di sepanjang garis interdisipliner hadir di AI Stack Exchange tentu bermanfaat bagi pertumbuhan komunitas baik dalam dimensi profesional maupun sosial.

Perbedaan Antara Apa yang Berhasil

Di otak manusia, neuron bekerja. Apakah neuron Rosehip merupakan prasyarat untuk bahasa, pembangunan dan pengungkit model yang kompleks, atau emosi transenden seperti cinta pada homo sapiens tidak diketahui dan akan tetap seperti itu dalam waktu dekat. Namun, kami memiliki bukti konsep selama lima puluh ribu tahun.

Kita juga tahu bahwa jaringan buatan bekerja. Kami menggunakannya dalam bisnis, keuangan, industri, produk konsumen, dan berbagai layanan web saat ini. Ketika pop-up bertanya apakah jawaban yang diberikan bermanfaat, jawaban kami menjadi label di set data nyata dari mana sampel diekstraksi untuk pembelajaran mesin.

Meskipun demikian, sel-sel yang bekerja adalah keturunan dari 1957 perceptron dengan penambahan penerapan gradient descent menggunakan strategi distribusi sinyal korektif yang efisien yang kita sebut propagasi balik. Pemahaman fungsi neuron pada tahun 1957 sangat singkat dari apa yang sekarang kita ketahui sebagai fitur fungsional neuron otak mamalia. Penemuan Rosehip dapat memperluas celah itu.

Jaringan Spiking

Penelitian jaringan spiking lebih realistis memodelkan neuron, dan penelitian dan pengembangan neuromorfik telah menempatkan model yang ditingkatkan ke dalam chip VLSI. Usaha patungan antara IBM dan MIT adalah hal lain.

Mengaitkan Fungsi Saraf dengan Fungsi Otak

Kecerdasan hubungan dan jumlah protein atau molekul mungkin bukan yang paling jelas. Ini adalah hubungan yang lebih mungkin antara metrik dan fitur dan kecerdasan sistem.

• Fitur genetik yang telah diidentifikasi (22 di antaranya) yang secara langsung memengaruhi hasil pengujian intelijen - Misalnya korelasi antara polimorfisme gen reseptor oksitosin OXTR rs53576, rs2254298, dan rs2228485 dan kecerdasan diketahui - Lihat pertanyaan yang berisi referensi untuk penemuan 22 gen yang memengaruhi hasil tes kecerdasan secara signifikan
• Ekspresi neurokimia yang dihasilkan dari faktor lingkungan memvariasikan kadar oksitosin, dopamin, serotonin, neuropeptida Y, dan kanabinoid yang terlibat dalam perilaku fungsional global dan regional di otak manusia.
• Topologi sinyal (berbeda dari ukuran dan jumlah dan berbeda dari topologi yang dibuat oleh pengemasan jaring saraf di wilayah tengkorak) - Topologi sinyal sekarang sedang diidentifikasi. Teknologi pemindaian telah berkembang ke titik di mana jalur sinyal dapat diidentifikasi dengan melacak pulsa di ruang temporal dan menentukan hubungan sebab akibat.
• Plastisitas sinaptik, sejenis plastisitas saraf
• Jumlah total neuron yang diterapkan pada fungsi otak tertentu
• Dampak pada termodinamika sel akson dan tubuh pada transmisi sinyal, elemen kunci dalam pemodelan neuron otak

Tak satu pun dari ini yang dimodelkan sedemikian rupa sehingga akurasi simulasi telah dikonfirmasi, tetapi kebutuhan untuk penelitian sepanjang garis ini jelas ditunjukkan saat pertanyaan ini menyiratkan.

Sepertinya Anda benar-benar memiliki dua pertanyaan di sini. Saya akan mencoba menjawab yang pertama, dan Anda harus berpikir tentang membuat pertanyaan terpisah untuk yang kedua.

Ada penelitian menggunakan model simulasi neuron realistis biologis. Meskipun ada proyek besar seperti Proyek Otak Manusia yang bertujuan mensimulasikan otak manusia, ada juga banyak penelitian AI tingkat rendah. SPAWN adalah sistem yang menarik yang mendapat banyak pers beberapa tahun yang lalu, dan terus dikembangkan sejak saat itu. Ia menggunakan neuron realistis untuk mensimulasikan beberapa wilayah otak sekaligus, menciptakan sistem AI umum yang mengejutkan yang dapat melakukan banyak jenis tugas motorik dan penglihatan menggunakan desain dasar yang sama.

Memang benar bahwa pembelajaran Mesin saat ini didasarkan pada memperlakukan neuron sebagai komponen dalam keseluruhan kompleksitas, mesh neuron. Fokusnya lebih pada arsitektur daripada memahami atau meniru blok dasar itu lebih jelas, yaitu neuron.

Anirban Bandhopadhyay adalah seorang ahli biologi dan ahli saraf yang telah mempelajari bagaimana harmoni mengubah elemen memori dan kekuatan pengambilan keputusan dalam mikrotuble di dalam neuron.

Di sini, adalah potongan dari dia menjelaskan, dan mencoba untuk melihat apa sebenarnya perhitungan itu, dan bagaimana otak melakukan perhitungan.

Bagaimana Tindakan Otak?