Бесплатная библиотека
Читайте книгу на сайте или телефоне
READ-E-BOOK » Биология » Мозговой трест. 39 ведущих нейробиологов – о том, что мы знаем и чего не знаем о мозге
Мозговой трест. 39 ведущих нейробиологов – о том, что мы знаем и чего не знаем о мозге - Читать Любимую Русскую Полную Книгу 👉 Read-E-Book.com

Мозговой трест. 39 ведущих нейробиологов – о том, что мы знаем и чего не знаем о мозге

Электронная книга - «Мозговой трест. 39 ведущих нейробиологов – о том, что мы знаем и чего не знаем о мозге». Краткое содержание книги:

Профессор Дэвид Линден собрал ответы тридцати девяти ведущих нейробиологов на вопрос: «Что бы вы больше всего хотели рассказать людям о работе мозга?» Так родился этот сборник научно-популярных эссе, расширяющий представление о человеческом мозге и его возможностях. В нем специалисты по человеческому поведению, молекулярной генетике, эволюционной биологии и сравнительной анатомии освещают самые разные темы. Почему время в нашем восприятии то летит незаметно, то тянется бесконечно долго? Почему, управляя автомобилем, мы ощущаем его частью своего тела? Почему дети осваивают многие навыки быстрее взрослых? Что творится в голове у подростка? Какой механизм отвечает за нашу интуицию? Способны ли мы читать чужие мысли? Как биологические факторы влияют на сексуальную ориентацию? Как меняется мозг под воздействием наркотиков? Как помочь мозгу восстановиться после инсульта? Наконец, возможно ли когда-нибудь создать искусственный мозг, подобный человеческому?
Авторы описывают самые удивительные особенности мозга, честно объясняя, что известно, а что пока неизвестно ученым о работе нервной системы. Книга увлечет всех, кто интересуется наукой о мозге.
1 ... 37 38 39 40 41 42 43 44 45 ... 109
Перейти на страницу:

Вы пытаетесь убедить глорбонов, что в ваших способностях нет ничего сверхъестественного, и рассказываете им о зрении. Вспомнив школьные уроки физики, вы объясняете, что зрение связано с фотонами — не то частицами, не то волнами, которые не обладают массой и перемещаются в пространстве со скоростью около 300 тысяч километров в секунду. Разумеется, глорбонам фотоны кажутся не более реальными, чем нам мидихлорианы[140]. Но вы не сдаетесь и рассказываете, как хрусталик вашего глаза преломляет траектории фотонов, чтобы сформировать изображение — двухмерную карту, на которой каждая точка сетчатки (слоя из светочувствительных клеток) получает фотоны только из связанного с ней участка пространства. «Ладно, — отвечают глорбоны. — А что дальше?» — «Ну, потом вы просто видите, что на этом изображении», — говорите вы. Но глорбоны не понимают, что значит «видеть». Когда вы пытаетесь это объяснить, становится ясно, что вы тоже не понимаете. Вы делаете это постоянно, не задумываясь, и не знаете, как это происходит. Зрение — это действительно загадка, даже для вас.

Пообещав глорбонам вернуться, вы летите на Землю в полной уверенности, что ученые смогут объяснить вам, что такое зрение. Недавно вы читали статью о свёрточных нейронных сетях[141] (компьютерных симуляциях тесно связанных иерархий нейронов), и поэтому первым делом обращаетесь к специалисту по компьютерному зрению — профессору Y. Вы рассказываете ему о своей проблеме, профессор выражает сочувствие и сообщает, что в теории вычислительных систем зрение остается одной из самых сложных проблем, несмотря на былую уверенность в нашей способности ее решить. Он показывает вам прогноз Массачусетского технологического института, сделанный в 1970-е годы, в котором говорится, что программные алгоритмы для распознавания объектов на фотографиях вполне смогут создавать даже участники летних студенческих школ[142]. «Прошло 50 лет, — вздыхает он, — но задача все еще не решена».

Вы возражаете: но ведь в свёрточных сетях в итоге удалось воспроизвести возможности человеческого зрения? Профессор Y улыбается и ведет вас к себе в лабораторию, чтобы показать работу AlexNet — нейросети глубокого обучения[143]. Он достает изображение пингвина, стоящего на снегу; на заднем плане — другие пингвины и горы. Компьютер рисует прямоугольник вокруг пингвина и сообщает, что с вероятностью 70 % это птица. Неплохо, думаете вы, хотя сами на 100 % уверены, что это пингвин — черный клюв, глубоко сидящие глаза-бусины по обе стороны головы, забавно склоненной набок, белый пушистый живот, кажущийся теплым, несмотря на снег, смешные короткие крылья, больше похожие на плавники, и грушевидное тело, нависающее над черными перепончатыми лапами и почти скрывающее их. Такое ни с чем не перепутаешь.

Затем профессор Y добавляет к изображению компьютерный монитор, помещая его рядом с пингвином. Этот комичный коллаж вызывает у вас улыбку, но затем вы видите, что теперь компьютер на 70 % уверен, что перед ним не пингвин, а человек[144]. Как такое может быть, удивляетесь вы: ведь совершенно очевидно, что это пингвин, и он совсем не похож на человека. Профессор Y объясняет, что именно так работает большинство успешных программ распознавания образов — они делают вывод на основе статистической обработки характеристик всего изображения. Но, спрашиваете вы, а как же клюв, перья, крылья… А потом понимаете, что AlexNet не обладает полной информацией о физических особенностях пингвина, которая исключает возможность перепутать его с кем-то еще. Нейросеть знает самые простые и надежные признаки для распознавания образов — своей единственной задачи. Избыточная информация о пингвине, которая есть у вас, абсолютно не нужна для простого узнавания в обычных обстоятельствах. (Однако она будет чрезвычайно полезной, если вы захотите изучить пингвинов — их анатомию, эволюционную адаптацию, поведение и т. д.)

вернуться

140

 Мидихлорианы — это микроскопические внутриклеточные разумные симбионты, посредники между всеми живыми существами и Силой («Звездные войны», эпизод I, «Скрытая угроза»).

вернуться

141

 Y. LeCun, Y. Bengio, and G. Hinton, «Deep Learning», Nature 521 (2015): 436–444.

вернуться

142

 S. Seymour Papert, «The Summer Vision Project», MIT AI Memo 100, Massachusetts Institute of Technology, Project Mac, 1966.

вернуться

143

 A. Krizhevsky, I. Sutskever, and G. E. Hinton, «Imagenet Classification with Deep Convolutional Neural Networks», in Advances in Neural Information Processing Systems (Cambridge, MA: MIT Press, 2012). Р. 1097–1105.

вернуться

144

 A. Yuille, «Learning in the Visual Brain: Towards Understanding Deep Neural Networks», Biennial Science of Learning Symposium, Johns Hopkins Science of Learning Institute, 2016; http://scienceoflearning.jhu.edu/events/biennial-science-of-learning-symposium-presentations.

1 ... 37 38 39 40 41 42 43 44 45 ... 109
Перейти на страницу:
0
Сюжет
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
0
Атмосфера
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
0
Главный герой
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
0
Общее впечатление
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
Итоговая оценка: 0.0 из 10 (голосов: 0 / История оценок)