تطور الأعصاب السيبرانية

تطور الشبكة العصبية

تحاكي الشبكات العصبية الاصطناعية النظم العصبية البيولوجية الحقيقية. تحتوي على خلايا عصبية واتصالات بينها ، مما يوفر تحويل الإشارات الواردة إلى نتيجة إخراج كبيرة. في مجال التعلم الآلي ، غالبًا ما تتم تهيئة هذه الشبكات باتصالات عشوائية بين الخلايا العصبية ، وبعد ذلك تتعلم الشبكة حتى تبدأ في التصرف بالطريقة الصحيحة. هذا النهج قابل للتطبيق تمامًا ، ومع ذلك ، لدى الحيوانات العديد من الأنظمة العصبية البسيطة التي تعمل خارج الصندوق: لا أحد يعلم الأسماك السباحة أو الفراشات للطيران ، على الرغم من حقيقة أن سلوكها يتم إنشاؤه بواسطة شبكات من الخلايا العصبية. أجهزتهم العصبية ليست نتيجة التهيئة العشوائية والتدريب اللاحق ، ولكن التطور. بعد عدة أجيال ، خلقت الطبيعة نمطًا من الخلايا والصلات التي توفر سلوكًا معقدًا وناجحًا.

لإنشاء شبكات عصبية توفر السلوك دون التعلم ، يمكنك استخدام التطور العصبي . الخوارزميات التطورية (مثل تلك التي استخدمتها لأداء تطور النبات ) تخضع الشفرة الجينية للتطور على مدى فترة طويلة من الزمن. الشفرة الوراثية (نموذج الحمض النووي) والكائن الحي الذي يمثله هي في البداية بسيطة للغاية ، ولكن لأجيال الطفرات الصغيرة تزيد من التعقيد المواتي وتضيف وظائف تحفز الانتشار الإضافي لهذه الخصائص.

الحبار الرقمي

لإثبات تأثير التطور العصبي ، أريد فضح تطور الحبار الرقمي. الحبار لها الخصائص التالية:


الشكل 1: الحبار العائم.

• يمكن أن يكون لديهم أي عدد من مخالب أطوال مختلفة.
• يتم التحكم في كل يد بواسطة عصبون ناتج واحد ، يضخه في اتجاه واحد بإشارة خرج منخفض وفي الأخرى بإشارة خرج عالية.
• الحبار لها رأس . حجم الرأس يحدد أكبر عدد ممكن من الخلايا العصبية.
• يتم تحديد كتلة الحبار من خلال حجم الرأس وعدد أجزاء اللامسة.
• يطفو الحبار في سائل محاكاة مملوء بنقاط تدل على الطعام. عند لمس هذه النقاط ، يأكلها الحبار ، ويتم احتساب نقاط الحبار على أساس عدد النقاط التي يتم تناولها ، مقسومًا على كتلتها.

هذه الخصائص ، بفضل التطور ، يجب أن تخلق حبارًا يسبح بشكل فعال في البيئة ، ويأكل أكبر قدر ممكن من الطعام. نظرًا لكونها ذات كتلة أيضًا ، يجب أن تكون أجسام الحبار فعالة: تتطلب الأجسام الثقيلة والمجسات الكبيرة المزيد من الطعام من أجل الحصول على سبب لتطورها التطوري.

نظرًا لأن الحبار يمكن أن يكون له خصائص مختلفة (على سبيل المثال ، حجم الرأس وتكوين اللامسة) ، فإن هذه الخصائص تتطور أيضًا. لا يحتوي الحبار DNA على "رسم" دماغه فحسب ، بل يحتوي أيضًا على خطة للجسم.

الشكل 1 يوضح الحبار المحاكي باليدين. تتأرجح حركة اليدين المتذبذبة بإضافة قوة الزنبرك إلى أجزاء الذراع ؛ إذا توقفت العضلات عن تحريك الذراعين ، فستتم محاذاة الأجزاء تدريجيًا حتى تتحول الذراعين إلى خطوط مستقيمة. لحساب حجم التسارع ، يتم جمع كل الحركة الجانبية. تمت إضافة كل الحركة الجانبية الموضحة في الشكل إلى هذا الرقم. يتأرجح الحبار متأرجحًا خلف الجسم ، ويوفر حركة أمامية.

ارتفاع الشبكات العصبية

اختيار الشبكة العصبية المناسبة لمشروعنا ليست مهمة سهلة. هناك العديد من أنواع الشبكات العصبية المختلفة. في هذا المقال يحتوي على لمحة عامة سهلة للبعض منهم. تختلف مهمة إدارة الحبار في جوانب معينة عن عمل الشبكات المعروفة:

• «-». , . - , .
• . «-», .
• , . , .

يتم تلبية هذه المتطلبات عن طريق شبكة عصبية (نبض) . تعمل هذه الشبكات في الوقت الفعلي ، وقد تم تصميمها لمحاكاة الحياة البرية بشكل أكثر دقة. مثل الخلايا العصبية الحقيقية ، تتراكم الخلايا في الشبكة العصبية المرتفعة المحتملة ، والتي يتم جمعها تدريجيًا من جميع إشارات الإدخال ، وفي غياب إشارات الإدخال تعود تدريجياً إلى حالتها "المحايدة". الشبكات العصبية المتصاعدة غير مطلوبة للالتزام بمخطط الأسلاك الصارم. تتكون من طبقة من الخلايا العصبية المدخلة ، طبقة من الخلايا العصبية الناتجة (في حالتنا ، التحكم في مخالب) والعديد من الخلايا العصبية بينهما ، تسمى الطبقة المخفية. يمكن توصيل الخلايا العصبية في الطبقة المخفية بالخلايا العصبية المدخلات والمخرجات ، ولكن يمكن أيضًا فصل الخلايا العصبية. في مهمتنا ، يمكن توصيل الخلايا العصبية للطبقات المخفية ببعضها البعض.


الشكل 2: الوظيفة اللوجستية.

جميع الخلايا العصبية في الجهاز العصبي لها وظيفة تنشيط . تحدد هذه الوظيفة قيمة خرج العصبون بناءً على مجموع إشارات الإدخال الخاصة به. ترتبط الخلايا العصبية بواسطة محاور عصبية تربط بين الخلايا العصبية المصدر والهدف. يضيف المحوار إلى تنشيط العصبون المستهدف قيمة خرج العصبون الأصلي مضروبًا في وزن المحوار (الذي يمكن أن يكون رقمًا إيجابيًا أو سلبيًا). ثم تحدد وظيفة التنشيط قيمة الإخراج للخلايا العصبية بناءً على تنشيطها. لهذه المحاكاة ، اخترنا الوظيفة اللوجيستية كوظيفة التنشيط :

$$

$$\frac{1}{1+e^{-a}}$$

في هذه المعادلة $$$a$هو تنشيط الخلايا العصبية. يوضح الشكل 2 رسمًا بيانيًا للدالة. في$$$a=0$ قيمة الانتاج $$$0.5$؛ في محاكاة لدينا ، هذا مفيد لأن الشبكة يجب أن تكون قادرة على توفير السلوك حتى في حالة عدم وجود قيمة الإدخال. إذا كانت قيمة الخرج الافتراضية لا تساوي الصفر ، فستتدفق بعض الإشارات باستمرار عبر النظام. المعنى نظريا$$$a$ قد تكون صغيرة جدًا أو كبيرة جدًا ، لكن الخطوط المقاربة للدالة اللوجيستية تضمن أن قيمة المخرجات ستكون دائمًا في النطاق $$$[0, 1]$. وبسبب هذا ، لا يتم نشر قيم إخراج النظام المتطرفة.

محاكاة التطور

تتكون بيئة المحاكاة من المكونات التالية:

• أي عدد من الحبار بهياكل جسم مختلفة وشبكات عصبية عالية للتحكم في أطرافه.
• الطعام المنتشر حول البيئة.

لبدء محاكاة التطور ، يتم محاكاة عمر ثابت لكل جيل في النظام. في المحاكاة الخاصة بي ، اخترت مقاطع من 20 إلى 30 ثانية. بعد هذا الوقت ، يتم تحديد الحبار الأكثر إنتاجية ، والذي يتكرر عدة مرات لإنشاء جيل جديد من الحبار. قبل إجراء المحاكاة التالية ، تخضع جميع الحبار لطفرة طفيفة. يمكن أن تتحول الخصائص التالية:

• نصف قطر الجسم ، ومعه العدد الأقصى المسموح به من الخلايا العصبية في دماغ الحبار.
• عدد ومخالب اللامسة.
• طول مخالب.
• عدد الخلايا العصبية في الدماغ.
• اتصالات المحوار بين الخلايا العصبية (يمكن أن تظهر الروابط أو تختفي ، كما يمكن أن تتغير أوزان الروابط).

في الوقت الحالي ، لا يحتوي دماغ الحبار على الخلايا العصبية المدخلة. عدد الخلايا العصبية الإخراج دائمًا يساوي عدد اللوامس ، ويتم تعيين واحد من الخلايا العصبية الإخراج لكل اللامسة. إذا اختفى اللامسة أثناء الطفرة ، فسيتم أيضًا إزالة الخلايا العصبية المقابلة لها. عندما يظهر مجس جديد أثناء الطفرة ، فإنه يتلقى خلية عصبية جديدة ذات اتصالات عشوائية.

يتم تحميل رمز المصدر للمحاكاة إلى GitHub ، وتتم المحاكاة في المتصفح .

النتائج

الشكل 3: الجهاز العصبي يخلق نبضات لا نهاية لها.

عند إجراء محاكاة ، عادة ما يتم الحصول على الحبار المتحرك في عدة مئات من الأجيال. عندما تنشأ استراتيجية السباحة العاملة تطوريًا ، فإنها تتطور عادةً بمرور الوقت إلى الإصدار الأمثل.

يمكن تصور الجهاز العصبي. يوضح الشكل 3 نظامًا عصبيًا للحبار بسيطًا بذراعين. تحتوي الشبكة على خمسة عصبونات ، يشار إليها بدوائر برتقالية ، واثنين من الخلايا العصبية الناتجة ، تدل عليها الدوائر الزرقاء. عندما تزداد إشارة خرج العصبون ، تصبح الخلايا العصبية أكثر إشراقًا. عندما تنخفض إشارة الخرج ، تصبح الدوائر شفافة. يتم تصور المحاور عن طريق خطوط متقطعة تربط الخلايا العصبية المقابلة. عندما يرسل المحوار إشارة (ويؤثر على العصبون المستهدف) ، يصبح الخط المتقطع أكثر وضوحًا ، ويتحرك الخط المتقطع في اتجاه الإشارة.


الشكل 4: الحبار العائم المتطور. لاحظ أنه ليست كل العوامل فعالة بشكل خاص ؛ يحتوي بعضها على طفرات عديمة الفائدة.

يوضح الشكل 4 العديد من الحبار العائمة في بيئة محاكاة. تستخدم هذه الحبار اثنين من مخالب متأرجحة في وقت واحد. من بين العوامل ، يمكن ملاحظة التباين:

• هناك أطوال مختلفة من مخالب ، ولكن أنماط حركتها متشابهة تقريبًا.
• تلقى العاملان في الجزء السفلي من الصورة مخالب إضافية بشكل تطوري ، والتي ليست مفيدة بعد بشكل خاص. إنها تزيد من كتلة الحبار ، وبالتالي تقلل من نتيجتها.

استنتاج

توضح المحاكاة في حالتها الحالية فعالية التطور العصبي وتشكل الأساس لمزيد من تطوير النظام:

• . , .
• . , .
• , , .
• . . , . , .

لن تتطلب هذه الإضافات أي تغييرات في الآلية الأساسية للتطور العصبي ، فهي ستسمح ببساطة بظهور استراتيجيات أكثر تنوعًا. إن الشمولية والتكيف مع الإطار الظاهر للتطور العصبي يجعلها أداة مثيرة للاهتمام للعديد من المجالات الأخرى ، على وجه الخصوص ، دراسات الحياة الاصطناعية .