X
(強いAI)技術的特異点/シンギュラリティ144
■ このスレッドは過去ログ倉庫に格納されています
0001オーバーテクナナシー
垢版 |
2018/12/17(月) 12:44:37.35ID:yUdG6s2L
2045年頃に人類は技術的特異点(Technological Singularity)を迎えると予測されている。
未来技術によって、どのような世界が構築されるのか？人類はどうなるのか？
などを様々な視点から網羅的に考察し意見交換する総合的なスレッド。

■技術的特異点：収穫加速の法則とコンピュータの成長率に基づいて予測された、
生物的制約から開放された知能[機械ベース or 機械で拡張]が生み出す、
具体的予測の困難な時代が到来する起点。

■収穫加速の法則：進歩のペースがどんどん早くなるという統計的法則。
ここでの進歩とは、技術的進歩だけでなく生物的進化、生化学的秩序形成も含む。

★ 関連スレ(特化した話はこちらで)
(AI) 技術的特異点と政治・経済・社会 (BI)
http://goo☆.gl/riKAbq
(情報科学) 技術的特異点と科学・技術 (ナノテク)
http://goo☆.gl/RqNDAU

※URL部分をコピーし、☆を消してペースト※

※前スレ
(強いAI)技術的特異点/シンギュラリティ143
https://rio2016.5ch.net/test/read.cgi/future/1543652474/

(強いAI)技術的特異点/シンギュラリティ142
https://rio2016.5ch.net/test/read.cgi/future/1542753167/

(強いAI)技術的特異点/シンギュラリティ141
https://rio2016.5ch.net/test/read.cgi/future/1541837624/
0023yamaguti
垢版 |
2018/12/17(月) 20:22:23.36ID:wTQbtxsi?2BP(0)

>12 yamaguti 181201 2215 pKy81yx+ \> >10 yamaguti 1121 0904 sfyGuXNf?
> :
>>>>> http://rio2016.2ch.net/test/read.cgi/future/1511446164/36-89#-#819-#831-837#868##823-826# HTM Ronbun
>>>>
>>> :
>>>>>> 階層的時間的記憶理論 ( HTM )
>>>>>> http://webcache.googleusercontent.com/search?q=cache:numenta.com/assets/pdf/whitepapers/hierarchical-temporal-memory-cortical-learning-algorithm-0.2.1-jp.pdf#nyuumenta
>>>>>> 短縮版
>>>>>> http://rio2016.5ch.net/test/read.cgi/future/1427220599/539-676
>>>>>> http://rio2016.2ch.net/test/read.cgi/future/1489740110/22-30
>>>>>>http://rio2016.2ch.net/test/read.cgi/future/1481407726/6-82
>>> :
>>>>>> Google 翻訳
>>>> :
>>>>>> 公開日 ： 2017年10月25日 。doi： 10.3389 / fncir.2017.00081
>>>> :
>>>>>>世界の構造を学習する事を新皮質内カラムがどの様に可能にするかの理論
>>>>>>
>>>>>> Jeff Hawkins 、 * Subutai Ahmad 、 Yuwei Cui
>>>>>>
>>>>>> Numenta、Inc.、Redwood City、CA、アメリカ合衆国
>>>>>>
>>>>>> 編集者：スイス、チューリッヒ大学フリッツォヘルムチェン
>> :
>>>>>> レビュー 米国シカゴ大学Jason N. MacLean Heiko J. Luhmann, Johannes Gutenberg-Universit舩 Mainz, Germany; ルイ・ポンテ・コスタ、スイス、ベルン大学
>> :

前回i http://rio2016.2ch.net/test/read.cgi/future/1543652474/12-19
訂正>その答えの、一部は、カラムの下位レイヤでの局所処理に関わり、更に一部は、「何」及び「どこ」経路の対応領域間長距離接続に恐らく関わる（Thomson、2010）。
0025yamaguti
垢版 |
2018/12/17(月) 20:26:02.36ID:wTQbtxsi?2BP(0)

>移動先：
討論

以前のモデルとの関係

新しい実験技術の開発により、皮質の層状回路の知識は成長し続けている（Thomson and Bannister、2003; Thomson and Lamy、2007）。
皮質柱全体の回路を再構築してシミュ 可能 ry （Markram et al。、2015）。
長年にわたり、皮質柱のモデルを開発 多くの努力が払わ 。
多くの皮質柱モデルは、皮質の神経生理学的特性を説明 目的 。
? ry モデルの1つを提供した。
例えば、猫の視覚野に関する研究（Douglas and Martin、1991）に基づいて、皮質柱の最初の標準的な微細回路モデルの 1 つが齎された。
このモデルは、パルスされた視覚刺激に対する細胞内応答を説明し、非常に影響力が強いままである（Douglas and Martin、2004）。
Hill and Tononi（2004）は、睡眠と覚醒の間の脳状態の違いを説明するために、反復柱状構造で編成されたポイントニューロンの大規模モデルを構築した。
? ry 2004）は、振動、癲癇、および睡眠の現象を説明するために、マルチコンパートメントの生物物理学的モデルに基づいた単一列のネッ ry 。
Traub et al。 ( 2004 ) は、動揺、癲癇、および睡眠様現象を説明する為に、生物物理学的な多区画モデルに基づいた単一カラムのネットワークモデルを開発しました。
? ry 、椎弓板特有の構造の有無にかかわらず、 ry 。
Haeusler and Maass（2007）は、薄層特有の構造の有無に関わらず、皮質の微細回路モデルを比較し、より現実的な皮質微細回路モデルのいくつかの計算上の利点を実証した。
? ry が、再構成された多区画ニューロン> 12,000を超える皮質柱モデルによって説明できることを示した。
Reimann et al。 （2013）は、新皮質局所電場電位が、 12000 を超える多区画ニューロンで再構成された皮質カラムモデルによって説明できることを示した。
0026yamaguti
垢版 |
2018/12/17(月) 20:27:17.11ID:wTQbtxsi?2BP(0)

これらのモデルは、神経生理学的信号の起源 な洞察を提供したが、層およびカラムの機能的役割 ルは比較的少ない。
Bastos et al。 （2012）は、皮質柱の微小回路と、予測符号化によって暗示された接続との間の対応につ ry 。
この研究では、Douglas and Martin（2004）の研究に基づく粗い微細回路モデルを使用し、最近の実験的証拠と列間の詳細な接続パターンは欠落していました。

? ry 、視覚野にどのように注意が払われるかを説明するLAMINARTモデルを説明した。
Raizada and Grossberg（2003）は、視覚野実装想定にどのように注意するかを解説する LAMINART モデルを記述した。
この研究は、L4-L2 / 3ネットワークの解剖学的接続を強調し、知覚的グループ分けがL2 / 3における長距離横方向接続に依存することを提案した。
これは、L2 / 3における安定した物体表現の提案と一致する。
? ry が、サラウンドからの情報を最適に統合するために ry 。
最適コンテキスト統合の最近の理論は、長距離横方向接続が、体を取囲む周囲の情報を最適に統合する為に使用されることを提案している（Iyer and Mihalas、2017）。
彼らのモデルの構造は、 と広く一致 、 学的基礎 。
0028yamaguti
垢版 |
2018/12/17(月) 20:28:58.42ID:wTQbtxsi?2BP(0)

皮質柱の利点

私たちの研究は、Mountcastleの皮質柱（Mountcastle、1978、1997年）の定義によって、「短距離水平連結によって束ねられた多くのミニカラムによって形成される」構造 ry 。
その概念は、この論文 理論 本質的 。
我々の理論の一部は、感覚皮質の各反復単位すなわち「列」は、時間の経過に伴って感覚および位置データを局所的に統合することによって完全な対象物を学習 。
さらに、我々は、複数の皮質柱が、分散された感覚領域 情報を並行して統合 によって、推論および認識時間を大幅に高速 。

未解決の問題は、列の解剖学的な正確な構成です。
? 我々は離散的な列間境界を持つ列のモデル ry 。
我々は分離したカラム間境界を持つカラムのモデルを記述することを選択しました。
? ry 、ラット胴皮質において最も明確である（ ry ）
このタイプの明確な構造は、ラットのバレル皮質に於て最も明瞭である（Lubkeら、2000; Bureau et al。、2004; Feldmeyer et al。、2013） が
、 Mountcastle らは、生理学的および解剖学的性質に不連続性があることは時々あるが 多様な範囲の構造があり、より一般的な規則は連続性 （Mountcastle、1978; Horton and Adams、2005; Rockland、2010）。

マウントキャッスルの反復機能ユニットの概念は、連続的であれ離散的であれ、皮質機能の原理を理解するのに有益です。
我々のモデルは、計算上の利点を列に割り当て、不連続な情報を異種の領域にまたがって並列に統合 。
この基本機能は、特定のタイプのカラム（ハイパーカラムや眼支配カラムなど）とは独立しており、離散構造または連続構造とは独立しています。
重要な要件は、各列が感覚空間の異なるサブセットをモデル化し、センサが移動するにつれて世界の異なる部分にさらされることです。
0029yamaguti
垢版 |
2018/12/17(月) 20:31:47.62ID:wTQbtxsi?2BP(0)

位置信号の生成

我々のモデルの重要な予測は、皮質領域の各列に位置信号が存在することです。
我々は、皮質領域が動きによる新しい感覚入力を予測するという観察に基づいて、この信号の必要性を推測した（Duhamelら、1992; Nakamura and Colby、2002; Li and DiCarlo、2008）。
? ry 、運動が完了した後にセンサが感知された物体上にどこにあるのかを知る必要がある。
次の感覚入力を予測するために、新皮質のパッチは、感知された物体上のどこにセンサがあるのかを運動が完了した後に知る必要がある。
位置の予測は、センサアレイの各部分について別々に行わなければならない。
例えば、各指が所与の物体上でどのように感じるかを脳が予測するためには、各指に対する別個の割り当て位置を予測 。
それぞれの手には半独立した感覚の領域が数多く 、 物体上の異なる位置と特徴を感知
? したがって、体脂肪トポロジーが同様に粒状である脳の部分で、割り当て位置信号を計算 ry 。
従って、アロケートされるロケート信号を体にまつわる位相たる顆粒様脳内部分で計算しなければならない。
? touchの場合、これは、S1とS2のような主要領域全体の各列に割り当て位置が導出されていることを示し ry 。
触覚の場合、これは、S1 と S2 の様な一次リージョン全体の各カラムにアロケートロケーションが導出されている事を示しています。
? ry が主要な視覚領域にも当てはまる。
網膜の各パッチが物体の異なる部分を観察するので、同じ議論が一次視覚リージョンにも当嵌る。
0030yamaguti
垢版 |
2018/12/17(月) 20:33:43.85ID:wTQbtxsi?2BP(0)

位置信号がどのように生成されるかはわかりませんが、理論的 要件 挙げることができます。
列はオ ry ト上の現在の位置を知る必要がありますが、移動が完了した後に新しい位置 予測 必要もあります。
? エコーセントラルモーター信号を予測された割り当て位置に変換するためには、列は移動 ry 。
自己視点座標的運動信号を予測されたアロケート位置に変換する為には、カラムは移動を行っている身体部分に対するオ ry トの向きも知っていなければならない。
? ry 移動?予測された新しい場所 ry 。
これは、擬似方程式[現在の位置+オブジェクトの向き+移動 = 予測された新しい場所]で表すことができます。
これは、ニューロンが実行するための複雑な作業です。
幸運 、それはグリッドセルが行うことと非常に似ています。
グリッドセルは、ニューロンがこれらのタイプの変換を実行できるという証拠であり、皮質の列 メカニズムを示唆 。

1。
? 嗅内皮質（Hafting et al。、2005; Moser et al。、2008）の格子細胞は、 ry をコード化する。
嗅内皮質の格子細胞 ( Hafting et al。、2005; Moser et al。、2008 ) は、外部環境に対する動物の身体の位置をエンコードする。
感覚皮質柱は、動物の体の一部（感覚パッチ）の位置を外部物体に関連してコード化する必要がある。
2。
グリッドセルは、経路統合を使用して、移動による新しい場所を予測します（Kropff et al。、2015）。
? 列は、移動のために新しい ry 。
カラムも、移動に伴う新しい場所を予測するためにパス統合を使用する必要
3。
? ry は、現在の位置と移動方向を頭部方向のセルと組み合わせる（Moser et al。、2014）。
新しい位置を予測するために、グリッドセルは、現在の、位置、動き、頭部基準向き、のセルを一纏めにする（Moser et al。、2014）。
頭の方向のセルは、 「動物」の「向き」を表します。
列には、外部物体に対する「感覚パッチ」の「向き」の表現が必要
4。
グリッドセルを使った空間表現は無次元です。
? ry マッピングされるかによって決まります。
それらが表す空間の次元は、格子セルのタイリングと、タイリングがどのように動作にマッピングされるか、との統合によって決まります。
同様に、我々のモデルは、次元のない位置の表現を使用する。
0031yamaguti
垢版 |
2018/12/17(月) 20:34:59.13ID:wTQbtxsi?2BP(0)

? これらの類似体に加えて、 ry 各皮質柱の小顆粒層に保存され、複製されるという仮説を導く。
これらの類似例に加えて、グリッド細胞が新皮質よりも系統発生的に古いという事実は、グリッド細胞によって使用される細胞機構が各皮質カラムの顆粒下層で保存と複製とをされるという仮説を導く。
? 列に細胞の配置に類似したニューロンが必要かどうかは ry 。
場所細胞に類似したニューロンをカラムが必要とするかどうかは明らかではない（Moser et al。、2015）。
? プレイスセルは、場所（グリッドセルから派生した）を特徴およびイベント ry 。
場所細胞は、場所 ( グリッドセルから齎された ) をフィーチャおよびイベントと関連付けると考えられている。
彼らはエピソード記憶 重要 と考えら
? ry 、皮質欄には ry 。
現時点では、皮質カラムには類似の要件はありません。
0032yamaguti
垢版 |
2018/12/17(月) 20:36:18.71ID:wTQbtxsi?2BP(0)

今日我々は、各皮質柱におけるグリッドセル様機能性の仮説を支持する直接的な経験的証拠はない。
我々は間接的な証拠しか 。
たとえば、位置を計算するために、皮質の列は、身体の姿勢に関する動的に更新された入力を受け取らなければならない。
感覚領域を含む多くの皮質領域の細胞が身体の動きおよび位置によって調節 重要な証拠 存在
? 一次視覚および聴覚領域は、 ry 。
視覚および聴覚の一次領域は、MT、MST、およびV4領域（Bremmer、2000; DeSouza et al。、2002）と同様に、眼の位置によって調節されるニューロンを含む（TrotterおよびCelebrini、1999; Werner-Reiss et al。、2003
? 正面視野（FEF）の細胞は、眼球中心の基準フレーム（ ry 。
前頭眼野 ( FEF ) 内の細胞は、視点中心の基準座標系（Russo and Bruce、1994）で聴覚刺激に応答
? 後頭頭頂皮質（PPC）は、頭を中心とする（Andersenら、1993）、体中心の（Duhamelら、1992; Brotchieら、1995、2003; Bolognini and Maravita、2007）表現。
後部頭頂皮質 ( 後部頭頂葉 ) ( PPC ) は、頭 ( Andersenら、1993 ) と体 ( Duhamelら、1992; Brotchieら、1995、2003; Bolognini and Maravita、2007 ) 、を中心に据える事を含むマルチ座標系表現。
? モーター領域には、体の姿勢から独立した外部空間の表現から特定の筋群の表現まで（Graziano and Gross、1998; Kakei et al。、2003）、さまざまな範囲の参照フレームも含まれています。
運動領域には、体の姿勢から独立した外部空間の表現から、特定の筋群の表現まで、さまざまな範囲の基準座標系も含まれ ( Graziano and Gross、1998; Kakei et al。、2003 ) 。
これらの表現の多くは、特定の身体領域に特有の粒状であり、多感覚であり、数多くの変換が並行して起こっていることを暗示している（Graziano et al。、1997; Graziano and Gross、1998; Rizzolatti et al。、2014）。
いくつかのモデルは、上記の情報が座標変換を実行するために使用できることを示している（Zipser and Andersen、1988; Pouget and Snyder、2000）。

? 列がどのようにアロケーション・ロケーション信号を導出するかを決定することは、 ry 。
カラムがどのようにロケーションアロケート信号を導出するかを決定付ける事は、我々の研究の現在の焦点である。
0034yamaguti
垢版 |
2018/12/17(月) 20:39:27.86ID:wTQbtxsi?2BP(0)

? 阻害ニューロン ry
抑制ニューロンの役割

私たちのモデルには阻害が必要ないくつかの側面があります。
? ry お互いを互いに阻害します。
入力層では、ミニカラムのニューロンがお互いを相互に抑制します。
? 具体的には、（予測状態の）部分的に脱分極したニューロンは、部分的に脱分極していない細胞の少し前に第1の活動電位を生成する。
具体的には、部分的な脱分極をしたニューロン ( 予測状態の ) は、部分的な脱分極をしていない細胞達よりも僅かに前に第 1 の活動電位 ( 第 1 相 ? a first action potential ) を生成する。
? ry 、他の近くの細胞が発射するのを防ぎます。
最初にスパイクする細胞は、他の近くの細胞から発火されるのを防
? ry 非常に速く、勝者を引き受けるタイプの阻害を必要とし、このような速い阻害性ニューロン ry 。
これは、近くの細胞間で非常に速い、勝者総取りタイプの抑制を必要とし、このような速い抑制性ニューロンに最近の実験結果と一致する刺激関連情報が含まれることを示唆している（Reyes-Puerta et al。、2015a、b） 。
この阻害のタイミング要件のシミュ は、Billaudelle and Ahmad（2015）に見出すことができます。
出力層の活性化は、非常に速い阻害を必要としない。
? ry 希薄さを維持するためには、層内の広い阻害が必要である。
代わりに、活性化パターンの疎性を維持する為には、レイヤ内の広い抑制が必要である。
文献（Helmstaedter et al。、2009; Meyer et al。、2011）では、迅速かつ広範な阻害の両方に関する実験証拠が報告さ

私たちのシミュ は、阻害性ニューロンを個々の細胞としてモデル化していません。
? 阻害ニューロンの機能は、モデルの活性化規則にコードされている。
抑制ニューロンの機能はモデル内のアクティべーションルールにエンコードされている。
特異的阻害性ニューロン型へのより詳細なマッピングは、将来の研究 。
0035yamaguti
垢版 |
2018/12/17(月) 20:40:40.88ID:wTQbtxsi?2BP(0)

階層

? 新皮質は、一連の階層的に配置された領域における感覚入力 ry 。
新皮質は、階層的に配置された一連のリージョンにおける感覚入力を処理する。
入力が領域ごとに上がるにつれて、細胞は感覚アレイのより広い領域およびより複雑な特徴に応答する。
? 一般的な前提は、細胞が感覚アレイ全体にわたる入力に応答する、階層内 ry ことである。
共通の前提は、細胞が感覚アレイ全体に亘る入力に応答するその階層内のレベルでのみ完全なオブジェクトを認識できる事

我々のモデルは、代替の視点を提案する。
? すべての皮質柱は、主感覚領域の柱でさえ、 ry 。
全ての皮質カラムは、一次感覚リージョンのカラムでさえ、完全な物体の表現を学習する 。
しかし、私たちのネットワークモデルは、出力レイヤーの水平接続の空間的な範囲によって制限されます。
したがって、多くの場合、階層が依然として必要です。
たとえば、網膜に印刷された手紙
? ry 、V1の列はその文字を認識することができる。
文字が網膜の小さな部分を占める場合、V1 内のカラムはその文字を認識する事ができる。
? に手紙が拡大される場合、V1の列は、 ry 。
しかし、網膜の大部分を占めるように文字が拡大される場合、 V1 のカラムは、文字を定義するフィーチャが離れすぎてL2 / 3の水平接続によって統合されないため、文字を認識できなくなる。
? この場合、手紙を認識するためには、より高い皮質領域へ ry 。
この場合、文字を認識する為には、より高い皮質リージョンへの収束入力が必要となる。
したがって、皮質は、領域内および階層レベルの両方において、複数のモデルのオブジェクトを学習する。
0036yamaguti
垢版 |
2018/12/17(月) 20:41:57.85ID:wTQbtxsi?2BP(0)

? 複数のオブジェクトが同時に検出された ry ？
複数のオ ry トに同時に触れた場合はどうなりますか？
我々のモデルでは、感覚アレイの1つの部分が1つの物体を感知することができ、感知アレイの別の部分が異なる物体を感知することができる。
? 親指と中指が別のオブジェクトに触れている間にインデックスや薬指が1つのオブジェクトに触れた場合など、2つ以上のオブジェクトからの感覚がオーバーレイ ry 。
人差指や薬指が1つのオブジェクトに触れている間に親指と中指が別のオブジェクトに触れた場合など、2つ以上のオブジェクトからの感覚が単一リージョン上でオーバーレイされたり、散在したりすると、問題が発生します。
このような状況では、システムは1つの解釈または他の解釈で解決されると考えられます。

感覚情報はパラレル経路で処理され、時には「何」および「どこ」経路と呼ばれる。
? オブジェクト認識モデルは、オブジェクトを認識する能力に関連する「どの領域」に存在するかを提案する。
オブジェクトを認識する能力に関連する「何」リージョン内に我々のオブジェクト認識モデルが存在する事を提案する。
? どのように我々のモデルに照らして「どこで」の経路を解釈 ry ？
「どこ」の経路を我々はどの様に我々のモデルに照らし解釈するのだろうか？
第1に、2つの経路における解剖学的構造は類似 。
これは、「what」と「where」領域が同様の操作を実行するが、異なるタイプのデータを処理することによって異なる結果を達成することを示唆 。
例えば、我々のネットワークは、位置信号が自我中心の位置を表す場合に、自我中心空間のモデルを学習 できる。
? ry 運動行動を割り当て場所に変換するために、何処、どこの領域が必要であるかという双方向性のつながりがあると考えている。
第二に、我々は、自我中心の運動行動をアロケートロケーションに変換する為に、お互いに双方向性の繋がりがある、何とどこ、の 2 つのリージョンが必要であると考えている。
私たち 、これらのアイデアを模索 。
0037yamaguti
垢版 |
2018/12/17(月) 20:43:43.25ID:wTQbtxsi?2BP(0)

? ビジョン、オーディションなど
視覚、聴覚等

我々は、体感を用いて我々のモデルを記述した。
他の感覚様式にも適用されますか？
? 我々はそれが信じています。
我々はそう信じています。
? ry
視覚を考えてください。
視覚と触覚の両方は、皮質柱のアレイに位相的にマッピングされた受容器のアレイに基づいている。
網膜はカメラのようではありません。
死角および血管は、物体のすべての部分が同時に感知されるのを防ぎ、網膜の受容体の密度は均一ではない。
同様に、皮膚は一度に物体のすべての部分を感知 できず、体細胞受容体の分布は一様ではない。
私たちのモデルは不連続性と不均一性に無関心です。
? ry 両方が動いて、 ry 皮質柱を露出させる。
皮膚と網膜の両方が活動して、経時的に感知された物体の異なる部分に皮質カラムを露出させる。
? 触覚と視覚のための割り当て位置信号を決定する方法 ry 。
触覚と視覚の為のロケーションアロケート信号を決定する方法は多少異なる。
? ry 、視力は眼球格差などの他の手がかりにアクセスする。
体の感覚はより豊かな固有感覚入力にアクセスする一方、視覚は両眼像差等の他の手掛りにア
? アロケーションの位置がどのように ry 。
ロケーションアロケートがどのように決定されるかの違いとは別に、我々のモデルは、基礎となる感覚様式に無関心である。
? ry 表現に結合する。
実際に、視覚的入力を受け取る列は、体細胞入力を受け取る列に散在させることができ、我々のモデルにおける長距離の列間接続は、これらを単一のオブジェクト表現に一体化する。
0039yamaguti
垢版 |
2018/12/17(月) 20:50:05.67ID:wTQbtxsi?2BP(0)

オーディションにも同様の類似点があります。
おそらくより強力な観察は、我々のモデルを支持する解剖学的構造は、すべてではないにしても大部分の皮質領域に存在 。
これは、領域がどのような種類の情報を処理していても、そのフィードフォワード入力は場所のコンテキストで解釈されることを示唆 。
?
これは、高レベルの概念だけでなく、低レベルの感覚データにも当嵌ります。
? これは、なぜ物理的な場所に精神的に関連しているのか、なぜ精神的なイメージを使って抽象的な概念を伝えるのかという理由で項目のリストを暗記するのが簡単であることを示唆しています。
これは、アイテムのリストの暗記の為にそれらの物理的場所を精神的に結付けた場合はより簡単であるのは何故か、そして抽象的概念を我々が精神的イメージをしばしば使って伝えるのは何故か、を示唆

テスト可能な予測

? ry 的に試験可能ないくつかの予測が続く。
この理論から、実験的に試験が可能な幾つかの予測が導かれる。

1。
? ry は、知覚領域が、身近な物体を感知しながらセンサの動きに対して安定な細胞を含むことを予測している。
この理論は、身近な物体を感知するセンサの活動の継続的センシングに亘って安定な細胞を感覚リージョンが含む事を予測し
2。
? ry 、疎なものであり、目的の同一性に ry 。
安定した細胞のセットは、疎であり、オブジェクトの同一性に特異的である。
所与の物体に対して安定しているセルは、一般に、完全に異なる物体に対して安定しているセルと非常に重ならない。
3。
? 皮質柱の2/3の層は、完全なオブジェクトを独立して学習してモデル化することができます。
皮質カラムのレイヤ 2/3 は、独立して学習して完全なオブジェクトをモデル化する事が ry
列がモデル化できるオ ry トの複雑さは、長距離の横方向の接続の程度に関係
4。
? 各皮質柱（層2/3）の出力層内 ry より希薄になる。
各皮質カラム ( レイヤ 2/3 ) の出力レイヤ内の活動は、より多くの証拠が物体のために蓄積されるにつれてより疎になる。
? 出力レイヤの ry 、あいまいなオブジェクトの密度が高くなります。
出力レイヤ内のアクティビティは、あいまいなオブジェクトで密度が高 。
これらの効果は、動物がおなじみの物体を自由に観察している場合にのみ見られます。
0040yamaguti
垢版 |
2018/12/17(月) 20:51:24.65ID:wTQbtxsi?2BP(0)

5。
これらの出力レイヤは安定した表現を形成 。
一般に、それらの活動は、長距離接続を持たない層よりも安定
6。
? 出力レイヤー内のアクティビティは、長距離ラテラル接続を ry 無効にして、より安定した表現に収束します。
出力レイヤー内の活動状態は、長距離横方向接続を無効にするか、または隣接する列への入力を無効にすると、より安定した表現にゆっくりと収束します。
7。
? この理論は、境界所有細胞に ry 。
この理論は、Border-Ownership 細胞についてのアルゴリズム的説明を提供する（Zhou et al。、2000）。
? 一般に、各領域には、オブジェクトの参照フレーム内のフィーチャの位置に調整されたセルが含まれます。
一般に、各リージョンには、オブジェクトの基準座標系内のフィーチャのロケーションにチューンされたセルが含まれます。
これらの表現はレイヤー4で見ることができます。

概要

我々の研究は、脳がどのようにして感覚入力を予測するかに焦点
? すべての感覚領域が ry 、感覚領域の各小領域は、列上で物体がどこにあるかを表す位置信号にアクセスしなければならないと推測しました。
継続的変化する入力を全ての感覚リージョンが予測するという前提から始めて、物体上のどこをカラムがセンシングしているかを表すロケーション信号に感覚リージョンの各小エリアがアクセスしなければならないと我々は推測
? ry 、全体の皮質柱が何をしているのか理解し始めています。
このアイデアを基に、いくつかの細胞層の可能性のある機能を推測し、皮質カラムが全体的に何をしているのかを我々は理解し始めています。
私たちが理解していないことはたくさんありますが、全体像はますます明確
? 私たちは、それぞれの皮質柱が、「その」世界のモデル、それが感知できるもののモデル ry 。
私達は、其々の皮質カラムが、「その」世界の、それが感知できるものの、モデルを学ぶと信じています。
? 単一の列は、 ry 適用できるビヘイビアを学習します。
単一カラムは、多くのオブジェクトの構造と、それらのオブジェクトに適用できる振舞いを学習 。
層内および長距離の皮質 - 皮質接続を介して、同じ対象物を感知している列があいまいさを解決 できる。
0041オーバーテクナナシー
垢版 |
2018/12/17(月) 20:52:40.07ID:TPhyDNZc
チンパンジーのアイちゃんは書き込めるほどに成長しているようだな
0042yamaguti
垢版 |
2018/12/17(月) 20:52:47.48ID:wTQbtxsi?2BP(0)

1978年、Vernon Mountcastleは、皮質柱の複雑な解剖学的構造がすべての新皮質において類似しているので、新皮質のすべての領域が同様の機能 と推論した（Mountcastle、1978
? 彼の仮説は、皮質柱がどのような機能を果たすのかを特定することができなかったか、また、どのような単一の複雑な機能がすべての感覚プロセスおよび認知プロセスに適用可能であるかを想像することは困難であったために部分的に議論の余地がある。
彼の仮説には、一つには皮質カラムが何の機能を果たすかを特定できない事、 更に一つには単一の複雑な機能がすべての感覚プロセスおよび認知プロセスに適用可能である事を想像する事が困難である事から 、議論の余地

この論文で提示された皮質柱のモデルは、感覚領域および感覚処理の観点から説明されるが、我々のモデルの基礎となる回路はすべての皮質領域に存在する。
したがって、Mountcastleの推測が正しければ、数学、言語、科学などの高レベルの認知機能さえもこの枠組みで実装されるだろう。
? 抽象的な知識さえも、ある種の「場所」と関連して保存されており、 ry 指と目で推論していた推論や行動生成メカニズムによって実装されている
その事は、抽象的な知識さえも、とある形態の「位置」と関連して格納されており、「思考」と考えられるものの多くは、推論や、元々は進化しての指と目を動かしての当て推量による行動生成メカニズム、によって実装されていると示唆する。
■ このスレッドは過去ログ倉庫に格納されています
ニューススポーツなんでも実況