Os neurônios biológicos são organizados em camadas consecutivas?
Abraçando a realidade da complexidade
Dizer "Sim" seria uma simplificação grosseira, assim como o aprendizado digital decorrente de alguma forma simples de recursão aplicada a um conjunto de regras lógicas de predicados de primeira ordem foi como correr ao longo do arco-íris de um duende até o pote de ouro.
O conjunto final de perguntas é apropriado: "Isso é verdade e com que força se acredita? De que pesquisa se trata?" Você precisaria de uma pesquisa para determinar com que intensidade acredita-se que os neurônios do cérebro estejam em uma estrutura predominantemente em camadas. As referências a camadas na pesquisa real não parecem afirmar que as camadas são consecutivas na maioria dos casos, se é que existem. Existem camadas consecutivas na pele, mas a pele com apenas camadas não possui poros, cabelos, interfaces com orifícios corporais e muitas outras características. No cérebro humano (ou no cérebro de animais), a complexidade tridimensional é consideravelmente aumentada da da pele.
Seria bom, do ponto de vista do pesquisador de IA, se
- Um esquema recursivo heurístico ou teoricamente comprovado aplicado a um sistema especialista pode produzir aprendizado ou inteligência ou
- Um mapa do cérebro humano (ou pássaro) pode ser reduzido a um conjunto de neurônios semelhantes em fileiras de neurônios idênticos, dispostos em camadas.
A imagem fornecida na pergunta não ilustra essa simplicidade. Na verdade, ilustra o contrário, que a natureza raramente é tão transparente em seus meandros.
A caracterização, "Como parece que os neurônios geralmente são organizados em camadas consecutivas", não é precisa. A caracterização abaixo mais razoável da fatia específica mostrada indica duas regiões que podem ser discretamente distintas, a grade nos 8% mais à esquerda e a conexão amplamente horizontal nos 92% restantes.
Um engenheiro elétrico ou matemático provavelmente não chamaria essas duas seções de camadas. O lado esquerdo pode ser considerado uma matriz de alguma forma e os 92% direitos podem ser considerados um circuito de processamento complexo.
Caracterização da estrutura 2D
- Os axônios são direcionados principalmente ao longo da direção descrita pelo vetor unitário (-1, 0, 0), que pode ser descrito como da direita para a esquerda.
- A densidade de axônios aumenta para valores de amante de x, devido à alta proporção de axônios que terminam em valores mais baixos de x.
- A densidade do núcleo é relativamente uniforme na faixa proporcional de 0,1 a 1,0 de x.
- Os tamanhos dos núcleos e a complexidade dendrítica associada estão em conformidade com um gradiente, com um máximo primário em 0,8 do valor proporcional de x e um máximo secundário em 0,55 do valor proporcional de x
- Pelo menos dois axônios se bifurcam entre esses locais proporcionais x.
- Existem axiomas quase equidistantes, todos aproximadamente paralelos ao eixo z na faixa de 0,0 a 0,08 do valor proporcional de x.
- Outros padrões estruturais são obscuros ou inexistentes.
Outra imagem com estrutura caótica
Milhões de vezes a complexidade
Considere ainda que grande parte da complexidade está oculta do espectador em uma única fatia de uma estrutura neurológica tridimensional. Se decidirmos arbitrariamente que a imagem é uma fatia cortada em paralelo com o plano xz, podemos ver as relações nesse plano xz, mas nem no xy nem no yz. Qualquer outra fatia de outra direção ou localização no cérebro será tão única quanto uma janela arbitrária no conjunto Mandelbrot.
Mais deturpação dos resultados da pesquisa
A frase "Algumas partes do cérebro foram mapeadas" também é enganosa. A conectividade geral entre subestruturas do cérebro humano foi mapeada, não os sinais e critérios de propagação e força do sinal em neurônios individuais. Os circuitos diferem radicalmente no nível dos neurônios entre dois cérebros, ambos exibindo inteligência in vivo (em um ser vivo).
A analogia é como uma pessoa do tamanho de um micróbio com um mapa de continentes, grandes cidades e rotas de navegação, mas sem conhecimento prévio de sistemas de transporte, sem GPS e nenhum outro mapa detalhado que deseje viajar da torre Eiffel até o centro da cidade em Sidney na Austrália. Existe um conjunto insuficiente de evolução do sistema de transporte ou instruções detalhadas com as quais a jornada pode ser feita com sucesso.
No caso de atingir um nível de detalhe na estrutura e função dos cérebros humanos suficientes para criar uma versão eletrônica de uma, as peças que faltam incluem a falta de compreensão das
- As condições sob as quais um axônio ou um dendrito cresce em comprimento ou se bifurca
- As condições sob as quais o neurônio dispara com base em estruturas internas conhecidas por conter informações de estado no citoplasma.
- O vínculo entre o genoma humano e suas variedades e o impacto na estrutura de vários genes, mecanismos de expressão gênica e suas enzimas e proteínas associadas
- Outras complexidades além do meu nível de educação em neurociência.
- Outras complexidades além do nível de educação de todos em neurociência.
Camadas e hierarquias
É comum na ciência procurar camadas ou hierarquias para usar na educação e na prática, porque elas podem auxiliar na compreensão da estrutura anatômica. Essa tendência apareceu na engenharia de software no design de sistemas operacionais, design de linguagem de programação, design de aplicativos e agora design de IA. À medida que essas áreas de tecnologia evoluem, a tendência é, na verdade, passar do design hierárquico ou orientado para a camada pura para uma rede mais irrestrita de peças interconectadas. A simplicidade é desejada, mas a complexidade às vezes é necessária.
Simular a inteligência é um objetivo exigente e, com a simplicidade falhada no primeiro meio século de tentativa de projetar sistemas digitais inteligentes, é claro que as soluções de trabalho exigirão complexidade e, portanto, considerável conhecimento.
É razoável supor que não há restrições que guiem a evolução da inteligência humana na direção da estrutura caracterizada principalmente por camada ou estrutura hierárquica. Os processos evolutivos não percebem a simplicidade com o objetivo de facilitar o estudo acadêmico. Não há nada na expressão gênica do DNA ou nas maneiras pelas quais os neurônios crescem nos estágios fetais ou posteriores que imporiam tais regras de simplicidade na estrutura ou na função.
Quão complexas são as expressões de DNA que levam a características do cérebro que consideramos inteligência? Quão complexos são os sistemas neurais que surgem nessas expressões? Alguns acreditam que a humanidade terá que evoluir antes que as mentes humanas possam se simular. Tal conjectura pode ser verdadeira ou falsa. É difícil prever isso, mesmo em ordem de magnitude.
Análise Numérica de Predição Otimista
A expectativa de crescimento exponencial foi proposta para expectativa de vida, capacidade instalada de painéis solares na Alemanha, velocidade da CPU (execuções de instruções por microprocessador por segundo), densidade de transistores ("Lei de Moore"), tamanho do Partido Comunista e muitas outras métricas, mas, embora as taxas de crescimento na natureza e os esforços humanos sejam frequentemente exponenciais nos estágios iniciais, isso nunca se provou sustentável. As taxas de crescimento são aproximadamente lineares por um curto período depois e se tornam mais tangentes ao arco à medida que a saturação se aproxima. A partir da saturação, os valores da métrica tendem a declinar e aumentar em caos e começam em longos intervalos de tempo.
Em abril de 2005, Gordon Moore (autor da "Lei de Moore") declarou: "[O crescimento exponencial] não pode continuar para sempre. A natureza dos exponenciais é que você os expulsa e, eventualmente, um desastre acontece". Mais tarde, ele declarou: "Em termos de tamanho [de transistores], você pode ver que estamos nos aproximando do tamanho de átomos, o que é uma barreira fundamental".
É importante entender que Moore não inventou uma lei. Ele olhou mais de duas décadas de dados e densidade transistor notei foi aproximadamente proporcional e t , onde t é o tempo decorrido desde circuitos integrados mercado de massa primeiro atingido, e então previu mais crescimento exponencial com base nos dados de tendências claras.
Previsão realista
Os seres humanos nunca tentaram algo tão fundamentalmente quebrar o limiar quanto criar uma simulação do eu. Sem experiência relacionada a partir da qual saber se crescimento exponencial, crescimento linear, crescimento tangente ao arco ou alguma outra forma é o modelo mais provável, o modelo mais seguro é provavelmente o que a Navalha de Occam prescreveria, uma previsão linear.
Para fazer qualquer previsão, é preciso coletar alguns pontos de dados. Embora seja uma previsão realista, não é muito diligente. Talvez mais trabalho possa ser feito para encontrar um modelo mais provável que o linear, desenvolver um sistema de teoria e métricas para determinar o progresso a qualquer momento ou coletar mais pontos de dados para estabelecer um ajuste mínimo. Para os fins desta resposta, simplesmente usaremos dois pontos de dados e faremos uma extrapolação linear.
Em 1660, Blaise Pascal escreveu em seus Pensées ("Pensamentos"): "A máquina aritmética produz efeitos que se aproximam mais do pensamento do que todas as ações dos animais. Mas não faz nada que nos permita atribuir vontade a ele, como animais ", então a busca por simulações mecânicas da inteligência humana já estava em andamento naquele momento.
Desde então, os programadores de computador desenvolveram código que realiza várias capacidades humanas.
- Generalização de cálculos numéricos e lógicos (CPUs)
- Automação de escritório
- Reconhecimento de padrões (aplicado à escrita, fala e cenas)
- Convergência em circuitos funcionalmente ótimos (redes neurais)
- Aplicação da probabilidade ao processo de decisão (teorema de Bayes, etc)
- Sistemas de regras capazes de excelência em jogos discretos
Os recursos ausentes das atuais simulações digitais de inteligência dos sistemas digitais são importantes e numerosos.
- Intuição na enumeração de abordagens gerais de problemas
- Excelência em habilidades de linguagem natural
- Expressividade emocional na arte
- Expressividade política na arte
- Praticar esportes bem (em sistemas robóticos)
- Fazendo um bom trabalho no trabalho (dadas instruções arbitrárias)
- Aprendendo a fazer coisas novas no trabalho
- Iniciando um projeto sem experiência prévia no domínio
- Análise redutiva abrangente
- Design complexo de dispositivos físicos arbitrários de acordo com os requisitos)
- Desenvolvimento de software (software que produz software por requisitos)
- Extensão esclarecida de uma área de estudo
- Identificação de subterfúgios em tempo real
- Intimidade emocional
- Compaixão e empatia
- Auto-avaliação abrangente
- Desenvolvimento de novas áreas da matemática para provar uma hipótese
- Vá para a aula e saiba mais
- Escolha livros e artigos ao longo do caminho de aprendizado desejado e leia-os
- Outros recursos nesse sentido
Como esta lista é resumida e esses itens que ainda não foram alcançados em software não são tão mecanicamente descritíveis em linguagem natural quanto os que já foram programados com sucesso, podemos ter certeza de que em 2017 temos sistemas digitais que alcançaram apenas uma fração da amplitude dos recursos do conjunto completo que as pessoas esperam de um ser humano sem chamar a pessoa de desafiada mentalmente. A julgar pela lista de realizações, não mais de 10% do que as pessoas inteligentes fazem foi simulado por software de computador.
Sem qualquer motivo para acreditar que a taxa de descoberta diminuirá ou aumentará (apesar das alegações de que o avanço humano tenha sido exponencial 1 ), uma aproximação linear simples coloca o cérebro eletrônico relativamente completo no horizonte para o ano 5.587.
