大脑中这种可变的反应来自何处

北京时刻1月25日音讯，据国外媒体报道，大脑中的自发次序和噪音对咱们的考虑办法有惊人的重要性。

现代人工智能（AI）的中心应战之一能够用一辆黄色校车来阐明。

假如是在村庄公路上正面调查，深度学习的神经网络能够自傲地精确辨认出校车。

可是，假如校车侧方位停在马路正对面，那算法或许就会很有自傲地认为它是一辆扫雪车。

假如从某个视点从下往上看，它又会被当作一辆垃圾车。

问题之一在于情境。

当一张新图画与练习图画集满足不一起，即便不同仅仅简略的旋转或障碍物，深度学习的视觉辨认也会发作过错。

相反地，情境的生成好像取决于某种非同小可的连线和信号生成功用至少在人类大脑中是这样。

Matthias Kaschube是德国法兰克福高级研讨院的神经科学家，首要研讨大脑回路的组成、功用和保持，他经过树立模型来研讨大脑中的神经元连线，并在模型中描绘了在实验中调查到的大脑活动。

他和法兰克福高级研讨院、马克斯普朗克佛罗里达神经科学研讨所、明尼苏达大学和其他研讨机构的同行们发现，大脑有着许多与核算机构成鲜明对比的特征：自发活动、相关的动态情境生成、不安稳的传输，以及直接的噪音。

有人将大脑称为国际中最杂乱的物体，而这些好像正是大脑的根本特征。

在承受nautilus网站的采访时，Matthias Kaschube论述了大脑和人工智能在处理视觉信息时的差异，以及大脑中自发神经活动带来的启示。

核算机电路与大脑回路之间最大的差异是什么？

核算机归于数字设备，它们运用的是能够翻开或封闭的二进制单元，而咱们的神经元是模仿设备。

它们的输出是二元的神经元在给定时刻宣布或不宣布信号但输入却是分层级的。

神经元的活动取决于许多要素。

而且，咱们所树立的核算体系，比方核算机，是确定性的。

你供给了特定的输入，就会得到特定的输出。

当你重复供给相同的输入时，就会得到相同的输出。

这与大脑中的状况十分不同。

在大脑中，即便你挑选了彻底相同的影响，每次实验得到的反响也会有所不同。

大脑中这种可变的反响来自何处？

现在有各种假说。

例如，或许存在不安稳的突触传递。

工程师一般不会在一个别系中构建这种东西。

当一个神经元处于活动状况，而且信号沿着轴突运行时，该信号并不能确保实践抵达下一个神经元。

它跨过突触的概率或许只要一半，乃至更少。

这会给体系带来许多噪音。

另一个要素是大脑其他部分的继续活动。

例如，视觉皮层会被视觉场景激活，但它也从其他大脑区域接纳许多信息。

由于存在许多穿插的连线，因而大脑的这些其他部分能够在任何给定时刻影响视觉皮层中的活动形式。

这能够十分显著地调制输入信号。

部分这种调制或许在生成情境和编码预期时很有用。

当你听到狗的吠叫后，你会回身，然后寻觅那只狗。

咱们越来越认识到，大脑的一部分反响多变性实践上是有意义的，而且包括重要的布景信息或情境信息。

大脑中的自发活动有什么效果？

即便你没有任何视觉输入，视觉皮层也不会缄默沉静。

它能显示出广泛而剧烈的活动形式，有时与实在视觉影响引起的活动相同剧烈，而且在结构上也或许十分相似。

鉴于这种相似性，自发活动或许代表了某种视觉幻想。

你看到了某些东西，但与此一起，你在视觉上想到了昨日看到的东西。

自发活动或许是逐次实验中大脑反响多变的原因之一。

咱们是否了解大脑中噪音的实质？

咱们在实验中看到的动摇是否真的有意义？是否包括咱们没有了解的信息？或许它们仅仅由生化进程的随机性引起的噪音，而大脑需求对它们疏忽或平衡？这些问题都还存在争辩。

为了取得更好的继续动摇模型，咱们有必要了解这些动摇的来历。

举例来说，咱们能够经过调查动物行为来做到这一点。

动物处理视觉影响的神经活动取决于视觉目标是否移动，以及是否值得警觉。

假如你能记载许多神经元的活动，你就能了解皮层中某一部分的多变性或许是其他部分的活动构成的。

一旦咱们能够一起记载大脑大部分区域的活动，咱们就能了解这种多变性。

大脑中的噪音真的有用吗？

大脑不是彻底确定性的，即每次咱们看相同的作业时，大脑处理的办法会略有不同。

这一点或许是有用的。

对相同影响做出略有不同的反响能够协助咱们发觉场景中的不同方面。

可是，外部国际中有许多与咱们无关的细节。

视觉场景能够有不计其数的特征，其间许多都无关紧要。

做出稍微喧闹的反响或许有助于咱们疏忽一些不太相关的特征。

想一下演化，随机骤变之后就是适者生存。

以此作为类比，或许大脑添加噪音的意图是收集外界事物呈现的不同特征。

经过探究潜在表征的规模，大脑或许会测验找出最适合当时情境的那个特征。

噪音或许促进了这种查找。

发育中的大脑何时呈现自发活动？

声明：本文内容仅代表作者个人观点，与本站立场无关。如有内容侵犯您的合法权益，请及时与我们联系，我们将第一时间安排处理