• 博客区
  • 低等生物神经网络的计算模型

上个月在读完冯.诺依曼的《计算机与大脑》之后就对目前的“神经网络”产生了一些新想法,我认为

目前流行的“神经网络”的神经元模型没有突出人脑区别于其他动物的特征,而这个模型也可以放在任何有神经元(不只是大脑)的生物上。而人脑的机制大部分还是黑箱,人们热衷的“智能部分”与进化过程中历时更长但也低级一些的非智能部分是密不可分而且以它为基础。

所谓我想找一些低等生物的(广义的)“计算神经模型”来作为认识“神经网络”的突破口,比如C.elegans的神经网络。虽然目前研究众多,但这个过程肯定非常艰辛曲折,理由如下:

1 多数研究是科学研究,侧重对生物体的了解,而不是通过他们发展计算机技术和计算模型
2 研究计算模型的大多也不会落到具体代码上。相比之下Practical neural network recipes in C++ 「 Timothy Masters ,此人是统计学出身,有多本类似的著作」这种书直接给出神经网络的代码实现,实在是难得。
3 代码不会自己说话,读代码很难猜到背后的设计思路和要点。

C.elegans的神经元只有302个,但功能俱全,很多非常高级的生物功能都可以在它身上找到原型。与其花很多时间瞎猜人脑的机制,不如先多研究一下这种低等生物的神经机制。

除了找动物的,我也找植物甚至更低级生物的研究。植物虽然没有神经元,但它的信号处理、环境感知自有一套非常复杂且高效的机制,这套机制也非常值得当作类似神经网络一样的东西对待并加以代码化探索。

我找到一些有价值的就放在这里作为存档,欢迎大家有兴趣的参与。

参考
不完全列举--持续更新

https://en.wikipedia.org/wiki/List_of_animals_by_number_of_neurons

https://github.com/openworm/CElegansNeuroML

https://github.com/japlatt/olfaction_NN

Structural Properties of the Caenorhabditis elegans Neuronal Network https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3033362/

为什么脑科学家不先从低等动物入手研究原理和模拟大脑,探求意识的来源,而是直接研究和模拟最高级的人脑呢? https://www.zhihu.com/question/37959004

这里有些回答

秀丽隐杆线虫是一种生命只有几天的线虫,自1974年起就被当作分子生物学和发育生物学中的“模式生物”。这是一种看上去非常简单的生物:身长大约1毫米,一只秀丽隐杆线虫由959个细胞组成,其中有302个是神经元,95个是肌细胞。早在1980年代,生物学家们就搞清楚了秀丽隐杆线虫302个神经元的连接方式;然而,过去26年中所有尝试模拟其完整神经系统的努力均以失败告终。尽管一只秀丽隐杆线虫只有302个神经元,但根据2011年发表的一项研究,秀丽隐杆线虫的躯体神经系统含有6393个化学突触、890个缝隙连接、1410个肌肉神经接点。即便人们已经很清楚神经元的连接方式,但突触是如何行为的仍是正处于研究之中的课题。美国哈佛大学的大卫·达伦布尔(David Dalrymple)就认为,之前的研究只是从连接方式出发,而并不真正理解神经元,这就好像你想要制造一台收音机,而手上只有一张电路示意图,没有任何关于零件的信息。

作者:匿名用户
链接:https://www.zhihu.com/question/37959004/answer/552796385
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
做出模型的定义:可以用程序模拟出生物神经系统的自然活动情况。

然而现在研究线虫神经活动的方法仍然是想办法同时看到更多的神经元活动(Andy Leifer 两年前刚实现全身成像,还有很多限制)。就是因为直接模拟做不出来呀,不然跑模拟器就好了。

    为什么这么难?

连接组只是神经系统的宏观结构。我们知道了两个神经元相连,并不能推断出上游神经元的活动如何影响下游。也就是说,从输入到输出的传递函数,连接组里没有。而且这些传递函数还会随着系统状态的变化而改变(也就是突触的可塑性)。这些改变的规律依赖于各种神经递质和调节剂对受体的影响,有超级多排列组合。这还没考虑神经细胞内部的信号通路。。。

© 2018-2024 0xFFFF