Это говорит о том, что физиологическое состояние препарата не страдает в период стадии незатухающих колебаний и п. с. р. Сам процесс п. с. р. не может быть сведен к обычной адаптации или утомлению препарата при действии длительного ритмического раздражения: специально поставленные опыты показывают, что нейрон может подвергаться внешним раздражениям в ритме автоколебаний до часа без существенного изменения характера своей ритмической активности.
В стационарном режиме частота может несколько изменяться. Вариации частоты имеют характер небольших случайных флуктуаций с возвращением к стационарному режиму
Изменения, происходящие в системе в процессе п. с. р., следует отнести на счет функциональных перестроек в нейрорецепторе. Пока нет оснований для ответа на вопрос о том, где локализуются эти изменения в дендритном аппарате, ответственном за возникновение генераторного потенциала, или в аксонном холмике, где возникает ритмическая активность.
Следующий ряд наблюдений касается изменения длительности п. с. р. при повторных искусственных отклонениях от стационарного режима. Обычно длительность уже второго п. с. р. значительно меньше, чем первого. Длительность третьего п. с. р. еще меньше, а последующие п. с. р. ограничены всего несколькими колебаниями, вплоть до апериодического приближения к стационарному режиму.
Это говорит о том, что функциональные изменения, происходящие в нейрорецепторном аппарате, имеют стойкий характер и накапливаются от опыта к опыту. Примеры таких наблюдений представлены на рис. 3 в, г.
Описанные изменения сохраняются в течение нескольких часов, причем продолжительность п. с. р. через длительное время после предыдущего по-прежнему ограничивается одним-двумя колебаниями.
Поступило 16.III. 1970
ЛИТЕРАТУРА
1.И.М.Гельфанд, М.Л.Цетлин //Модели структурно- функциональной организации некоторых биологических систем, М., 1966.
2.А.Б.Коган //Математическое моделирование жизненных процессов. М., 1968, стр. 211.
3.О.Г.Чораян Нейронная организация центрального отдела зрительного анализатора лягушки. Ростов-на-Дону,1969.
4.С.Eyzaguirre,S.W.Kuffler,J.Gen.Physiol.,39,69, 1955.
О возможных внутриклеточных механизмах запоминания
Доклад в Московском Обществе Испытателей Природы (МОИП) 23 ноября 2016 года
До конца 19 века физиологи не знали, как нервные клетки связаны друг с другом. К. Гольджи считал, что между нервными клетками нет границ и нервная система представляет собой сеть. А С. Рамон-и-Кахаль считал, что нервная система состоит из отдельных нервных клеток нейронов. Следующий шаг сделал знаменитый нейрофизиолог Чарлз Скоттт Шеррингтон, получивший Нобелевскую премию по физиологии и медицине в 1932 году «за открытия, касающиеся функций нейронов». Его учениками были такие выдающиеся нейрофизиологи, как Джон Экклз, Рагнар Гранит и Говард Флори, тоже ставшие нобелевскими лауреатами. Ч. С. Шеррингтон создал теорию синаптической связи нейронов, в 1897 году предложил понятие «синапс» и привел доказательства существования синапсов. Шеррингтон (как и Дж. Экклс) был верующим человеком и держался идеалистических взглядов на мир, его взгляды в СССР были мало известны, в основном их упоминали в связи с полемикой Ч. С. Шеррингтона и И. П. Павлова о природе сознания и теории рефлексов.
Наиболее популярной гипотезой о природе памяти в нейрофизиологии и сегодня является идея о том, что при работе синапсов их проводимость увеличивается. Поэтому многие нейрофизиологи опираются на предпо- ложение о том, что память и накопление информации связаны с изменениями в синапсах. Большинство современных нейрокибернетических моделей мозга исходит из этих представлений. В основе таких моделей лежит «нейрон Мак-Каллоха Питтса» (1943), фактически пороговый триггер со многими входами.
Нейрон Мак-Каллока Питтса
В 1943 г. Уоррен Мак-Каллок и Уолтер Питтс предложили модель нейрона, обладающую следующими свойствами:
нейрон имеет несколько входов и один выход
через входы (j) нейрон принимаетвходные сигналы (xj)
входные сигналы умножаются навесовой коэффициент (wj) и суммируются
выходной сигнал нейрона нелинейная функция f (S),
через входы (j) нейрон принимаетвходные сигналы (xj)
входные сигналы умножаются навесовой коэффициент (wj) и суммируются
выходной сигнал нейрона нелинейная функция f (S),
называемая активационной. Обычно φ это функция Хевисайда.
Было установлено, что НС могут выполнять любые логические операции и любые преобразования, реализуемые дискретными устройствами с конечной памятью.
Эта модель легла в основу теории логических сетей и конечных автоматов и активно использовалась психологами и нейрофизиологами при моделиро- вании некоторых локальных процессов нервной деятельности.
Персептрон Розенблатта
Идея Мак-Каллока Питтса была реализована Фрэнком Розенблаттом в 1958 г. в виде компьютерной программы, а в 1960 г. в виде электронного устройства, моделирующего сетчатку человеческого глаза. Позже М. Минский и С. Пайперт в своей книге «Персептроны» строго математически доказали, что однослойные персептроны в принципе не способны решать многие простые задачи. Многие понимали, что надо усложнять структуру персептронов, и были разработаны «многослойные персептроны»
Задачи, решаемые с помощью нейросетей
если есть математическая модель какого-то процесса, то изучая влияние входных параметров на выходные, можно решить задачу оптимизации моделируемого процесса
если математическая модель является нестационарной, то её можно использовать для решения задач прогнозирования
если математическая модель работает в реальном режиме времени, то результаты математического моделирования могут быть оперативно переданы оператору, управляющему объектом, или могут быть непосредственно введены в приборы, что позволяет решать задачи управления моделируемым объектом или процессом
нейронные сети могут решать задачи распознавания и классификации образов, причем под образами понимаются зрительные изображения, символы, тексты, запахи, звуки, шумы.
Сегодня существует фактически два типа вычислительных систем для компьютеров Фон-Неймановская и нейрокомпьютерная. Но пока что никакой из них не удалось описать реальное поведение даже простейшей нервной системы нематоды Caenorhabditis elegans!
В 60-е годы большие ученые делали многообещающие прогнозы по поводу возможностей компьютерного моделирования живых систем, и человеческого мозга в частности.
Норберт ВИНЕР в работе « Кибернетика и общество» писал:
«Индивидуальность тела есть скорее индивидуальность огня, чем индивидуальность камня, это индивидуальность формы строения, а не кусочка вещества. Эта форма может быть передана или видоизменена и скопирована, хотя в настоящее время мы лишь знаем, как скопировать ее на близком расстоянии ()
То, что мы пока не можем телеграфировать схему человека из одного места в другое, связано, в основном, с техническими трудностями»
Иосиф Самуилович ШКЛОВСКИЙ (в книге «Вселенная, жизнь, разум» 1975): « За прошедшие 15 лет «разум» наших электронных вычислительных машин улучшился в миллион раз В течение нескольких следующих десятилетий следует ожидать увеличения характеристик «разума» машин еще по крайней мере в несколько десятков тысяч раз. «Разум» таких машин по основным пара- метрам будет заведомо превосходить разум человека».
Через 40 лет (в 2015 году) компьютерные мощности увеличились примерно в миллиард раз. Но где же машины, которые заведомо превосходят разум человека по основным параметрам?
Понимание ситуации было и остается фундаментально неверным!
Учет возможностей нервных клеток к поиску оптимального состояния, обучению и запоминанию результатов, открывает совершенно новые пути для понимания работы мозга и, возможно, созданию новых устройств на этой основе. В США на эти проблемы тратят не менее 100 миллионов долларов в год, но дальше идеи о «коннектоме» составлении карты связей между нейронами) пока что не продвинулись.
Очевидно, современным создателям «Искусственного интеллекта» явно не хватает какого-то принципиально нового «измерения», нового подхода, который мог бы позволить понять принципиальную разницу между работой живого мозга и мёртвой электронной схемы. По нашему убеждению, в этой сфере могут оказаться востребованными идеи В. Я. Александрова, которые вдохновили автора на проведение экспериментов с нервной клеткой, вообще не обладающей синапсами рецепторе растяжения речного рака.