Чем отличается мозг человека от компьютера

Другие решительные противники сравнения мозга с компьютером часто вспоминают о том, что компьютерная метафора — лишь очередной пункт в целой серии исторических технологических сравнений. с чем только мозг не сравнивали после очередного технологического прорыва — и с гидросистемой, и с телеграфом, и с телефонным коммутатором… теперь вот настал черед компьютера.

Так в чем же их ошибка? Дело в том, что сравнение мозга с компьютером — это не про технологии совсем. Сравнение берет начало из формального определения компьютера, которое впервые дал в 1936 году Алан Тьюринг. Для справки: в 1945 году Джон фон Нейман разработал архитектуру современного компьютера. А сами современные компьютеры появились только в 50-х годах прошлого века.

Историки до сих пор спорят о том, что же можно считать первым компьютером. Но сходятся они в одном: до 1936-го компьютеров не было. Размышления Тьюринга по большому счету касались не вычислительных систем, а человека: он изучал способности к решению задач, к вычислениям, к построению логической последовательности. Компьютеру было дано формальное определение еще до того, как он появился.

А что, если мы перевернем метафору и скажем, что компьютер работает как мозг? Вернемся к фон Нейману. Этот ученый, разрабатывая архитектуру компьютера, опирался на гипотетическую модель функционирования мозга Маккаллока и Питтса. Эти два ученых предполагали, что нейроны мозга могут либо посылать электрический «разряд», либо не посылать.

Вообще-то, большая часть нейронаук основывается на его алгоритмичности: какую публикацию ни открой — мозг все время что-то вычисляет и рассчитывает.

Влиятельный исследователь Дэвид Марр ставит вопрос так: ищем алгоритмы, а потом ищем часть мозга, которая запускает их. Но есть и те, кто задает вопрос иначе: если не алгоритмы, то что?

На него тоже есть ответ. Нам известно огромное количество действий, которыми мозг управляет без алгоритмов. Мы ходим, бегаем и ползаем, не вовлекая алгоритмической деятельности. При этих повторяющихся сокращениях разных групп мышц регистрируются такие же повторяющиеся всплески активности целых групп взаимосвязанных нейронов — они самостоятельно управляют движениями мышц.

Подобные нейронные цепочки возникают в мозге каждый раз, когда в теле происходят ритмичные процессы (хотя работой сердца управляет собственная фиксированная цепочка) — когда мы жуем, плаваем, дышим.

А что с единичными движениями? Например, когда мы поднимаем руку, чтобы взять стакан. Движение не повторяющееся, но и алгоритмов для его выполнения не требуется. При таких движениях происходит серия быстрой смены активности в нейронах зоны моторной коры, ответственной за руку. Они передают сигнал спинному мозгу, который передает его мышцам. Что здесь за алгоритм?

Подобная двойственность свойственна многим ученым: как только нужно выбрать между двумя полярно противоположными мнениями, становится ясно, что ни одно из них не может быть полностью верным.

Человеческий мозг просто создан для подобной двойственности. А может, это лишний раз доказывает, что он точно не компьютер?

Что влияет на рабочую память

РП страдает от интенсивного стресса. Это было обнаружено в

Арнстена и его коллег на разных видах животных. Например,

Арнстен исследует влияние стресса, вызванного шумом, на когнитивные функции префронтальной коры у резус-макак. Экспериментаторы заполняли едой одну из лунок, а затем накрывали их непрозрачным экраном. Через определенные промежутки времени экран убирали, и макаки выбирали одну из лунок (задача с отложенным ответом).

После некоторой серии экспериментов подопытных подвергали воздействию непрерывным громким шумом (100-110 Дб) в течении 30 минут перед тестированием.  Испытав стресс, животные хуже справлялись с заданием: чаще забывали, в какой лунке находятся лакомства. В ходе исследований выяснилось, что высвобождение физиологически активных веществ,

, в префронтальную кору, вызванное стрессом, снижает срабатывание нейронов и емкость памяти. Воздействие хронического стресса может привести к глубоким нарушениями РП. Чем больше стресса в жизни, тем ниже эффективность РП при выполнении простых познавательных задач. Злоупотребление алкоголем также может вызывать нарушения РП из-за повреждения мозга.

Индивидуальные различия в объеме РП в некоторой степени наследуемы. Пока что мало известно о том, какие гены связаны с функционированием РП. В рамках многокомпонентной модели был предложен один ген-кандидат, ROBO1 для гипотетической фонологической петли рабочей памяти.

Существует несколько гипотез о том, что РП может быть натренирована, например при помощи специальных компьютерных программ или таких задач, как n-назад. Но при этом люди не демонстрируют значительных улучшений в таких активностях, как обучение математике, чтение или выполнение тестов на уровень интеллекта. Если тренировка рабочей памятью интеллекта работает, то скорее всего эффект будет незначительным.

Существует еще одна версия: несмотря на то, что в биологическом смысле мозг работает беспрерывно, проделываемые им операции все же дискретны.

Это может происходить так: нейронная активность идет колебательными движениями, активные фазы сменяются неактивными. К примеру, такие колебательные движения происходят при переключении внимания. Однако колебательная активность в мозге не регистрируется в течение долгого периода времени, и эти колебания никогда не приводят к полному положению «выкл.» или «вкл.».

Что дальше?

Попадая в мозг, нервные импульсы преобразуются в соответствующие образы и чувства. Но на данный момент эти образы всего лишь образы. Если человек не умеет читать, то для его мозга текст будет лишь набором закорючек. В психологии есть термин

.

Он отражает способность человека к умственному восприятию и переработке внешней информацию сквозь собственную систему взглядов, зависящую от мышления, памяти, обучения и т. д. Коротко говоря, мозг в течение жизни обучается, получает новую информацию и, в зависимости от текущего типа мышления, багажа знаний и умений, обрабатывает получаемую информацию соответствующим образом.

«мозг как компьютер» — это не метафора, а гипотеза, которую вполне можно проверить. чем ученые и занимаются прямо сейчас.

Ни одно исследование не сможет доказать, что вот эта определенная часть мозга работает по алгоритму Х. В науке так не бывает. Подтверждениями гипотезы служат многочисленные работы со всего мира, собираемые по крупицам. Так что точного ответа мы пока не знаем.

Считаю ли я мозг компьютером? Нет. Я готов оказаться неправым. Более того, я написал множество статей о том, как мозг реализует алгоритмы. Так что, как видите, я спокойно могу придерживаться двух точек зрения одновременно.

Asc purple и bluegene/l (сша) — 290 млн долларов

Эти два суперкомпьютера работали вместе. Они были построены IBM и установлены в 2005 году в Ливерморской национальной лаборатории. Из эксплуатации они были выведены в 2021 году. На момент создания ASC Purple занимал 66-е место по скорости в списке топ-500 суперкомпьютеров, а BlueGene/L был предыдущим поколением модели BlueGene/Q.

ASC Purple был построен для пятого этапа программы Прогнозного моделирования и вычислительной обработки данных Министерства энергетики США, а также Национальной администрации по ядерной безопасности. Его целью являлась симуляция и замена реальных испытаний оружия массового уничтожения. BlueGene/L использовали для прогнозирования глобального изменения климата.

Earth simulator (япония) — 500 млн долларов

«Симулятор Земли» был разработан японским правительством еще в 1997 году. Стоимость проекта составляет 60 млрд иен, или примерно 500 млн долларов. Earth Simulator был завершен в 2002 году для агентства аэрокосмических исследований Японии, Японского научно-исследовательского института по атомной энергии и Японского центра морских и наземных исследований и технологий.

ES был самым быстрым суперкомпьютером в мире с 2002 по 2004 год, а служит он и поныне для работы с глобальными климатическими моделями, для оценки последствий глобального потепления и оценки проблем геофизики коры Земли.

Fujitsu k (япония) — 1,2 млрд долларов

Самый дорогой в мире суперкомпьютер всего лишь четвертый по скорости в мире (11 петафлопсов). В 2021 году он был самым быстрым суперкомпьютером в мире. Fujitsu K, расположенный в Институте передовых вычислительных технологий RIKEN, примерно в 60 раз быстрее, чем Earth Simulator.

Ibm roadrunner (сша) — 130 млн долларов

Roadrunner был построен IBM в 2008 году для Национальной лаборатории в Лос-Аламосе (Нью-Мексико, США). Он стал первым в мире компьютером, средняя рабочая производительность которого превысила 1 петафлопс. При этом он был рассчитан на максимальную производительность в 1,7 петафлопса.

Согласно списку Supermicro Green500, в 2008 году Roadrunner был четвертым по энергоэффективности суперкомпьютером в мире. Списан Roadrunner был 31 марта 2021 года, после чего его заменили меньшим по размерам и более энергоэффективным суперкомпьютером под названием Cielo.

Sequoia bluegene/q (сша) — 250 млн долларов

Суперкомпьютер Sequoia класса BlueGene/Q был разработан IBM для Национальной администрации по ядерной безопасности в рамках программы Прогнозного моделирования и вычислительной обработки данных. Он был запущен в эксплуатацию в июне 2021 года в Ливерморской национальной лаборатории и стал на тот момент самым быстрым суперкомпьютером в мире.

Стабильно компьютер работает при 10 петафлопсах. Используется Sequoia для поддержки различных научных приложений, изучения астрономии, энергетики, человеческого генома, изменения климата и разработки ядерного оружия.

Sierra и summit (сша) — 325 млн долларов

Nvidia и IBM скоро помогут Америке вернуть лидирующие позиции в области сверхскоростных суперкомпьютерных технологий, научных исследований, а также экономической и национальной безопасности. Оба компьютера будут закончены в 2021 году.

В настоящее время самым быстрым суперкомпьютером в мире является китайский Tianhe-2, который способен достигнуть мощности в 55 петафлопсов, что в два раза больше, чем устройство, находящееся на втором месте в списке. Sierra будет выдавать более чем 100 петафлопсов, в то время как Summit сможет развить 300 петафлопсов.

Sierra, которая будет установлена в Ливерморской национальной лаборатории, будет обеспечивать безопасность и эффективность ядерной программы страны. Summit заменит устаревший суперкомпьютер Titan в национальной лаборатории Oak Ridge и будет предназначаться для тестирования и поддержки научных приложений по всему миру.

Supermuc (германия) — 111 млн долларов

SuperMUC в настоящее время является 14-м по скорости суперкомпьютером в мире. В 2021 году он был 10-м, но развитие технологий не стоит на месте. Тем не менее он в данный момент является вторым по скорости суперкомпьютером в Германии. SuperMUC находится в ведении Лейбницкого суперкомпьютерного центра при Баварской академии наук рядом с Мюнхеном.

Система была создана IBM, работает на оболочке Linux, содержит более 19 000 процессоров Intel и Westmere-EX, а также имеет пиковую производительность чуть более 3 петафлопсов. SuperMUC используется европейскими исследователями в области медицины, астрофизики, квантовой хромодинамики, вычислительной гидродинамики, вычислительной химии, анализа генома и моделирования землетрясений.

Tianhe-2 (китай) — 390 млн долларов

Китайский Tianhe-2 (что переводится как «Млечный Путь — 2») является самым быстрым суперкомпьютером в мире. Компьютер, разработанный командой из 1300 ученых и инженеров, находится в Национальном суперкомпьютерном центре в Гуанчжоу. Он был построен китайским Оборонным научно-техническим университетом Народно-освободительной армии Китая.

Tianhe-2 способен выполнять 33 860 триллионов вычислений в секунду. К примеру, один час расчетов суперкомпьютера эквивалентен 1000 годам работы 1,3 миллиарда человек. Используется машина для моделирования и анализа правительственных систем безопасности.

Vulcan bluegene/q (сша) — 100 млн долларов

Vulcan — суперкомпьютер, который состоит из 24 отдельных блоков-стоек, — был создан IBM для Министерства энергетики и установлен в Ливерморской национальной лаборатории им. Э. Лоуренса, штат Калифорния. Он имеет пиковую производительность в 5 петафлопсов и в настоящее время является девятым по скорости суперкомпьютером в мире.

Алгоритмичен ли наш мозг?

Вот мы и докопались до сути вопроса: мозг не работает дискретными шагами. Мозг — это система динамических непрекращающихся процессов. Белковые молекулы внутри нейрона постоянно гоняют туда-сюда ионы калия и натрия, а сам нейрон работает как заряженный конденсатор.

Ничего пошагового в таких процессах нет: электрические разряды и передача сигналов возникают не в отдельный момент времени.

Биологический процессор

Впрочем, пока рано сдавать в утиль серое вещество и мчаться в кибермагазин за апгрейдом. Слишком мало мы знаем о самих себе. Да, наша «оперативная память» действительно слаба, как и «процессор». Но это лишь касается «видимой», сознательной части. Есть еще малоизученное подсознание, которое курирует все процессы в организме, фиксирует поступающие сигналы от нервной системы, коих несчетное количество.

Если скорость сознательного мышления составляет 2 Кбит в секунду на уровне компьютеров 80-х годов прошлого века, то подсознание в секунду обрабатывает до 4 Гбит информации. Более того, существует устойчивое мнение, что мозг не задействуется в полном объеме. Что у него еще есть колоссальные биологические резервы.

Конечно, это не совсем верно. Мозг – живой организм, невозможно часть его оградить и перевести в спящий режим. Он разделен на области, каждая из которой выполняет свою функцию: слух, зрение, речь, эмоции, планирование, усвоение навыков, абстрактное мышление и прочее.

Больная метафора

Чтобы аргументированно рассуждать о мозге как компьютере, для начала нужно определиться с тем, что мы называем компьютером. Давайте пойдем от противного: от того, чем компьютер не является.

Компьютер — это точно не коробочка под вашим столом, не ноутбук на ваших коленях и не смартфон в ваших руках. Микрочипы, оперативная память и кэш — это лишь элементы компьютера. Если воспринимать его как пластиковую коробку с электронной начинкой, то, конечно, вы смело можете сказать, что мозг — точно не компьютер.

Ну хотя бы потому, что серое вещество после вашего выключения не может служить жестким диском, и к вашей памяти ни у кого не будет доступа. Так вот, эту ошибку восприятия компьютера как коробочки с различными функциональными элементами совершают многие противники нашей метафоры.

Будущее за киберпанком

Создано много литературных произведений, комиксов и фильмов, в которых люди имплантируют себе различные электронные устройства для улучшения функционала организма. Это еще не киборги, но и обычными людьми их не назовешь.

Однако это уже не фантастика. Микрочипы-импланты используются уже давно в медицине для мониторинга состояния организма, получения оперативной информации об истории болезни, группе крови, аллергических реакциях, непереносимости лекарственных средств. Большинство из них бесконтактное, расположенное под кожей, но есть и с внешними интерфейсами.

Масштабные работы проводятся и в области мозга для повышения его эффективности. Например, разрабатываются микрочипы, вживляемые в мозг. Они позволят парализованным людям управлять компьютерами и мобильными устройствами, общаться с помощью составления слов из букв.

В мозге обезьян, принимающих решения, можно увидеть несколько видов активности: нарастание активности, связанной с верным выбором, и спад активности, связанной с неверным.

В научно-исследовательской лаборатории Майкла Шадлена показали, что каждый скачок активности точно соответствует шагам алгоритма принятия решений, то есть активность нейронов повторяет алгоритм, с которым мы столкнулись при наблюдении за поведением.

Есть и примеры экспериментов, которые идут от обратного: сначала изучение нейронной активности, а затем — подбор алгоритма, который ей соответствует. Самый известный — дофаминовая теория получения вознаграждения. Автор теории, профессор Вольфрам Шульц, продемонстрировал, как вырабатывается дофамин в ответ на поощрение. Ученый зарегистрировал несколько потрясающих наблюдений.

Вопрос стоит так: каким образом эта сеть научится (эволюционно ли, либо с помощью обучения) строить нейронные связи нужным образом и выполнять требуемые действия? это хороший вопрос, и на него пока нет ответа.

Влиятельный физик и математик Роджер Пенроуз посвятил две увесистые книги размышлениям о том, что мозг — это не компьютер. Но каким-то образом от этого простого утверждения он перешел к мысли о существовании квантового сознания, не допустив золотой середины.

Где и как мозг хранит информацию

РП располагается в нескольких частях мозга. С появлением методов визуализации мозга (

) определение локализации функций в головном мозге людей значительно упростилось.

показывает, что области активации во время задач рабочей памяти, разбросаны по большой части коры. Определение Фонологическая петля расположена главным образом в области между височной и теменной долями левого полушария. Процесс повторения информации по большей части включает лобную область, известную как

Визуально-пространственная система вовлекает в основном правое полушарие, однако она может простираться и до затылочных долей, в направлении к задней части мозга. Эта область задействуется в визуальных изображениях. Более центральные теменные области ответственны за пространственную информацию.

Сам факт активации каких-то областей мозга вовсе не означает, что именно там хранится информация. В этом заключается одна из проблем использования функциональной визуализации для понимания работы памяти. При изучении какой-либо когнитивной задачи ученые наблюдают активность области, но не знают, действительно ли она необходима для нее.

Представьте, что вы обращается к информации в памяти компьютера и получаете её на экране. Вы узнаете, что было в хранилище и какие подсистемы были задействованы для отображения информации. Но где конкретно хранилась информация и как она была извлечена вам не известно. Пока что в научном сообществе нет консенсуса о том, как точно устроена и функционирует память.

Да, наша голова работает по алгоритмам

Есть только два способа проверить версию об алгоритмичности нашего мозга. Первый: мы предполагаем, по какому алгоритму действуют животные, а потом проверяем, соответствует ли активность нейронов предложенному алгоритму. Второй: мы измеряем активность нейронов во время поведенческого действия, а затем смотрим, какой алгоритм может соответствовать этому действию.

Наука пробовала и тот, и другой подход. Давайте начнем с того, который сперва изучает поведение. Мы уже достаточно много знаем о поведении животных (к миру которых и сами принадлежим).

Зачем нужны биокомпьютеры

Неужели нельзя обойтись существующими средствами? Нет, нельзя. Даже, казалось бы, такая простая вещь, как прогноз погоды, требует запредельных вычислительных мощностей. До сих пор люди не научились делать его точным.

Пару лет назад ученые Японии и Германии попытались смоделировать на одном из самых мощных в мире суперкомпьютеров активность человеческого мозга. Им удалось достигнуть не более 1 процента возможностей «серого вещества» в секунду. Таким образом, классические компьютеры слишком слабы для решения глобальных задач.

Здесь можно возразить: ну конечно, это всего лишь движения! сложные процессы вроде памяти, планирования и мышления должны требовать вычислительных мощностей, а не просто динамической обработки.

Вообще-то, даже сложные процессы могут обойтись простой динамикой.

Вот механическое решение для работы памяти. Нам уже несколько десятилетий известно, что простое воспоминание может сохраняться и воспроизводиться активностью простой цепочки нейронов в ответ на определенные вводные данные. С их помощью запах поджаренного хлеба может вызывать в нас сложное воспоминание о визите к бабушке в далеком детстве.

А вот механическое решение для формирования прогноза. Наш мозг часто занимается прогнозированием. В этом процессе вознаграждение достаточно неопределенно: сдав отчеты вовремя, вы можете получить повышение, а можете и не получить.

Здоровая метафора

Ну так что же мы имеем в виду, когда называем мозг компьютером? Что означает компьютер в этой метафоре? Ответ примерно такой: мы имеем в виду машину, выполняющую алгоритм, то есть универсальную машину Тьюринга.

Итак, согласно этому определению, нам нужно несколько ключевых компонентов.

1. Вводные данные, записанные в виде символов.
2. Место для введения этих данных (по мнению Тьюринга, это должен быть огромный рулон бумаги).
3. Набор инструкций (алгоритм) для перевода вводных данных в выходные данные.

Самое главное здесь, конечно, алгоритм — набор конкретных действий: они должны быть дискретными, то есть обособленными, например «делай А, затем Б, затем С». Действий может быть сколько угодно. К тому же их можно организовывать в цикл, например:

1. Врезаться со всей дури в стену.
2. Потереть голову.
3. Повторить шаг (1).

Можно создавать действиям условия, но они всё равно останутся дискретными:

Иными словами, в их понимании нейрон зашифровывает информацию бинарным кодом: либо 1 («посылать»), либо 0 («не посылать»).

Это умозаключение позволяло предполагать, что группы нейронов действовали согласно формальной логике, что очень полезно для различного рода вычислений. Фон Нейман был прекрасно знаком с Маккаллоком, читал его работы и смог использовать его идею бинарной логики для создания компьютерной архитектуры.

Так что можно сказать, что компьютерные науки опираются на науку о мозге. Что, кстати, вовсе не означает, что мозг и компьютер работают схожим образом. Фон Нейману просто приглянулась простая аналогия работы нейронов, но по факту она не учитывает базовые принципы их функционирования.

Искусственный мозг

Отдельная тема – биологические компьютеры. Это направление все больше ученых считает наиболее перспективным. Биотехнологии уже позволяют создавать экспериментальные системы, на которых тестируются механизмы взаимодействия нейронов или их аналогов с электронной компонентной базой. Первые результаты впечатляют.

Например, специалист в области нейробиологии Ош Агаби создал небольшой, но работающий биокомпьютер. В рамках проекта Koniku он разработал «живой» прототип 64-нейронной кремниевой микросхемы. Его «научили» распознавать запахи, наподобие пчел. Теперь дроны на его основе можно применять для поиска взрывчатых веществ, утечек вдоль трубопроводов, обследования сельхозугодий и прочее.

Агаби создал для нейронов подходящую биологическую среду, обеспечил их питанием и заработал механизм взаимодействия с электронной элементной базой. В планах:

• создание чипа на 500 нейронов для автопилота автомобилей;
• на 10 000 нейронов – для обработки изображений наподобие человеческого глаза;
• робота, управляемого чипом на 100 000 нейронов;
• самообучающегося компьютера на 1 миллион нейронов.

К примеру, на самом деле нейроны посылают сигналы постоянно, а не с перерывами, а значит, о бинарной логике речи быть не может.

И фон Нейман честно говорит о том, что компьютер работает не так, как мозг).

Каждый хорош по-своему

И среди обывателей, и среди именитых ученых не утихают споры, касательно того, какая система на данный момент лучше: биологический «компьютер» в наших головах, миллионами лет совершенствовавшийся и продолжающий совершенствоваться эволюцией, или электронное устройство с процессором, жестким диском, оперативной памятью и пр., придуманное людьми?

На самом деле это под стать спору, кто и что лучше: творец или творение, курица или яйцо. На первый взгляд, ответ очевиден – творец. Но не стоит сбрасывать со счетов, что люди учитывают свое несовершенство, например, низкий уровень хранения информации, и пытаются компенсировать его достижениями науки и техники.

Когнитивность

Как работает наш мозг? На столь обширный вопрос есть несколько философский ответ — недостаточно хорошо. Действительно, вы наверняка хотели бы не вспоминать перед сном все свои неудачи и просчеты или не забывать, куда положили ключи. Переформулируем и сузим вопрос: как человеческий мозг воспринимает и использует информацию?

Компьютер как мозг

Текущие развитие процессоров во многом основывается на уменьшении техпроцесса. Время идет и эффективность такого подхода снижается. Возможно ли замена нынешней архитектуры на архитектуру, схожую с мозгом человека? Конечно, в реалиях недостатка знаний о мозге данное сравнение некорректно, но давайте пофантазируем.

В чем преимущества мозга перед компьютером? Первое, что приходит на ум — это наличие сознания и способность к творческой деятельности. Но не совсем понятно, в чем разница между ними и их компьютерной симуляцией? Проблему квалиа и подобные вопросы лучше оставить философам и сконцентрироваться на более практических аспектах.

Некоторые преимущества человеческого мозга перед компьютерами довольно очевидны. В свете этих преимуществ, разработка систем, схожих с мозгом, выглядит отличной идеей. Но, как всегда, у этого подхода есть недостатки:

Природные «технологии» естественным образом образуются под влиянием эволюции. Но, зачастую, такие решения не подходят под задачи человека. Так, например, попытки создания летательного средства на основе пернатых и их техники полета ничем удачным не отличались.

Во-первых, мозг — это не идеальная система. Мы не можем целенаправленно забыть определенную информацию. Мозгу очень сложно выполнять несколько сложных задач одновременно. Во-вторых, каждый мозг уникален. Кто-то лучше рисует, а кто-то лучше справляется с математическими задачи. Нужен ли компьютер, который справляется с задачами примерно одной сложности за разное время?

Спустимся с небес на землю. Если представить создание компьютеров с архитектурой, схожей с устройством мозга, то сразу появятся тысячи нюансов. Как управлять такой системой, как ее поддерживать, создавать для нее софт, как интегрировать ее с другими системами, из каких материалов делать компоненты и многое другое.

Практика показывает, что лучше заимствовать лучшее, но, как упоминалось выше, недостаток знаний о мозге не позволяет сделать этого.

Кратковременная память

Изначально, информация от органов чувств попадает в кратковременную память. Как понятно из названия, она хранится там небольшой промежуток времени. При этом информация от органов чувств фильтруется. В кратковременную память попадает та информация, на которую мы обратили своё внимание.

Причем как произвольно, так и под действием каких-либо факторов. Например, обычно мы не обращаем внимание на ощущения от надетой на нас одежды, но если она вызовет дискомфорт, то мы обратим внимание, и эта информация попадет к нам в кратковременную память.

Многозадачность

Создание многоядерных процессоров – важное достижение человеческого гения. Многопоточность позволяет одновременно решать разные задачи. Еще не так давно юзеры радовались появлению двухъядерных процессоров, а сегодня в продаже уже доступны 64 и 72-ядерные монстры.

Казалось бы, куда биологическим организмам до такой мощи. Человеческий мозг считается однопоточным. То есть, мы можем в единицу времени решать только одну задачу. Но на практике это не совсем так.

Еще в школе нам рассказывали о гении Юлии Цезаре, который одновременно мог делать 3 вещи одновременно: читать один текст, диктовать писарю совершенно другой и при этом слушать докладчика. Ученые говорят, что это миф. Что его мозг просто очень быстро переключался между задачами, но в единицу времени выполнял только одну операцию.

Но многим из нас знакома ситуация, когда решение некой проблемы или задачи приходит совершенно неожиданно. Это знаменитая архимедовская «Эврика!». Когда занимаешься чем-то другим, и внезапно снисходит озарение. Возможно, наш мозг работает вовсе не в однопроцессорном режиме.

Вероятно, где-то в глубине подсознания определенная группа нейронов продолжает работу над навязчивой проблемой, выстраивает логические цепочки, пока не совпадет верная комбинация. По аналогии с компьютером, это свернутая программа, которая работает в фоновом режиме. Пока мы смотрим фильм, задействуя, грубо говоря, одно ядро, второе и последующие проводят необходимые расчеты.

Модель аткинсона-шиффрина

В целом идеи о том, что человеческая память не является единой сущностью, возникли ещё в 19 веке. Более конкретная теория взаимодействия между кратковременной и долговременной памятью появилась в середине 20-го века в

Согласно данной модели, наша память состоит из трех структур:

Стоит понимать, что данная модель не определяет конкретные психологические структуры нашего мозга, а представляет собой гипотетическую модель, помогающую понять саму память.

Механизм перехода из кратковременной памяти в долговременную точно не ясен. При этом, способность вспоминать события из прошлого зависят от гиппокампа. К этому выводу пришли Бренда Милнер и Уильям Сковилл, изучая пациента, которому для лечения эпилепсии был удален гиппокамп.

Источник –

Модель рабочей памяти

В 1974 году Алан Бэддели и Грэм Хитч предложили многокомпонентную модель РП, переработав модель кратковременной памяти Аткинсона-Шиффрина. Изначально модель содержала три компонента. Первый компонент — это система контроля над вниманием, называемая центральным исполнителем (ЦИ).

ЦИ направляет внимание на информацию, подавляя отвлечение (на нерелевантную информацию и неподходящие действия) и координируя когнитивные процессы при одновременном выполнении множества задач. У ЦИ «в подчинении» находятся две системы временного хранения: фонологическая петля и визуально-пространственный блокнот.

Фонологическая петля  — это когнитивная система временного хранения, которая может хранить информацию, представленную в речевой и звуковой форме, с помощью проговаривания про себя (субвокальные повторения). Одним из доказательств этого служит

: слова, со сходным звучанием, запоминаются труднее, чем слова, звучащие по-разному. Представим, что вы хотите запомнить набор терминов. Если слова схожи по звучанию, то это приведет к путанице и плохому результату. Попробуйте запомнить два ряда слов: «код», «год», «кот», «рот» и «солнце», «горячий», «корова», «день».

Скорее всего, «производительность» запоминания в первом случае будет хуже. Фонологической петле совсем не важны значения, поэтому человек запоминает ряд из нескольких слов, обозначающих одно и тоже, так же, как и разные слова. В этом заключается отличие рабочей памяти от долговременной.

Если увеличить количество слов в последовательности, например до 10, и дать людям запомнить их, то звучание уйдет на второй план, а значение станет намного важней. Таким образом у человека имеется система, которая может хранить информацию путем проговаривания про себя.

Она не важна для понимания речи (если вы способны нормально говорить и слышать), однако играет существенную роль в пополнении словарного запаса на раннем этапе обучения чтению, когда нужно удержать в памяти последовательность звуков в точном порядке.

Визуально-пространственный блокнот — это когнитивная система, одновременно хранящая пространственную и визуальную информацию. Визуальная информация включает в себя такие вещи, как цвет и форма, а пространственная — данные о местоположении. Например, использование карты или проектирование здания включает пространственную информацию.

Изучение иероглифов, запоминание цвета — это больше визуальное задание. Системы вербальной, пространственной и визуальной информации могут поддерживаться потоками информации, не охватываемыми подчиненными системами (например, тактильные ощущения, семантическая информация, музыкальная информация, эмоциональная составляющая и т. п.).

Так как речь идет о серии потоков восприятия, в 2000 году Бэддели расширил модель, добавив четвертую систему — эпизодический буфер, в котором потоки информации объединяются. У буфера есть несколько измерений: визуальное, пространственное семантическое и перцептивное.

Он объединяет их вместе и делает доступными сознанию, связывая всю информацию РП в единое эпизодическое представление. Таким образом эпизодический буфер — это связующие звено между рабочей и долговременной памятью. Если проводить аналогии, то эпизодический буфер чем-то напоминает экран, на который проецируются события.

Например, дофаминовая активность была замечена только при неожиданной награде. как только нейроны «понимали», при каких условиях выдается награда, выброса дофамина не следовало.

На основе экспериментальных данных Шульца две независимые группы ученых (Рид Монтаг и Петер Даян и Джим Хук и Анди Барто) предположили, что нейроны при выработке дофамина используют алгоритмы теории обучения с подкреплением.

Алгоритмы этой теории работают так: есть несколько вариантов действий. Решение принимается на основе предполагаемых последствий от выбора того или иного действия. После принятия решения вычисляется разница между предполагаемыми последствиями и реальным исходом.

Если последствия соответствовали предполагаемым, ошибки не было, значит, поведение не нуждается в корректировке. Если исход получился лучше предполагаемого (позитивная ошибка), ценность этого варианта возрастает. Если исход получился хуже предполагаемого (негативная ошибка), ценность варианта падает.

Недавние исследования показали, как сеть нейронов, беспрерывно посылающих сигналы друг другу, занимаются прогнозированием. к примеру, определенная сеть нейронов решает судоку.

Есть механическое решение для почти любой задачи, связанной с вводными данными. Например, машины с неустойчивым состоянием (особый вид нейросети) представляют собой группу смоделированных нейронов, связанных между собой случайным образом и беспрерывно посылающих друг другу импульсы.

Кроме того, нейроны в этой модели разделяются на возбуждающие и тормозящие (последние не дают первым провести сигнал). Это важный момент, поскольку итоговая нейросеть работает в должной степени беспорядочно, а значит, самое легкое изменение во вводных данных вызовет абсолютно иную активность. По большому счету это означает, что любые вводные данные могут вызвать любую операцию.

Нет, наша голова не работает по алгоритмам

Вроде бы набрали много свидетельств алгоритмической работы нашего мозга.

Объем кратковременной памяти

Информация без повторения хранится в кратковременной памяти на протяжении примерно 20 секунд. При этом ее объем однозначно определить очень сложно. Американский психолог Джордж Миллер в своей работе «

« определил, что человек, как правило, не может запомнить и воспроизвести больше 7±2 объектов (данная характеристика является усредненной и не отрицает существование уникумов, способных запоминать большое количество информации)

Но что такое объект? На основе своих исследований (проверка, сколько человек может запомнить), Миллер приводит следующую характеристику — человек в среднем способен запомнить девять двоичных чисел, восемь десятичных, семь букв алфавита и пять односложных слов.

Информационная содержательность этих объектов не столь большая. В этом кроется и следующее различие между кратковременной и долговременной памятью — объем информации. Объектом может являться как слово, так и изображение — например, пейзаж. Но степень его детализации будет определяться объемом кратковременной памяти и вряд ли вы запомните его в деталях без повторения.

Память мозга

Память можно определить как способность мозга сохранять и восстанавливать информацию. Очевидно, что работа мозга очень сильно зависит от памяти и ее роль сложно переоценить. Классифицировать память можно по разным критериям. Но нас будет интересовать конкретно разделение по времени хранения информации. Итак, память мозга условно можно разделить на следующие виды:

Разберем конкретнее последние два типа памяти.

Передача сигналов от нейрона к нейрону определяет, как мы ходим, видим, говорим, думаем, планируем, действуем. и если это происходит не алгоритмично, значит, мозг точно не компьютер, так ведь?

Не так быстро, друзья. Конечно, во многих аспектах мозг работает не как машина Тьюринга: у него нет бесконечного рулона бумаги и неограниченного времени для вычислений. Ну так и у электронного компьютера тоже нет. Даже пока вы ждете загрузки системных обновлений.

Но гипотеза, что мозг работает подобно компьютеру, ставит перед нами интересные вопросы. Например, может ли передача сигнала между нейронами быть в чем-то схожа с алгоритмом? Или можно ли описать процессы в мозге с помощью алгоритма?

Получение информации

Информация попадает в наш мозг посредством нервных импульсов, источником которых являются органы чувств. Именно они первыми получают информацию, а также и преобразовывают её в соответствующий импульс. Зрение преобразовывает электромагнитное излучение видимого спектра, осязание — физическое взаимодействие (температура, вибрации, прикосновения и т. п.), слух — механические колебания в среде, обоняние и вкус — воздействие различных веществ на рецепторы.

Источник –

Рабочая память

Рабочая память (РП) — это тип памяти, с помощью которого человек способен сохранять в уме информацию, с которой работает. РП также позволяет комбинировать информацию, полученную от органов восприятия, с долговременной и кратковременной памятью.

Термин «Рабочая память» был введен Джорджем Миллером, Евгением Галантером и Карлом Прибрамом в контексте теории, в которой человеческий ум сравнивался с компьютером. Изначально понятие рабочей памяти не было конкретизировано, поэтому его использовали Ричард Аткинсон и Ричард Шиффрин в своей модели кратковременной памяти.

Однако они не сделали акцента на ее функциональной части, поэтому Алан Бэддели и Грэм Хитч переработали их модель. Главное отличие нового взгляда на РП заключалось в том, что кратковременная память может быть разделена на субкомпоненты и что такая система способна на сложные когнитивные действия.

Согласно данным шульца, дофаминовые нейроны дают обратную связь по всем трем вариантам исходов: и при отсутствии ошибки, и при положительной, и при отрицательной. удивительно, как совпали дискретные шаги алгоритма и активность нейронов в мозге.

Вы можете спросить: а как же успех глубоких нейросетей в работе с процессами, которые считались типично человеческими, например классификации изображений? Что ж, обычные нейросети в основе своей несут дискретные алгоритмы. Глубокие нейросети имеют целые дискретные слои, каждый из которых соединен со следующим и передает ему информацию. В человеческом мозге дискретных слоев нет.

Существует тонна экспериментов, в которых мы просим субъекта сделать выбор между двумя предметами.

Один из самых популярных выглядит так: мы показываем людям набор хаотично двигающихся точек, однако среди этих точек есть несколько таких, которые передвигаются в одном и том же направлении (влево или вправо). Далее мы просим участников эксперимента найти эти точки и сказать, в каком направлении они двигаются. Участник смотрит на экран, наблюдает за точками, а потом выдает ответ.

Небольшие изменения условий в таких заданиях позволяет выявить уникальные модели поведенческих реакций и возникновения ошибок. К примеру, количество ошибок возрастает обратно пропорционально количеству точек, двигающихся в одном направлении: чем меньше точек, тем больше ошибок.

Это очень простая математическая модель, в которой для решения задания нужно, во-первых, определить наличие одинакового направления, а затем определить само направление (где одно направление противоречит другому). Это типичный алгоритм принятия решений.

Ну что ж, раз мы пришли к алгоритму, влияющему на поведение, самое время определить, что же происходит в мозге во время принятия решения.

Сходства и различия

Что общего между компьютером и мозгом:

• оба оперируют данными посредством электрических импульсов;
• и тому и другому необходимо питание для работы;
• для обоих систем необходимы приемо-передатчики информации: уши, глаза, нервные окончания, микрофон, камера, клавиатура и т. д.

В чем их отличия:

• компьютеры – искусственное контролируемое творение человечества, а мозг – процесс неконтролируемых мутаций миллионов лет эволюции;
• компьютеры можно выпускать с заданными характеристиками, каждый человек – уникален, как и его мозговая деятельность;
• для работы нейронов требуется гораздо меньше энергии;
• мозг может интерпретировать вещь или явление на основе ассоциаций и воображения, даже если он их не видел;
• мозг способен генерировать эмоции и реагировать на них, компьютер, в том числе с искусственным интеллектом, абсолютно бесстрастен;
• компьютер пока не способен на творчество, хотя уже может писать новости, создавать произведения литературы и живописи на основе заданных алгоритмов.

Последний пункт является самым важным. Ибо без творческого начала невозможно двигать вперед цивилизацию.

Человек и компьютер

Существуют расчеты, доказывающие, что вычислительная мощность мозга несоизмеримо выше компьютерных аналогов. Даже на фоне суперкомпьютеров сообщество нейронов в черепной коробке в супер-пупер раз мощнее. Но при этом мозгу явно недостает «оперативной памяти».

Многое может измениться на фоне совершенствования технологий искусственного интеллекта. Возможно, в ближайшие годы люди на свою голову могут научить машину не только оперировать огромными массивами данных, но и задаткам абстрактного мышления, самосознания, интеллекта. На подходе квантовые компьютеры, чья вычислительная мощность вполне может сравниться с человеческим мозгом.

Чем отличается мозг человека от компьютера

Trinity (сша) — 174 млн долларов

Можно было бы ожидать, что подобный суперкомпьютер (учитывая то, для чего он строится) должен быть безумно дорогим, но благодаря развитию технологий стало возможным удешевление цены Trinity. Правительство США собирается использовать Trinity для того, чтобы поддерживать эффективность и безопасность ядерного арсенала Америки.

Trinity, который строится в настоящее время, станет совместным проектом Сандийской национальной лаборатории и Лос-Аламосской национальной лаборатории в рамках программы Прогнозного моделирования и вычислительной обработки данных Национальной администрации по ядерной безопасности.