🕺🏼 🧠 👴🏻 रिवर्स इंजीनियरिंग ब्रेन। याद 🎽 🔝 🖥️

दिमाग मेरा पुराना पड़ोसी है। यह देखते हुए कि हमने कितना समय बिताया है, और हमें अभी भी एक साथ रहना है, उसकी रूचि नहीं है - सरासर तंगी।

आप खोपड़ी बॉक्स के अंदर एक काले बॉक्स के साथ चलते हैं, और यह बॉक्स समझता है कि वह खुद को ऐसा विवरण देता है। यह बहुत उत्सुक है। अगर उन्होंने मुझे इस तरह की विशेषताओं के साथ लोहे का एक टुकड़ा दिया होता, तो मैं यह समझने के लिए अपना सारा खाली समय मार देता कि यह कैसे काम करता है। दरअसल, मैं मार रहा हूं। अध्ययन की वस्तु हमेशा मेरे पास है - बहुत सुविधाजनक। एकमात्र दया यह है कि आप अंदर नहीं खोद सकते।

मस्तिष्क रिकॉर्ड करता है और जानकारी संसाधित करता है। पर कैसे? कुछ को लंबे समय तक क्यों संग्रहीत किया जाता है, लेकिन कुछ दिनों में कुछ भूल जाता है? यह न्यूरॉन्स से कैसे संबंधित है?

क्या यह संभव है, मस्तिष्क के मॉडल का निर्माण करने के लिए न्यूरोबायोलॉजी से मिली जानकारी के आधार पर, जो वास्तविक मस्तिष्क के समान व्यवहार देता है?

क्या अनुमान लगाया जाए? चलो बस कोशिश करते हैं।

अस्वीकरण:

मस्तिष्क कैसे काम करता है, इसकी पूरी व्याख्या नहीं होगी। यह मूल सिद्धांतों का एक संक्षिप्त विवरण है। इस लेख का उद्देश्य एक अनुमानित मॉडल बनाना है। कभी-कभी यह काम नहीं करेगा। लेकिन यह किसी भी मॉडल के नहीं होने से बेहतर है।

हम भौतिकी में घर्षण के सूत्र के साथ एक सादृश्य आकर्षित कर सकते हैं । यह आनुभविक रूप से प्राप्त होता है, और पूरी तरह से सही नहीं है। लेकिन यह अनुमान लगाने और गणना में उपयोग करने के लिए पर्याप्त सटीक है।
नीचे दिए गए सभी लिंक गहन अध्ययन के लिए हैं। उन्हें लेख पढ़ने की आवश्यकता नहीं होगी। और लगभग सब कुछ अंग्रेजी में है। रूसी इंटरनेट हमारे लिए ब्याज के मुद्दों पर प्रासंगिक जानकारी में खराब है।

कहाँ से शुरू करें?

आइए अब मनोविज्ञान से स्मृति मॉडल को अलग रखें। सभी विवरण जैसे: "अल्पकालिक - दीर्घकालिक" , "कार्यशील मेमोरी" , "प्रसंस्करण स्तरों का सिद्धांत" , "जादू संख्या 7 + -2" अब वे केवल हमें भ्रमित करते हैं। मस्तिष्क को उनकी मदद से समझने की कोशिश करना, माता-पिता के नियंत्रण के साथ खाते के नीचे से मॉनिटर को देखकर कंप्यूटर के डिवाइस का अनुमान लगाने की कोशिश करने जैसा है। हमारे लिए, वे मूल सिद्धांतों को समझने के बाद ही उपयोगी बनेंगे।

हम नीचे से जाएंगे और न्यूरॉन्स के साथ पथ शुरू करेंगे।

न्यूरॉन्स और संचार

से: विकी

कई प्रकार के न्यूरॉन्स हैं। वे न्यूरोट्रांसमीटर द्वारा उपयोग किए जाने वाले डेंड्राइट्स की संख्या में भिन्न होते हैं , और अन्य मापदंडों का एक गुच्छा जिसके द्वारा उन्हें वर्गीकृत किया जा सकता है। हम कार्यान्वयन के जंगल में नहीं जाएंगे। आइए बुनियादी - सिग्नलिंग के लिए नीचे उतरें।

यदि आप प्रक्रिया का वर्णन बहुत मोटे तौर पर करते हैं, तो यह इस तरह दिखता है:

1. आयनों में एक चार्ज न्यूरॉन होता है। जब इसके आवेश ने सक्रियण सीमा को पार कर लिया है (हमने बहुत अधिक आवेशित कणों को संचित कर लिया है), आयनों को अक्षतंतु के साथ स्थानांतरित करना शुरू हो जाता है ।

से: विकी

2. अक्षतंतु के अंत तक पहुंचने के बाद, आयन सिंक में गिर जाते हैं । न्यूरोट्रांसमीटर सिंक में संग्रहीत होते हैं, और आयन उन्हें स्वतंत्रता के लिए छोड़ देते हैं।

से:विकी

3. नीचे एक और न्यूरॉन है जिसमें रिसेप्टर्स हैं । वे अगले न्यूरॉन के आयन चार्जिंग के लिए जारी न्यूरोट्रांसमीटर और खुले चैनल स्वीकार करते हैं। संक्षेप में, न्यूरोट्रांसमीटर कुंजी है। एक बार संबंधित रिसेप्टर लॉक में, यह चार्ज होने के लिए न्यूरॉन को खोलता है।

उन पदार्थों के बारे में जिन्हें अनुमति दी जाती है और बहुत कम नहीं।

, , — .

— , . , , « ». , .

— . , — () . .. , , . .

— , , .

, ! — .

एक न्यूरॉन डेंड्राइट्स के माध्यम से कई से संकेत प्राप्त कर सकता है । और एक अक्षतंतु को कई न्यूरॉन्स से जोड़ा जा सकता है।

अब इसे सभी को निचोड़ें:

एक न्यूरॉन दूसरे न्यूरॉन को संकेतों को सक्रिय और संचारित कर सकता है।
एक और न्यूरॉन, जो एक संकेत प्राप्त कर रहा है, को चार्ज किया गया है, और सक्रियण के दृष्टिकोण।
एक न्यूरॉन कई न्यूरॉन्स से सिग्नल प्राप्त कर सकता है।
जब एक न्यूरॉन सक्रिय होता है, तो यह उससे जुड़े सभी न्यूरॉन्स के लिए एक सिग्नल पहुंचाता है।

या, मंडलियों और तीरों के संदर्भ में:

यह सब बहुत जानकारीपूर्ण है, लेकिन डेटा कहां है? न्यूरॉन्स में जानकारी कैसे स्टोर करें, कैसे पढ़ें और कैसे लिखें?

भंडारण और पढ़ना

भंडारण और रिकॉर्डिंग के लिए, एक तंत्र है जिसे सिनैप्टिक प्लास्टिसिटी कहा जाता है ।

उंगलियों पर, इसे निम्नानुसार समझाया जा सकता है: न्यूरॉन्स के बीच संबंध अलग-अलग "ताकत" होते हैं। कनेक्शन जितना मजबूत होगा, सक्रिय होने पर न्यूरॉन रिसीवर को उतना अधिक चार्ज किया जाएगा।

और अब एक ऐसा पल जिसे समझना थोड़ा मुश्किल हो सकता है। संबंधों की मजबूती हमारा डेटा है। आप इस पाठ को देखें - यह आपके मस्तिष्क में न्यूरॉन्स की सक्रियता है। "सक्रियण पैटर्न" जो हमारे तंत्रिका नेटवर्क में उत्पन्न होता है, जिसे हम "देखें" कहते हैं। और यह भी मैं सुनता हूं, महसूस करता हूं, कल्पना करता हूं, याद करता हूं, और इसी तरह। यह सब न्यूरॉन्स के एक विशिष्ट अनुक्रम की सक्रियता है।

दूसरे शब्दों में, यदि आपको मस्तिष्क के दृश्य प्रांतस्था में एक ऐसा खंड मिलता है जो एक चम्मच को देखते ही सक्रिय हो जाता है, तो वहां तार लाएं और करंट को काटें- मस्तिष्क को एक चम्मच दिखाई देगा, और यह कहीं भी नहीं जाएगा। "मुझे एक चम्मच दिखाई देता है" = आंखों में फोटोरिसेप्टर से संकेतों के कारण दृश्य कॉर्टेक्स में न्यूरॉन्स की सक्रियता।

वास्तविक दुनिया में आपका स्वागत है, नव। एक चम्मच मौजूद है, फोटोरिसेप्टर मौजूद हैं, न्यूरॉन्स मौजूद हैं, और एक मानसिक प्रयास के साथ कुछ देखने के सभी प्रयास विफल हो जाते हैं। हालांकि, नहीं - आप अपनी आँखें बंद कर सकते हैं।

मस्तिष्क के किन विशिष्ट क्षेत्रों को सक्रिय किया जाएगा यह इस बात पर निर्भर करता है कि कनेक्शन के माध्यम से संकेत कैसे जाते हैं। यह बांड की ताकत से निर्धारित होता है।

हमारी तस्वीर को पूरक करें:
मस्तिष्क में सूचना न्यूरॉन्स के बीच विभिन्न शक्ति के कनेक्शन के रूप में संग्रहीत होती है।
इस जानकारी को पढ़ना न्यूरॉन्स की सक्रियता का उपयोग करके किया जाता है। "सक्रियण पैटर्न" कैसा दिखेगा, यह कनेक्शन और उनकी ताकत पर निर्भर करता है।

असतत गणित में लगा कोई भी व्यक्ति इस चित्र में एक भारित डिग्राफ को पहचान लेगा ।

ठीक है, लेकिन आप रिश्तों की ताकत कैसे बदलते हैं और डेटा लिखते हैं?

अभिलेख

एक ऐसी चीज है, जिसे हेब्ब सिद्धांत या हेब नियम कहते हैं:
न्यूरॉन्स जो एक साथ मुड़ते हैं - एक साथ जुड़ते हैं। (न्यूरॉन्स कि आग एक साथ - तार एक साथ)।

निचले स्तर पर, यह E-LTP (अर्ली लॉन्ग-टर्म पोटेंशिएशन या LTP1) तंत्र द्वारा प्रदान किया जाता है ।

इसे निम्नानुसार सुधार किया जा सकता है:
यदि हमने एक न्यूरॉन और उसके बाद अगला सक्रिय किया, तो कनेक्शन मजबूत हो जाएगा।

इस तथ्य के कारण कि हम मस्तिष्क के न्यूरॉन्स को बाहर से सक्रिय कर सकते हैं, उदाहरण के लिए दृष्टि या श्रवण का उपयोग करके, हम उन पर जानकारी रिकॉर्ड कर सकते हैं। वे एक साथ सक्रिय हो जाएंगे, संचार की ताकत बदल जाएगी। अगली बार, मजबूत संबंधों की "श्रृंखला" की शुरुआत को सक्रिय करके जानकारी प्राप्त की जा सकती है।

लेकिन यह इतना आसान नहीं है। समस्या यह है कि हम कुछ भूल जाते हैं। और इसका मतलब है कि संबंध न केवल मजबूत हो रहे हैं, बल्कि कमजोर भी हो रहे हैं। और एक ही समय में, संबंधों का ह्रास असमान रूप से होता है - उनमें से कुछ तेजी से पतले हो जाते हैं, अन्य - बहुत लंबे समय तक रहते हैं। इस तथ्य को कैसे समझा जाए कि मुझे कक्षा 11 में रसायन विज्ञान की परीक्षा याद नहीं है, लेकिन मुझे उसी अवधि में अपना जन्मदिन याद है?

आप सक्रियण के बंद छोरों की एक मुश्किल प्रणाली के साथ आ सकते हैं, और लगातार बनाए रखा कनेक्शन प्राप्त कर सकते हैं। लेकिन वास्तविक मस्तिष्क की एक बहुत सरल विधि होती है, इसे लेट लॉन्ग-टर्म पोटेंशिएशन या L-LTP कहा जाता है।

निरंतर सक्रियता के माध्यम से संचार बनाए रखने के बजाय, मस्तिष्क बस अपनी वर्तमान स्थिति को पकड़ लेता है।

ठीक है, "बस" के साथ मैं बहुत दूर चला गया। इस तथ्य के पक्ष में अध्ययन हैं कि प्रक्रिया को विशेष प्रोटीन के संश्लेषण का उपयोग करके लॉन्च किया गया है । ऐसे अन्य अध्ययन हैं जो दावा करते हैं कि प्रोटीन संश्लेषण का निषेध एल-एलटीपी को प्रभावित नहीं करता है। इस बारे में पढ़ने के बाद, मैंने निष्कर्ष निकाला कि किसी को भी राज्य को लंबे समय तक ठीक करने की परिकल्पना पर संदेह नहीं है। लेकिन मैं इस प्रक्रिया के विवरण का पता नहीं लगा सका।

सौभाग्य से, तीर और हलकों की हमारी सरल दुनिया में ये विवरण नहीं हैं। अभी के लिए, हमें बस याद है कि कनेक्शन राज्य बनाए रखने में सक्षम हैं और समय के साथ कमजोर नहीं हुए हैं।

सारांश

आइए तंत्रिका विज्ञान की दुनिया में हमारे लघु भ्रमण के अंतरिम परिणामों को संक्षेप में प्रस्तुत करें:

न्यूरॉन्स होते हैं। हमारी तस्वीर में वे गेंद हैं। वे एक चार्ज जमा करते हैं, और एक निश्चित सीमा से अधिक होने पर सक्रिय होते हैं।
. . , — , - . .
. — . , -, .
. , - . , , E-LTP.
. — , — , — . L-LTP.

, :

यदि आप अधिक सटीक न्यूरॉन मॉडल में रुचि रखते हैं, और एएनएन में उनके मॉडल से जैविक न्यूरॉन्स के विशिष्ट अंतर की एक सूची देखें, तो इस लेख को देखें । इस पोस्ट के हिस्से के रूप में, मैंने केवल यह वर्णन किया कि मुझे भविष्य में क्या चाहिए।

अध्ययन के इस हिस्से में 4 महीने लगे। मैंने लेख पढ़ा और मेरे लिए दर्जनों अस्पष्ट शब्दों को तोड़ दिया, गलत क्षेत्रों में बदल गया और मेरे मुद्दे पर पुरानी जानकारी पर ठोकर खाई।

ऊपर का स्तर। सबनेट और ऑब्जेक्ट

हमें न्यूरॉन्स के साथ मस्तिष्क में होने वाली प्रक्रियाओं का एक मॉडल मिला। दुर्भाग्य से, हमारे पास हमारे मस्तिष्क की बड़ी संरचनाओं, "सबनेट" का विस्तृत विवरण नहीं है। लेकिन हमारे पास एक आधार है जिस पर इसे स्वयं बनाना है। अब हम प्रयोगों का आयोजन करेंगे और मस्तिष्क के व्यवहार के बारे में जानकारी एकत्र करेंगे। और फिर बेस मॉडल के आधार पर हम प्रयोगात्मक परिणामों की व्याख्या का निर्माण करेंगे। यदि हम इसे सही तरीके से बनाते हैं, तो यह न केवल समझाएगा कि हम पहले से ही क्या जानते हैं, बल्कि आगे के प्रयोगों के परिणामों की भी भविष्यवाणी करते हैं।

पहली बात जो मैंने देखी वह थी कि हमारे पास किसी वस्तु की अवधारणा है। या पूरा। खैर, सामान्य तौर पर, सब कुछ जिसे प्राकृतिक संख्या माना जा सकता है: टेबल, कुर्सियां, घर, पेड़, पत्ते, दिमाग ... मस्तिष्क स्पष्ट रूप से इस अवधारणा को पसंद करता है, यह सहज है। लेकिन हम जानते हैं कि दुनिया में वस्तुओं का समावेश नहीं है, जैसा कि हम उन्हें देखते हैं। आप जिस मॉनिटर से यह पाठ पढ़ रहे हैं, वह ठोस वस्तु नहीं है। हम इसे इसके घटकों में तोड़ सकते हैं। इसमें पिक्सेल होते हैं, एक फ्रेम होता है ... इसे आगे तोड़कर, हम अणुओं और परमाणुओं तक पहुंचेंगे। लेकिन परमाणु और अणु भी एक पूरे नहीं हैं, वे अन्य कणों से बने हैं।

लेकिन मस्तिष्क वास्तव में एक कण की अवधारणा को क्यों पसंद करता है? गंभीरता से, इसे ^{बर्बाद} करने का सबसे अच्छा तरीका यह है कि ^{बर्बाद किए गए} कार्यों को प्राप्त करने के लिए पूर्णांक ^आरयू में व्यक्त किए गए कार्यों को संसाधित न किया जाए ।

और मैंने सोचा - क्या होगा अगर दुनिया की वस्तु धारणा के अस्तित्व को हमारे तंत्रिका नेटवर्क की संरचना द्वारा समझाया गया है? क्या होगा यदि "ऑब्जेक्ट" एक ऐसा शब्द है जो एक जुड़े क्षेत्र की सक्रियता का वर्णन करता है? यह बताता है कि हम एक कुर्सी या मेज को समग्र रूप से क्यों देखते हैं - उनके पास एक समोच्च है जो सामान्य पृष्ठभूमि के खिलाफ खड़ा है। शायद यह दृश्य कॉर्टेक्स में पूरे सबनेट के एक साथ सक्रियण का कारण बनता है?

इसी तरह, शब्दों और अक्षरों को पहचाना जा सकता है। इसे बहुत सरल बनाने के लिए, फिर हमारी तस्वीर में यह इस तरह दिखाई देगा:

मैंने एक परिकल्पना तैयार की: मस्तिष्क में न्यूरॉन्स के बीच मजबूत कनेक्शन वाले क्षेत्र हैं। उनकी सक्रियता "अखंडता" या "किसी वस्तु की उपस्थिति" की भावना देती है। अब आपको ताकत के लिए इसकी जांच करने की आवश्यकता है।

पहला परिणाम जो प्राप्त किया जा सकता है वह यह है कि यदि हमारे पास एक सबनेट से जुड़ा सबनेट है, तो वह अधूरी जानकारी के साथ भी सक्रिय है । हमें परिचित पैटर्न को स्वतंत्र रूप से पूरा करने में सक्षम होना चाहिए। और इसके विपरीत - यदि ऐसा कोई टेम्पलेट नहीं है, तो मस्तिष्क इसे पुनर्स्थापित करने में सक्षम नहीं होगा। यहाँ दृष्टि के आधार पर जानकारी के प्रसंस्करण में ऑप्टिकल भ्रम और ग्लिच के बारे में कुछ दिलचस्प लेख सामने आए। उनमें से एक यहां पर है। मैंने अपने मित्रों और सहकर्मियों को गायब पत्रों के साथ प्रश्नावली भरने के लिए बहुत समय बिताया। मैंने शब्दों को 3 श्रेणियों में विभाजित किया है:

सामान्य अवधारणाएँ।
विशेष शर्तें जो सर्वेक्षण से गुजरने वाले व्यक्ति को ज्ञात हैं।
विषय से अनजान संकीर्ण क्षेत्र से विशेष शब्द।

उदाहरण के लिए, मैंने सहयोगियों को एक प्रश्नावली दी जिसमें रोजमर्रा के शब्द शामिल थे, जैसे कि "टेबल" और "कुर्सियाँ", आईटी डोमेन से शब्द, जैसे " पैटर्न " और " हैश टेबल ", और जीव विज्ञान और आनुवांशिकी के क्षेत्र से शब्द, जैसे " पॉलीडेनाइलेशन " या " एडेनोसिन मोनोफॉस्फेट "।

यह पता चला कि लोग परिचित शब्दों में रिक्त स्थान को सफलतापूर्वक भरते हैं और अजनबियों के साथ ऐसा नहीं कर सकते। मैं अन्य स्रोतों में और अपनी परिकल्पना के साथ जो कुछ पढ़ा था, उसके साथ यह अच्छा समझौता था।

सुनने के लिए, यह भी काम किया। लोगों ने उनके लिए जाने-पहचाने भाषण को पूरी तरह से एक बुरे संकेत के साथ भी पहचाना, लेकिन वे अपरिचित पैटर्न से मिले तो सामना नहीं कर सके।

यदि आपके पास प्रारूप का प्रश्न है: तो आपने स्वयं स्पष्ट चीजों की जांच क्यों की?

, , , , . , . , — .

, , . , , . , , . ! , . , — .

. , , — . , . , « » — , . , . — .

, , « » « », . , , , . — . .

मैंने 3 महीने तक अपनी धारणा का परीक्षण किया और इसने आश्चर्यजनक रूप से अच्छा काम किया।
आप इनपुट से एक दृढ़ता से जुड़ा हुआ खाका प्रस्तुत करते हैं - लोग कहते हैं कि यह संपूर्ण की भावना को उद्घाटित करता है, इसे 1 वस्तु के रूप में परिभाषित करता है। ब्रेकिंग ऑर्डर, एक अलग सक्रियण पैटर्न बनाने की कोशिश कर रहा है - पूरे को भागों में विभाजित किया गया है और कई ऑब्जेक्ट बन गए हैं।

उदाहरण के लिए: "फील्ड्स", "थ्योरी", "यूनिफाइड" / "यूनिफाइड", "थ्योरी", "फील्ड्स" (मैंने 7 मिनट तक रूसी में एक उदाहरण खोजने की कोशिश की। उनके फार्म के माध्यम से शब्दों की धारणा को सिंक्रनाइज़ करने का विचार किसके साथ आया? यह अंग्रेजी के साथ आसान है: विशेष सापेक्षता / सापेक्षता विशेष, आइंस्टीन फील्ड समीकरण / फील्ड समीकरण आइंस्टीन)

तो मैं हाइपोथीबल के लिए आया था : 1

मस्तिष्क में न्यूरॉन्स के दृढ़ता से जुड़े नेटवर्क हैं। ऐसे नेटवर्क की सक्रियता "एक वस्तु" या "संपूर्ण" की भावना को जन्म देती है। स्मृति में नई वस्तुओं को लिखना एक नए दृढ़ता से जुड़े क्षेत्र के निर्माण के माध्यम से होता है।

दूसरे शब्दों में, मेरा मानना है कि वस्तुओं के बीच अंतर करने की क्षमता कनेक्टिविटी और सक्रियण की देरी से प्रदान की जाती है।

PS
मैं एक आरक्षण करूंगा कि सबनेट के आकार पर सबसे अधिक प्रतिबंध है। कोई फर्क नहीं पड़ता कि आप कविता को कैसे सीखते हैं, पूरा पाठ एक वस्तु नहीं बनेगा, यह श्रृंखला के साथ अनुक्रमिक सक्रियण होगा।

पेशेवरों:

एक पूरे के रूप में सबनेट की सक्रियता के तंत्र के माध्यम से अपूर्ण डेटा और ऑप्टिकल भ्रम के अस्तित्व के आधार पर जानकारी की वसूली की व्याख्या करता है।
-> -> -> , . , .
, , .. . -> -> .
UX-.
SRP. , , « ». , . , , .
सूची चलती जाती है।

विपक्ष:

यह स्पष्ट नहीं है कि "ईमानदारी की भावना" कैसे प्रकट होती है। मस्तिष्क के उस हिस्से में संदेश कहां जाता है जिसे हम स्व के रूप में समझते हैं कि दूसरा भाग "जेस्टाल्ट को बंद" करता है?

मिथ्याकरण मापदंड:
इस परिकल्पना को कचरे में फेंक दिया जाएगा यदि:

न्यूरॉन्स स्थिर, अत्यधिक जुड़े सबनेट नहीं बनाते हैं।
प्रयोगात्मक रूप से साबित करने का एक तरीका है कि "व्यक्तिगत वस्तुओं को उजागर करने" की क्षमता ऊपर के बिंदु से नेटवर्क की सक्रियता से संबंधित नहीं है।
कम संस्थाओं का उपयोग करके, "प्लसस" की सूची से सभी वस्तुओं का स्पष्टीकरण होगा। उसी समय, इसे न्यूरॉन्स या अन्य वस्तुओं के लिए कम किया जाना चाहिए जो मस्तिष्क में प्रामाणिक रूप से मौजूद हैं।
औपचारिक या प्रयोगात्मक प्रतिनियुक्ति की कोई अन्य विधि। तार्किक विरोधाभास, परिणाम जिनकी पुष्टि नहीं की जाती है, आदि।

मिथ्या इनाम कार्यक्रम:

परिकल्पना एक महत्वपूर्ण सोच इनाम कार्यक्रम में भाग लेती है: प्रति खंड $ 50।
नीचे दिए गए स्पॉइलर के तहत अतिरिक्त विवरण:

शर्तेँ:

50 , .
, . . , — . , (, , , ).

:
, …, ..., , .

:
« , ?» — .
« , ...» — , - .
« ?» — , . , .
« ?» — . . .
« , , 4 »:
1 — , , .
2 — , . , .
3 — . , , , ---… , , «» - ---.
4 — , , — . , , .

"न्यूरॉन्स की मजबूत कनेक्टेड सबनेट्स" मैं बस "ऑब्जेक्ट्स" कहूंगा। मैं 3 शब्द लिखने के लिए बहुत आलसी हूं। स्मृति के सभी मनोवैज्ञानिक सिद्धांत इस अवधारणा को ठीक से संचालित करते हैं, और रोजमर्रा की जिंदगी में यह समझ में आता है "जो कि एक पूरे के रूप में प्रतिष्ठित किया जा सकता है।"

आत्मगत

, , — .
, , .
«» . .

जैसा कि आप समझते हैं, वस्तुएँ अन्य वस्तुओं से जुड़ी होती हैं। यदि परिणाम एक सबनेट है जो तुरंत सक्रिय हो जाता है, तो हम मान लेंगे कि हमने एक नई वस्तु बनाई है। यदि कनेक्शन पर्याप्त रूप से मजबूत नहीं है या तत्काल सक्रियण के लिए बहुत सारे सबबजेक्ट हैं, तो मैं इस कॉन्फ़िगरेशन को "मॉडल" कहूंगा।

मैं ऑब्जेक्ट्स के पूरे सेट और उनके बीच के कनेक्शन को नॉलेज ग्राफ़ का नाम देने और KDPV पर नामित करने का प्रस्ताव करता हूं।

सारांश

हमने देखा कि कैसे न्यूरॉन्स व्यवस्थित होते हैं और अपने गणितीय मॉडल को संकलित करते हैं (हां, तीर और मंडलियां ग्राफ सिद्धांत हैं)। मस्तिष्क में एंटीडिप्रेसेंट्स और एंटीसाइकोटिक्स कैसे काम करते हैं, इस पर हल्के से स्पर्श किया गया - वे न्यूरोट्रांसमीटर के स्तर को नियंत्रित करते हैं और इस प्रकार न्यूरॉन्स की सक्रियता को प्रभावित करते हैं (वास्तव में, वे कनेक्शन की ताकत बदलते हैं)। हमने हेब्ब नियम (न्यूरॉन्स जो एक साथ चालू होते हैं - एक साथ जुड़ते हैं), और ई-एलटीपी तंत्र के बारे में सीखा, जो अल्पकालिक स्मृति के लिए जिम्मेदार है। हमने देखा कि कैसे मस्तिष्क ने लंबे समय तक याद रखने की समस्या को हल किया - एल-एलटीपी के माध्यम से संचार की ताकत को ठीक करके।

हमारे मॉडल के आधार पर, हमने मजबूत कनेक्शन वाले न्यूरॉन्स के सबनेट के अस्तित्व की भविष्यवाणी की।

इस धारणा का उपयोग करते हुए, हमने कुछ प्रभावों की व्याख्या करने की कोशिश की, जो हमने देखे थे: ऑप्टिकल भ्रम, अनुमान लगाना और अधूरी जानकारी के आधार पर वस्तुओं का अनुमान लगाना, "एक वस्तु" की अनुभूति का अस्तित्व। अजीब तरह से पर्याप्त - यह निकला। हम अधिक जटिल संरचनाओं - मॉडल और जटिल वस्तुओं की रचना करने के लिए एक ही तंत्र का उपयोग करने में सक्षम थे। और यह काम भी करता है।

मुझे लगता है कि यह एक अच्छा मध्यवर्ती परिणाम है, लेकिन अभी तक हमारे पास उत्तर से अधिक प्रश्न हैं:

मेमोरी का उपयोग "पूरी तरह से" क्यों नहीं किया जाता है? हम जो कुछ भी जानते हैं, उसकी त्वरित पहुंच कहां है? दूसरे शब्दों में, हमें क्यों याद रखना है, और यह कैसे काम करता है?
एल-एलटीपी किस बिंदु पर चालू होता है और सूचना दीर्घकालिक मेमोरी में चली जाती है?
, , ? : « ?» « ?» — , .
UPD: .
, ? ?
?

हम उनके बारे में निम्नलिखित लेखों में बात करेंगे।

PS

यदि आपके पास किसी भी भाग के बारे में कोई प्रश्न है - तो मैं टिप्पणियों में अधिक विस्तार से कुछ बता सकता हूं या एक स्पष्ट लेख लिख सकता हूं। यह एक और लॉन्गड्रिड पर आकर्षित करता है, विस्तार से बताने के लिए - हमें एक पूरी पुस्तक मिलती है। यकीन नहीं होता कि यह हैबर प्रारूप से मेल खाता है।

यदि आपके पास प्रस्तुति की शैली पर कोई सुझाव है - तो मुझे उनकी बात सुनकर खुशी होगी।

लाइसेंस: CC BY-NC-ND 4.0

रिवर्स इंजीनियरिंग ब्रेन। याद

कहाँ से शुरू करें?

न्यूरॉन्स और संचार

भंडारण और पढ़ना

अभिलेख

सारांश

, :

ऊपर का स्तर। सबनेट और ऑब्जेक्ट

सारांश

More articles: