Informatie

Neurowetenschap en het leren van een enkel neuron


Kun je een alfabet aan een neuron leren?

Zo ja, hoe?

Hoe 'leert' een neuron nieuwe informatie, leren alle individuen op dezelfde manier?


Nee, je kunt geen enkel neuron een alfabet leren.

Over het algemeen is de manier waarop de brein leert en slaat informatie op door de sterkte van verbindingen tussen neuronen. Daarom is er niet echt informatie in een bepaald neuron, maar in het patroon van hoe het is verbonden met andere neuronen.

Voor het voorbeeld van het alfabet zijn er veel verschillende stukjes informatie om aan elkaar te knopen: er zullen verschillende neuronen zijn die reageren op de visuele vorm van een letter, het woord dat de letter een naam geeft, de klanken die de letter in gesproken vorm vertegenwoordigt taal, de woorden die de letter bevatten, enz.

Een algemeen neurowetenschappelijk leerboek zoals Purves is een goede plek om te leren hoe hersenen werken. Misschien leer je ook hoe kunstmatig neurale netwerken leren. Ze zijn absoluut verschillend van biologische zenuwstelsels, en de leermechanismen variëren, maar ze delen enkele kenmerken, zoals de informatie die wordt weergegeven in de sterkte van verbindingen tussen eenheden, gewoonlijk genoemd gewichten in een kunstmatig netwerk.


Ik heb het grootste deel van mijn leven gedachteloos geobsedeerd door het verleden en de toekomst. Ik werd verteerd door angst en gekweld door mijn geest, maar was me totaal niet bewust van de bron van mijn lijden.

Om aan mijn pijn te ontsnappen, gebruikte ik drugs, wat resulteerde in 15 jaar chronische heroïneverslaving. Heroïne bracht me tot het uiterste, maar ik had geluk. Tot onderwerping gestampt door de meest pijnlijke nacht van mijn leven, werd ik gedwongen om de wereld vanuit een geheel nieuw perspectief te bekijken.

Dat was in oktober 2013, toen ik voor het eerst kennismaakte met mindfulness. Sindsdien ben ik een auteur geworden, een Ph.D. student en docent aan de twee beste universiteiten in Ierland, allemaal op het gebied van de neurowetenschap van mindfulness.

Het begrijpen van de wetenschap die ten grondslag ligt aan mindfulness en meditatie kan een krachtige motivatie zijn voor iedereen die deze gewoonten ontwikkelt. Maar het is vooral handig als u het soort persoon bent dat bewijs van werkzaamheid wil voordat hij aan een nieuw doel begint. (Gretchin Rubin typeert dit als een persoonlijkheidstype van "vraagsteller".)


  • Vanuit het oogpunt van neurobiologie houdt leren het veranderen van de hersenen in.
  • Matige stress is gunstig voor het leren, terwijl milde en extreme stress nadelig is voor het leren.
  • Voldoende slaap, voeding en lichaamsbeweging stimuleren robuust leren. maakt gebruik van processen die meerdere neurale verbindingen in de hersenen stimuleren en het geheugen bevorderen.

De hersenen veranderen: Om optimaal te kunnen leren, hebben de hersenen omstandigheden nodig waaronder ze kunnen veranderen als reactie op prikkels (neuroplasticiteit) en in staat zijn om nieuwe neuronen te produceren (neurogenese).

Het meest effectieve leren omvat het rekruteren van meerdere hersengebieden voor de leertaak. Deze regio's worden geassocieerd met functies als geheugen, de verschillende zintuigen, vrijwillige controle en hogere niveaus van cognitief functioneren.

Matige stress: Stress en prestatie zijn gerelateerd in een "omgekeerde U-curve" (zie rechts). Stimulatie om te leren vereist een matige hoeveelheid stress (gemeten in het niveau van cortisol). Een lage mate van stress wordt geassocieerd met lage prestaties, net als hoge stress, waardoor het systeem in de vecht-of-vluchtmodus kan komen, zodat er minder hersenactiviteit is in de corticale gebieden waar leren op een hoger niveau plaatsvindt. Matige niveaus van cortisol hebben de neiging om te correleren met de hoogste prestaties bij taken van welk type dan ook. We kunnen daarom concluderen dat matige stress gunstig is voor het leren, terwijl milde en extreme stress beide nadelig zijn voor het leren.

Matige stress kan op veel manieren worden geïntroduceerd: door onbekende muziek te spelen voor de les, bijvoorbeeld, of de vorm van discussie te veranderen, of een leeractiviteit te introduceren die individuele deelname of beweging vereist. Mensen reageren echter niet allemaal op dezelfde manier op een gebeurtenis. De productie van cortisol als reactie op een gebeurtenis varieert aanzienlijk tussen individuen, wat voor de ene persoon "matige stress" is, voor de ander milde of extreme stress. Als bijvoorbeeld individuele leerlingen in een grote groep ongevraagd worden benaderd, kan dat precies de juiste hoeveelheid stress opleveren om de prestaties van sommige leerlingen te verbeteren, maar het kan voor andere leerlingen buitensporige stress en angst veroorzaken, zodat hun prestaties onder de maat zijn. het niveau waarvan je weet dat ze in staat zijn. Elke groepsdynamiek die de neiging heeft om sommige studenten te stereotyperen of uit te sluiten, voegt ook stress voor hen toe.

Voldoende slaap, goede voeding en regelmatige lichaamsbeweging: Deze gezond verstand gezonde gewoonten bevorderen op twee manieren optimale leerprestaties. Ten eerste bevorderen ze neuroplasticiteit en neurogenese. Ten tweede houden ze cortisol en dopamine (respectievelijk stress- en gelukshormonen) op het juiste niveau. De hele nacht volproppen, maaltijden overslaan en oefeningen overslaan, kunnen de capaciteit van de hersenen voor hoge academische prestaties zelfs verminderen. (Dit geldt zowel voor docenten als voor studenten.)

Actief leren: Cognitieve functies die verband houden met de lagere niveaus van de taxonomie van Bloom (zie diagram links), zoals begrijpen en onthouden, worden geassocieerd met de hippocampus (het gebied van de hersenen dat verantwoordelijk is voor geheugen en ruimtelijk bewustzijn). De hogere cognitieve functies van de taxonomie van Bloom, zoals creëren, evalueren, analyseren en toepassen, hebben betrekking op de corticale gebieden die verantwoordelijk zijn voor besluitvorming, associatie en motivatie.

Complexere denkprocessen zijn gunstiger voor het leren omdat ze een groter aantal neurale verbindingen en meer neurologische overspraak met zich meebrengen. Actief leren maakt gebruik van deze overspraak, stimuleert verschillende hersengebieden en bevordert het geheugen.


Omgaan met gegevens

AI-technieken zijn niet alleen handig voor het maken van modellen en het genereren van ideeën, maar als hulpmiddel voor het verwerken van gegevens. "Neurale gegevens zijn verschrikkelijk ingewikkeld, en zo vaak zullen we technieken uit machine learning gebruiken om simpelweg naar structuur te zoeken", zegt Sahani. De belangrijkste kracht van machine learning ligt in het herkennen van patronen die misschien te subtiel zijn of te begraven in enorme datasets zodat mensen ze kunnen herkennen.

Computationeel neurowetenschapper Daniel Yamins ontwikkelt neurale netwerken die hersenactiviteit kunnen nabootsen. Krediet: Sam Fontejon/Stanford Univ.

Functionele magnetische resonantiebeeldvorming genereert bijvoorbeeld snapshots van activiteit in de hersenen met een resolutie van 1-2 millimeter per seconde of zo, mogelijk urenlang. "De uitdaging van cognitieve neurowetenschap is hoe je het signaal vindt in beelden die heel, heel groot zijn", zegt Nicholas Turk-Browne, een cognitief neurowetenschapper aan de Yale University in New Haven, Connecticut. Turk-Browne leidt een van de vele projecten die op zoek zijn naar nieuwe inzichten op het snijvlak van datawetenschap en neurowetenschap.

Het gebruik van een machine om deze gegevens te analyseren, versnelt het onderzoek. "Het is een enorme verandering in de manier waarop neurowetenschap wordt gedaan", zegt Sussillo. "De afgestudeerde studenten hoeven niet zoveel hersenloos werk te doen - ze kunnen zich concentreren op grotere vragen. Je kunt er veel van automatiseren en je krijgt mogelijk nauwkeurigere resultaten.”


De neurowetenschap van het vormen van nieuwe herinneringen

In een baanbrekende ontdekking heeft een internationaal team van neurowetenschappers vastgesteld hoe individuele neuronen in de hersenen anders vuren wanneer een nieuwe herinnering wordt gevormd. Dit is de eerste keer dat neurowetenschappers hebben vastgesteld hoe herinneringen worden gevormd en dat er nieuw leren plaatsvindt door individuele neuronen.

De studie van juli 2015, "Rapid Encoding of New Memories by Individual Neurons in the Human Brain", werd gepubliceerd in het tijdschrift neuron. Deze studie brengt in kaart hoe neuronen hun vuureigenschappen veranderen op het exacte moment dat iemand een nieuw geheugen vormt en onthult de enkele neuron die ten grondslag ligt aan de vorming van menselijk geheugen.

De nieuwe studie is een samenwerking tussen Dr. Matias Ison en professor Rodrigo Quian Quiroga aan de Universiteit van Leicester en Itzhak Fried, M.D., Ph.D., van het UCLA Medical Center, een neurochirurg en senior co-auteur van de studie.

Meer specifiek ontdekten de onderzoekers dat individuele neuronen in een hersengebied genaamd de mediale temporale kwab (MTL) een sleutelrol spelen in ons vermogen om onmiddellijk nieuwe herinneringen te vormen over levensgebeurtenissen en ervaringen.

De MTL omvat een systeem van verwante hersenstructuren die essentieel zijn voor declaratieve of 'expliciete' herinneringen, de bewuste herinneringen die we hebben aan feiten en gebeurtenissen. Het MTL-systeem bestaat uit het hippocampale gebied en de aangrenzende perirhinale, entorhinale en parahippocampale cortex.

Voor deze studie registreerden de onderzoekers de activiteit van meer dan 600 individuele neuronen met behulp van elektroden geïmplanteerd in de mediale temporale kwab van 14 epileptische patiënten met ernstige epilepsie. De neurowetenschappers waren in staat om tijdens het leerproces en de vorming van nieuwe herinneringen individuele neuronen in de MTL te volgen en vast te leggen.

Hoe zou het "Jennifer Aniston Neuron" een revolutie teweeg kunnen brengen in de hersenwetenschap?

In een Hollywood-gerelateerde draai identificeerden leden van het team eerder wat ze het "Jennifer Aniston-neuron" noemden, wat voorstelde hoe het afvuren van een enkel neuron dat aan een afbeelding is gekoppeld, verband hield met geheugenvorming. In de recente studie kon het team hun hypothesen bewijzen door aan te tonen hoe nieuwe herinneringen worden gevormd met behulp van andere afbeeldingen van beroemdheden in combinatie met iconische oriëntatiepunten.

In de eerste fase van het experiment bekeken proefpersonen foto's van mensen, zoals familieleden en bekende acteurs of sporters. Ze zagen ook afzonderlijke vrijstaande afbeeldingen van beroemde bezienswaardigheden, zoals de Eiffeltoren of het Witte Huis. Toen zagen ze een samengestelde afbeelding met een eerder bekeken persoon met een van de oriëntatiepunten op dezelfde foto. Het koppelen van een persoon aan een oriëntatiepunt is ontworpen om de ervaring na te bootsen van het ontmoeten van een persoon op een bepaalde plaats.

De neurowetenschappers ontdekten dat hetzelfde neuron dat voor één afbeelding vuurt (d.w.z. Jennifer Aniston) ook onmiddellijk zou vuren voor een ander beeld (d.w.z. de Eiffeltoren) als de deelnemer aan het onderzoek een afbeelding te zien zou krijgen van Jennifer Aniston die voor de Eiffeltoren staat. Hetzelfde zou gebeuren als proefpersonen een foto zouden zien van Clint Eastwood die voor de scheve toren van Pisa staat, enz.

De onderzoekers waren verrast dat deze veranderingen in neuronale activering plaatsvonden op het exacte moment van leren en dat herinneringen vast konden komen te zitten na het bekijken van een foto. Deze resultaten onthullen eerder verborgen aanwijzingen over hoe clusters van neuronen individueel werken om gerelateerde concepten te coderen en nieuwe herinneringen te vormen.

In een persbericht legt Rodrigo Quian Quiroga, hoofd van het Center for Systems Neuroscience aan de Universiteit van Leicester uit: "Het opmerkelijke resultaat was dat de neuronen hun schieteigenschappen veranderden op het exacte moment dat de proefpersonen de nieuwe herinneringen vormden - het neuron dat aanvankelijk vuren naar Jennifer Aniston begon te schieten op de Eiffeltoren op het moment dat de proefpersoon zich deze associatie begon te herinneren."

"Het verbazingwekkende feit was dat deze veranderingen dramatisch waren en plaatsvonden op het exacte moment van leren, zelfs na één proef," voegde Ison eraan toe. "De opkomst van associaties tussen concepten na een enkele proef, gekoppeld aan snelle veranderingen in neurale activiteit, bleek ideaal voor het creëren van nieuwe episodische herinneringen."

Conclusie: het begrijpen van geheugenvorming heeft brede implicaties

De studie suggereert dat de ervaring van leren terug te voeren is op veranderingen in individuele neuronen in de hersenen. De onderzoekers konden aantonen dat een enkel neuron zowel de herinnering aan de persoon als de plaats codeert als beide samen worden getoond. Dit vormt een nieuwe herinnering aan een met elkaar verbonden persoon en plaats.

Een beter begrip van hoe nieuwe herinneringen worden gevormd, creëert spannende nieuwe mogelijkheden voor de neurowetenschappen. De onderzoekers zijn optimistisch dat deze bevindingen op een dag het leven van neurologische patiënten met dementie of geheugenstoornissen, zoals bij de ziekte van Alzheimer, traumatisch hersenletsel of epilepsie, kunnen verbeteren.

Ison concludeerde: "Een beter begrip van hoe assemblages van neuronen leren en geheugen vertegenwoordigen, zou kunnen leiden tot nieuwe ideeën over onze geheugencapaciteiten en hoe deze kunnen verslechteren bij patiënten die lijden aan bepaalde neurologische aandoeningen."

In toekomstige studies zullen de onderzoekers onderzoeken waarom sommige schijnbaar verwante concepten worden geconsolideerd in langetermijnherinneringen terwijl andere worden vergeten. Ze gaan ook onderzoeken of het mogelijk is om specifieke herinneringen of geleerde associaties op te halen door specifieke neuronen te stimuleren. Blijf kijken!

Bekijk deze video om te zien hoe Rodrigo Quian Quiroga zijn onderzoek beschrijft:

Als je meer over dit onderwerp wilt lezen, kijk dan op mijn Psychologie vandaag Blog berichten:

  • "Nieuwe aanwijzingen over de innerlijke werking van de onbewuste geest"
  • "Waarom roepen de liedjes uit je verleden zulke levendige herinneringen op?"
  • "'Brain Bursts' verbeteren leren en geheugen"
  • "Powernaps helpen je Hippocampus herinneringen te consolideren"
  • "De mysterieuze neurowetenschap van het leren van automatische vaardigheden"
  • "Hoe herinnert de hersenen zich de plaatsen uit je verleden?"
  • "Heeft u een familiemomentopname en herinnering aan de Twin Towers?"
  • "Terugkeren naar een onveranderde plek onthult hoe je bent veranderd"
  • "De neurowetenschap van weten zonder te weten"

© Christopher Bergland 2015. Alle rechten voorbehouden.

Volg mij op Twitter @ckbergland voor updates over De weg van de atleet Blog berichten.

De weg van de atleet ® is een geregistreerd handelsmerk van Christopher Bergland.


De symbiotische aard van AI en neurowetenschap

Neurowetenschappen en kunstmatige intelligentie (AI) zijn twee heel verschillende wetenschappelijke disciplines. Neurowetenschap gaat terug tot oude beschavingen en AI is een uitgesproken modern fenomeen. Neurowetenschap vertakt zich van biologie, terwijl AI vertakt van computerwetenschap. Op het eerste gezicht lijkt het erop dat een tak van wetenschap van levende systemen weinig gemeen zou hebben met een tak die voortkomt uit levenloze machines die volledig door mensen zijn gemaakt. Toch kunnen ontdekkingen op het ene gebied leiden tot doorbraken in het andere - de twee gebieden delen een belangrijk probleem en toekomstige kansen.

De oorsprong van de moderne neurowetenschap is geworteld in oude menselijke beschavingen. Een van de eerste beschrijvingen van de structuur van de hersenen en neurochirurgie gaat terug tot 3000 - 2500 voor Christus. grotendeels te danken aan de inspanningen van de Amerikaanse egyptoloog Edwin Smith. In 1862 kocht Smith een oude boekrol in Luxor, Egypte. In 1930 vertaalde James H. Breasted de Egyptische rol naar aanleiding van een verzoek uit 1906 van de New York Historical Society via de dochter van Edwin Smith. De Edwin Smith Surgical Papyrus is een Egyptisch handboek voor neurowetenschappen rond 1700 voor Christus. dat een samenvatting is van een oude Egyptische verhandeling uit 3000 - 2500 voor Christus die de externe oppervlakken van de hersenen, hersenvocht, intracraniële pulsaties, de hersenvliezen, de schedelhechtingen, chirurgische hechtingen, hersenletsel en meer beschrijft.

De wortels van kunstmatige intelligentie liggen daarentegen vierkant in het midden van de twintigste eeuw. De Amerikaanse computerwetenschapper John McCarthy wordt gecrediteerd voor het creëren van de term 'kunstmatige intelligentie' in een geschreven voorstel uit 1955 voor een zomeronderzoeksproject dat hij samen met Marvin L. Minsky, Nathaniel Rochester en Claude E. Shannon schreef. Het gebied van kunstmatige intelligentie werd vervolgens gelanceerd tijdens een conferentie in 1956 in Dartmouth College.

De geschiedenis van kunstmatige intelligentie is een moderne. In 1969 publiceerden Marvin Minsky en Seymour Papert een onderzoekspaper met de titel "Perceptrons: an introductie tot computationele geometrie", waarin de mogelijkheid werd geopperd van een krachtige kunstmatige leertechniek voor meer dan twee kunstmatige neurale lagen. In de jaren zeventig en tachtig bevond AI-machine learning zich in relatieve rust. In 1986 publiceerden Geoffrey Hinton, David E. Rumelhart en Ronald J. Williams "Leren van representaties door back-propagating errors", waarin werd geïllustreerd hoe diepe neurale netwerken bestaande uit meer dan twee lagen via backpropagation konden worden getraind.

Tijdens de jaren 80 tot begin 2000 is de grafische verwerkingseenheid (GPU) geëvolueerd van gaming-doeleinden naar algemeen computergebruik, waardoor parallelle verwerking mogelijk is voor sneller computergebruik. In de jaren negentig bracht het internet hele nieuwe industrieën voort, zoals op cloud computing gebaseerde Software-as-a-Service (SaaS). Deze trends maakten sneller, goedkoper en krachtiger computergebruik mogelijk.

In de jaren 2000 ontstonden big data-sets samen met de opkomst en verspreiding van op internet gebaseerde sociale-mediasites. Het trainen van deep learning vereist datasets en de opkomst van big data versnelde machine learning. In 2012 werd een belangrijke mijlpaal in AI deep learning bereikt toen Geoffrey Hinton, Alex Krizhevsky en Ilya Sutskever een diep convolutioneel neuraal netwerk trainden met 60 miljoen parameters, 650.000 neuronen en vijf convolutionele lagen, om 1,2 miljoen afbeeldingen met hoge resolutie te classificeren in 1000 verschillende klassen. Het team schreef AI-geschiedenis door hun demonstratie van backpropagation op een GPU-implementatie op zo'n indrukwekkende schaal van complexiteit. Sindsdien is er een wereldwijde goudkoorts geweest om state-of-the-art deep learning-technieken in bijna alle industrieën en sectoren in te zetten.

In de toekomst zijn de kansen die neurowetenschap en AI bieden aanzienlijk. Volgens schattingen van IDC zullen de wereldwijde uitgaven voor cognitieve en AI-systemen in 2021 naar verwachting $ 57,6 miljard bedragen. De huidige AI-renaissance, grotendeels te danken aan deep learning, is een wereldwijde beweging met wereldwijde investeringen van bedrijven, universiteiten en overheden. Volgens cijfers van Grand View Research zal de wereldwijde markt voor neurowetenschappen naar verwachting in 2020 $ 30,8 miljard bedragen. Durfkapitalisten, angel-investeerders en farmaceutische bedrijven investeren aanzienlijk in startups op het gebied van neurowetenschappen.

De huidige bron van de wereldwijde commerciële, financiële en geopolitieke investeringen in kunstmatige intelligentie is voor een deel te danken aan het menselijk brein. Deep learning, een subset van AI-machine learning, is een eerbetoon aan de biologische hersenstructuur. Diepe neurale netwerken (DNN's) bestaan ​​uit twee of meer "neurale" verwerkingslagen met kunstmatige neuronen (knooppunten). Een DNN heeft een invoerlaag, een uitvoerlaag en vele lagen daartussen: hoe meer kunstmatige neurale lagen, hoe dieper het netwerk.

Het menselijk brein en de bijbehorende functies zijn complex. Neurowetenschappers kennen veel van de exacte mechanismen van hoe het menselijk brein werkt niet. Wetenschappers kennen bijvoorbeeld niet de neurologische mechanismen van hoe algemene anesthesie precies in de hersenen werkt, of waarom we slapen of dromen.

Evenzo weten computerwetenschappers vanwege de complexiteit niet precies hoe deep learning tot zijn conclusies komt. Een kunstmatig neuraal netwerk kan miljarden of meer parameters hebben op basis van de ingewikkelde verbindingen tussen de knooppunten - het exacte pad is een black-box.

Dit black-boxprobleem kan verontrustend zijn gezien de groeiende impact van AI op de toekomst van de wereldeconomie. Volgens een rapport van het McKinsey Global Institute uit 2018 zal kunstmatige intelligentie naar verwachting wereldwijd 13 biljoen dollar extra economische activiteit genereren tegen 2030.

Dus hoe kunnen wetenschappers de innerlijke werking van deep learning beter begrijpen? Een benadering is het toepassen van concepten uit de menselijke psychologie: de wetenschappelijke studie van de geest en het gedrag.

Gary Marcus is hoogleraar psychologie en neurale wetenschappen aan de New York University en voormalig CEO en oprichter van Geometric Intelligence dat werd overgenomen door Uber. In een artikel over Medium in 2018 suggereert Marcus dat de AI-gemeenschap zou moeten overwegen om "meer aangeboren structuur in het AI-systeem op te nemen". Hij pleit voor hybride modellen die "niet alleen vormen van diep leren onder toezicht zouden bevatten, maar ook andere technieken, zoals symboolmanipulatie en leren zonder toezicht."

DeepMind van Google gebruikt principes uit de cognitieve psychologie om diepe neurale netwerken te begrijpen om het blackbox-probleem aan te pakken. Cognitieve psychologie is de wetenschappelijke studie van mentale processen zoals denken, probleemoplossing, perceptie, geheugen, toegepaste taal, aandacht en creativiteit.

Zoals Demis Hassabis, mede-oprichter en CEO van DeepMind, uitlegde in een artikel dat hij schreef in The Financial Times in april 2017: "Als we meer ontdekken over het leerproces zelf en het vergelijken met het menselijk brein, kunnen we op een dag een beter begrip krijgen van wat ons uniek maakt, inclusief licht werpen op zulke blijvende mysteries van de geest als dromen, creativiteit en misschien op een dag zelfs bewustzijn.”

Gelukkig kan innovatie in de neurowetenschap dienen als inspiratie voor toekomstige ontwikkelingen op het gebied van kunstmatige intelligentie, en vice versa. De architectuur van deep learning is bijvoorbeeld een hiërarchisch computersysteem. Maar wat als het neurologische leerproces van het menselijk brein niet-hiërarchisch is?

In 2018 introduceerde wetenschapper en technoloog Jeff Hawkins van Numenta een nieuw raamwerk dat indruist tegen decennia van algemeen aanvaarde opvattingen in de neurowetenschappen over hoe de menselijke neocortex werkt - de 'Thousand Brains Theory of Intelligence'. Hawkins veronderstelt dat elk deel van de menselijke neocortex complete modellen van objecten en concepten leert door invoer te combineren met een van een rastercel afgeleide locatie en vervolgens over bewegingen te integreren. Door de niet-hiërarchische verbindingen kan gevolgtrekking optreden bij beweging van de sensoren.

Het zou interessant zijn om de Thousand Brains Theory of Intelligence toe te passen om nieuwe vormen van kunstmatige intelligentie te ontwikkelen. Kan een nieuwe vorm van machine learning-genre worden ontwikkeld met niet-hiërarchische verbindingen die verbinding maken tussen kunstmatige verwerkingssystemen - over modaliteiten en niveaus heen?

De onderliggende mechanismen van AI deep learning en menselijke cognitie zijn complexe systemen. Ironisch genoeg hebben mensen kunstmatige intelligentie gecreëerd met inherente ondoorzichtigheid zoals het biologische brein. Samen produceren beide wetenschapsgebieden doorbraken die de toekomst van de mensheid aanzienlijk kunnen bepalen.

Copyright © 2019 Cami Rosso Alle rechten voorbehouden.

Wilkins, Robert H. "Neurochirurgische klassieke-XVII Edwin Smith chirurgische papyrus." Tijdschrift voor neurochirurgie. maart 1964.

Myers, André. "Stanford's John McCarthy, baanbrekende figuur van kunstmatige intelligentie, sterft op 84-jarige leeftijd." Stanford-rapport. 25 oktober 2011.

AAAI. "Een voorstel voor het Dartmouth Summer Research Project over kunstmatige intelligentie." AI-tijdschrift. 15 december 2006.

van Rijmenam, Mark. "Een korte geschiedenis van big data." DataFloq. januari 2006.

Willems, Hanna. "De geschiedenis van cloud computing: een tijdlijn van belangrijke momenten van de jaren zestig tot nu." Computerwereld VK. 13 maart 2018.

McFadden, Christoffel. "Een chronologische geschiedenis van sociale media." Interessante techniek. 16 oktober 2018.

Diepe Geest. "Interpretatie van diepe neurale netwerken met behulp van cognitieve psychologie." Ontvangen 3-9-2019 van https://deepmind.com/blog/cognitive-psychology/

Marcus, Gerrit. "Ter verdediging van scepsis over deep learning." Medium. 14 januari 2018.


Celbiologie en neurowetenschap

De missie van Celbiologie en Neurowetenschappen is om studenten op te leiden in een breed scala van biologische gebieden, met speciale nadruk op celbiologie, neurobiologie, ontwikkelingsbiologie, fysiologie, anatomie en biofysica. Samen bestuderen docenten en studenten Celbiologie en Neurowetenschappen biologische processen die zich uitstrekken over het continuüm van afzonderlijke cellen tot het hele menselijk lichaam. Celbiologie en neurowetenschappen biedt een undergraduate B.S. in celbiologie en neurowetenschappen, met opties voor biomedische en neurowetenschappen, evenals M.S. en een Ph.D. afgestudeerde graden in celbiologie en neurowetenschappen.


  • Grondbeginselen van bio-elektriciteit
  • Het belang van rustpotentieel
  • De eigenschappen van passieve membranen
  • Actiepotentialen, hun stromen en hun rol in het zenuwstelsel
  • Hoe u neurowetenschap bij u thuis kunt doen

Fundamentals of Neuroscience is een serie van drie cursussen die de structuur en functie van het zenuwstelsel onderzoekt - van de innerlijke werking van een enkele zenuwcel tot de duizelingwekkende complexiteit van de hersenen en de sociale interacties die ze mogelijk maken.

In deze eerste cursus leer je hoe individuele neuronen elektriciteit gebruiken om informatie door te geven. Je bouwt stuk voor stuk een neuron met behulp van interactieve simulaties, en reist vervolgens over de campus van Harvard, waar je de innerlijke werking van een laboratorium zult zien en leert hoe je zelf neurowetenschappelijke experimenten kunt uitvoeren.

Ga met ons mee terwijl we de elektrische eigenschappen in individuele neuronen bestuderen en een basis leggen voor het begrijpen van de functie van het gehele zenuwstelsel.


Hersenmatch

Om te spelen: Structuren, termen of woorden die verband houden met het zenuwstelsel en die kunnen worden gegroepeerd door een "rode draad" worden gemaakt door studenten of de leraar. Het doel van het spel is om te bepalen wat die rode draad is. Wat hebben bijvoorbeeld olfactorische, optische, trigeminale, hypoglossale, oculomotorische, vagus en glossofaryngeale gemeen? (Antwoord: het zijn allemaal SCHEDELZENUWEN). Elk woord van de lijst wordt langzaam één voor één gelezen. Als een speler of team denkt het antwoord te weten, kunnen ze het roepen. De speler of het team met het eerste juiste antwoord krijgt één punt. Speler of team met de meeste punten wint.

Hieronder vindt u een lijst met "lijsten" om u op weg te helpen zonder de antwoorden en hier is de lijst met de antwoorden:

Wat hebben deze dingen gemeen?

  • cytoplasma, mitochondriën, neurofilamenten, blaasjes
  • pariëtale, temporale, frontale, occipitale
  • mediale geniculate nucleus, trommelvlies, haarcellen, stijgbeugel, cochlea, hersenzenuw VIII
  • kegels, staafjes, laterale geniculate nucleus, retina, iris, pupil
  • dopamine, serotonine, noradrenaline, GABA, glutamaat, acetylcholine
  • hippocampus, fornix, amygdala, borstlichaam, septum
  • Pacinisch bloedlichaampje, bloedlichaampje van Meissner, schijf van Merkel, vrije zenuwuiteinden
  • axon, dendriet, soma, terminaal einde
  • Golgi, Cajal, Eccles, Sherrington, Hubel
  • Cuneate nucleus, gracile nucleus, mediale lemniscus, dorsale kolommen
  • Basilair, wervel, halsslagader, anterieure cerebrale
  • aanraking, warmte, pijn, koude, positie van ledematen
  • zoet, zout, bitter, zuur
  • bipolaire cellen, ganglioncellen, horizontale cellen, amacrine cellen
  • corpus callosum, fornix, mediale lemniscus, commissuur anterior
  • oligodendrocyten, astrocyten, microglia

. en de lijst kan maar doorgaan.


Perspectief

HM was waarschijnlijk de meest bestudeerde persoon in de geschiedenis van de neurowetenschappen. De belangstelling voor de zaak kan worden toegeschreven aan een aantal factoren, waaronder de ongewone zuiverheid en ernst van de geheugenstoornis, de stabiliteit, de goed beschreven anatomische basis en de bereidheid van H.M. om te worden bestudeerd. Hij was een rustige en hoffelijke man met gevoel voor humor en inzicht in zijn toestand. Over zijn neurochirurg gesproken, hij zei ooit: "Wat hij over mij leerde, heeft anderen geholpen, en daar ben ik blij om." (Corkin, 2002, p. 159).

Een bijkomend aspect van de omstandigheid van H.M., die zijn uiteindelijke plaats in de geschiedenis van de neurowetenschappen verzekerde, was het feit dat Brenda Milner de jonge wetenschapper was die hem voor het eerst bestudeerde. Ze is een uitmuntende experimentator met een sterke conceptuele oriëntatie waardoor ze uit haar gegevens diepgaande inzichten kon putten over de organisatie van het geheugen. Omdat hij de eerste goed bestudeerde patiënt met geheugenverlies was, besloot H.M. werd de maatstaf waarmee andere patiënten met geheugenstoornissen zouden worden vergeleken. Het is nu duidelijk dat zijn geheugenstoornis niet absoluut was en dat hij significante nieuwe kennis kon opdoen (Corkin, 2002). Geheugenstoornis kan dus ernstiger of minder ernstig zijn dan bij H.M. Maar de studie van H.M. stelde belangrijke principes vast over hoe het geheugen is georganiseerd die de discipline blijven leiden.


Bekijk de video: Neuronen en gliacellen (December 2021).