Логика мышления Опции

[Александр Вакуров]

Логика мышления. Часть 1. Нейрон
Биоинформатика, Искусственный интеллект, Программирование*

Алексей Редозубов

Года полтора назад я выкладывал на Хабр цикл видеолекций с моим видением того как работает мозг и каковы возможные пути создания искусственного интеллекта. За прошедшее с тех пор время удалось существенно продвинуться вперед. Что-то получилось глубже понять, что-то удалось смоделировать на компьютере. Что приятно, появились единомышленники, активно участвующие в работе над проектом.

В настоящем цикле статей планируется рассказать о той концепции интеллекта над которой мы сейчас работаем и продемонстрировать некоторые решения, являющиеся принципиально новыми в сфере моделирования работы мозга. Но чтобы повествование было понятным и последовательным оно будет содержать не только описание новых идей, но и рассказ о работе мозга вообще. Какие-то вещи, особенно в начале, возможно покажутся простыми и общеизвестными, но я бы советовал не пропускать их, так как они во многом определяют общую доказательность повествования.


Общее представление о мозге


Нервные клетки, они же нейроны, вместе со своими волокнами, передающими сигналы, образуют нервную систему. У позвоночных основная часть нейронов сосредоточена в полости черепа и позвоночном канале. Это называется центральной нервной системой. Соответственно, выделяют головной и спинной мозг как ее составляющие.

Спинной мозг собирает сигналы от большинства рецепторов тела и передает их в головной мозг. Через структуры таламуса они распределяются и проецируются на кору больших полушарий головного мозга.

Проекция информации на кору
Проекция информации на кору

Кроме больших полушарий обработкой информации занимается еще и мозжечок, который, по сути, является маленьким самостоятельным мозгом. Мозжечок обеспечивает точную моторику и координацию всех движений.

Зрение, слух и обоняние обеспечивают мозг потоком информации о внешнем мире. Каждая из составляющих этого потока, пройдя по своему тракту, также проецируется на кору. Кора – это слой серого вещества толщиной от 1.3 до 4.5 мм, составляющий наружную поверхность мозга. За счет извилин, образованных складками, кора упакована так, что занимает в три раза меньшую площадь, чем в расправленном виде. Общая площадь коры одного полушария – приблизительно 7000 кв.см.

В итоге все сигналы проецируются на кору. Проекция осуществляется пучками нервных волокон, которые распределяются по ограниченным областям коры. Участок, на который проецируется либо внешняя информация, либо информация с других участков мозга образует зону коры. В зависимости от того, какие сигналы на такую зону поступают, она имеет свою специализацию. Различают моторную зону коры, сенсорную зону, зоны Брока, Вернике, зрительные зоны, затылочную долю, всего около сотни различных зон.


Зоны коры
Зоны коры

В вертикальном направлении кору принято делить на шесть слоев. Эти слои не имеют четких границ и определяются по преобладанию того или иного типа клеток. В различных зонах коры эти слои могут быть выражены по-разному, сильнее или слабее. Но, в общем и целом, можно говорить о том, что кора достаточно универсальна, и предполагать, что функционирование разных ее зон подчиняется одним и тем же принципам.


Слои коры

По афферентным волокнам сигналы поступают в кору. Они попадают на III, IV уровень коры, где распределяются по близлежащим к тому месту, куда попало афферентное волокно, нейронам. Большая часть нейронов имеет аксонные связи в пределах своего участка коры. Но некоторые нейроны имеют аксоны, выходящие за ее пределы. По этим эфферентным волокнам сигналы идут либо за пределы мозга, например, к исполнительным органам, или проецируются на другие участки коры своего или другого полушария. В зависимости от направления передачи сигналов эфферентные волокна принято делить на:
ассоциативные волокна, которые связывают отдельные участки коры одного полушария;
комиссуральные волокна, которые соединяют кору двух полушарий;
проекционные волокна, которые соединяют кору с ядрами низших отделов центральной нервной системы.

Если взять направление, перпендикулярное поверхности коры, то замечено, что нейроны, располагающиеся вдоль этого направления, реагируют на схожие стимулы. Такие вертикально расположенные группы нейронов, принято называть кортикальными колонками.

Можно представить себе кору головного мозга как большое полотно, раскроенное на отдельные зоны. Картина активности нейронов каждой из зон кодирует определенную информацию. Пучки нервных волокон, образованные аксонами, выходящими за пределы своей зоны коры, формируют систему проекционных связей. На каждую из зон проецируется определенная информация. Причем на одну зону может поступать одновременно несколько информационных потоков, которые могут приходить как с зон своего, так и противоположного полушария. Каждый поток информации похож на своеобразную картинку, нарисованную активностью аксонов нервного пучка. Функционирование отдельной зоны коры – это получение множества проекций, запоминание информации, ее переработка, формирование собственной картины активности и дальнейшая проекция информации, получившейся в результате работы этой зоны.

Существенный объем мозга – это белое вещество. Оно образовано аксонами нейронов, создающими те самые проекционные пути. На рисунке ниже белое вещество можно увидеть как светлое заполнение между корой и внутренними структурам мозга.


Распределение белого вещества на фронтальном срезе мозга

Используя диффузную спектральную МРТ, удалось отследить направление отдельных волокон и построить трехмерную модель связанности зон коры (проект Connectomics (Коннектом)).

Представление о структуре связей хорошо дают рисунки ниже (Van J. Wedeen, Douglas L. Rosene, Ruopeng Wang, Guangping Dai, Farzad Mortazavi, Patric Hagmann, Jon H. Kaas, Wen-Yih I. Tseng, 2012).


Вид со стороны левого полушария


Вид сзади


Вид справа

Кстати, на виде сзади отчетливо видна асимметрия проекционных путей левого и правого полушария. Эта асимметрия во многом и определяет различия в тех функциях, которые приобретают полушария по мере их обучения.

Нейрон


Основа мозга – нейрон. Естественно, что моделирование мозга с помощью нейронных сетей начинается с ответа на вопрос, каков принцип его работы.

В основе работы реального нейрона лежат химические процессы. В состоянии покоя между внутренней и внешней средой нейрона существует разность потенциалов – мембранный потенциал, составляющий около 75 милливольт. Он образуется за счет работы особых белковых молекул, работающих как натрий-калиевые насосы. Эти насосы за счет энергии нуклеотида АТФ гонят ионы калия внутрь, а ионы натрия — наружу клетки. Поскольку белок при этом действует как АТФ-аза, то есть фермент, гидролизующий АТФ, то он так и называется — «натрий-калиевая АТФ-аза». В результате нейрон превращается в заряженный конденсатор с отрицательным зарядом внутри и положительным снаружи.


Схема нейрона (Mariana Ruiz Villarreal)

Поверхность нейрона покрыта ветвящимися отростками – дендритами. К дендритам примыкают аксонные окончания других нейронов. Места их соединений называются синапсами. Посредством синаптического взаимодействия нейрон способен реагировать на поступающие сигналы и при определенных обстоятельствах генерировать собственный импульс, называемый спайком.

Передача сигнала в синапсах происходит за счет веществ, называемых нейромедиаторами. Когда нервный импульс по аксону поступает в синапс, он высвобождает из специальных пузырьков молекулы нейромедиатора, характерные для этого синапса. На мембране нейрона, получающего сигнал, есть белковые молекулы – рецепторы. Рецепторы взаимодействуют с нейромедиаторами.


Химический синапс

Рецепторы, расположенные в синаптической щели, являются ионотропными. Это название подчеркивает тот факт, что они же являются ионными каналами, способными перемещать ионы. Нейромедиаторы так воздействуют на рецепторы, что их ионные каналы открываются. Соответственно, мембрана либо деполяризуется, либо гиперполяризуется – в зависимости от того, какие каналы затронуты и, соответственно, какого типа этот синапс. В возбуждающих синапсах открываются каналы, пропускающие катионы внутрь клетки, — мембрана деполяризуется. В тормозных синапсах открываются каналы, проводящие анионы, что приводит к гиперполяризации мембраны.

В определенных обстоятельствах синапсы могут менять свою чувствительность, что называется синаптической пластичностью. Это приводит к тому, что синапсы одного нейрона приобретают различную между собой восприимчивость к внешним сигналам.

Одновременно на синапсы нейрона поступает множество сигналов. Тормозящие синапсы тянут потенциал мембраны в сторону накопления заряда внутри клети. Активирующие синапсы, наоборот, стараются разрядить нейрон (рисунок ниже).


Возбуждение (A) и торможение ( ганглиозной клетки сетчатки (Николлс Дж., Мартин Р., Валлас Б., Фукс П., 2003)

Когда суммарная активность превышает порог инициации, возникает разряд, называемый потенциалом действия или спайком. Спайк – это резкая деполяризация мембраны нейрона, которая и порождает электрический импульс. Весь процесс генерации импульса длится порядка 1 миллисекунды. При этом ни продолжительность, ни амплитуда импульса не зависят от того, насколько были сильны вызвавшие его причины (рисунок ниже).


Регистрация потенциала действия ганглиозной клетки (Николлс Дж., Мартин Р., Валлас Б., Фукс П., 2003)

После спайка ионные насосы обеспечивают обратный захват нейромедиатора и расчистку синаптической щели. В течение рефрактерного периода, наступающего после спайка, нейрон не способен порождать новые импульсы. Продолжительность этого периода определяет максимальную частоту генерации, на которую способен нейрон.

Спайки, которые возникают как следствие активности на синапсах, называют вызванными. Частота следования вызванных спайков кодирует то, насколько хорошо поступающий сигнал соответствует настройке чувствительности синапсов нейрона. Когда поступающие сигналы приходятся именно на чувствительные синапсы, активирующие нейрон, и этому не мешают сигналы, приходящие на тормозные синапсы, то реакция нейрона максимальна. Образ, который описывается такими сигналами, называют характерным для нейрона стимулом.

Конечно, представление о работе нейронов не стоит излишне упрощать. Информация между некоторыми нейронами может передаваться не только спайками, но и за счет каналов, соединяющих их внутриклеточное содержимое и передающих электрический потенциал напрямую. Такое распространение называется градуальным, а само соединение называется электрическим синапсом. Дендриты в зависимости от расстояния до тела нейрона делятся на проксимальные (близкие) и дистальные (удаленные). Дистальные дендриты могут образовывать секции, работающие как полуавтономные элементы. Помимо синаптических путей возбуждения есть внесинаптические механизмы, вызывающие метаботропные спайки. Кроме вызванной активности существует еще и спонтанная активность. И наконец, нейроны мозга окружены глиальными клетками, которые также оказывают существенное влияние на протекающие процессы.

Долгий путь эволюции создал множество механизмов, которые используются мозгом в своей работе. Некоторые из них могут быть поняты сами по себе, смысл других становится ясен только при рассмотрении достаточно сложных взаимодействий. Поэтому не стоит воспринимать сделанное выше описание нейрона как исчерпывающее. Чтобы перейти к более глубоким моделям, нам необходимо сначала разобраться с «базовыми» свойствами нейронов.

В 1952 году Аланом Ллойдом Ходжкином и Эндрю Хаксли были сделаны описания электрических механизмов, которые определяют генерацию и передачу нервного сигнала в гигантском аксоне кальмара (Hodgkin, 1952). Что было оценено Нобелевской премией в области физиологии и медицины в 1963 году. Модель Ходжкина – Хаксли описывает поведение нейрона системой обыкновенных дифференциальных уравнений. Эти уравнения соответствуют автоволновому процессу в активной среде. Они учитывают множество компонент, каждая из которых имеет свой биофизический аналог в реальной клетке (рисунок ниже). Ионные насосы соответствуют источнику тока Ip. Внутренний липидный слой клеточной мембраны образует конденсатор с емкостью Cm. Ионные каналы синаптических рецепторов обеспечивают электрическую проводимость gn, которая зависит от подаваемых сигналов, меняющихся со временем t, и общей величины мембранного потенциала V. Ток утечки мембранных пор создает проводник gL. Движение ионов по ионным каналам происходит под действием электрохимических градиентов, которым соответствуют источники напряжения с электродвижущей силой En и EL.


Основные компоненты модели Ходжкина — Хаксли

Естественно, что при создании нейронных сетей возникает желание упростить модель нейрона, оставив в ней только самые существенные свойства. Наиболее известная и популярная упрощенная модель – это искусственный нейрон Маккалока — Питтса, разработанный в начале 1940-х годов (Маккалох Дж., Питтс У., 1956).

Формальный нейрон Маккалока — Питтса

На входы такого нейрона подаются сигналы. Эти сигналы взвешенно суммируются. Далее к этой линейной комбинации применяется некая нелинейная функция активации, например, сигмоидальная. Часто как сигмоидальную используют логистическую функцию:


Логистическая функция

В этом случае активность формального нейрона записывается как



В итоге такой нейрон превращается в пороговый сумматор. При достаточно крутой пороговой функции сигнал выхода нейрона – либо 0, либо 1. Взвешенная сумма входного сигнала и весов нейрона – это свертка двух образов: образа входного сигнала и образа, описываемого весами нейрона. Результат свертки тем выше, чем точнее соответствие этих образов. То есть нейрон, по сути, определяет, насколько подаваемый сигнал похож на образ, записанный на его синапсах. Когда значение свертки превышает определенный уровень и пороговая функция переключается в единицу, это можно интерпретировать как решительное заявление нейрона о том, что он узнал предъявляемый образ.

Реальные нейроны действительно неким образом похожи на нейроны Маккалока — Питтса. Амплитуды их спайков не зависит от того, какие сигналы на синапсах их вызвали. Спайк, либо есть, либо его нет. Но реальные нейроны реагируют на стимул не единичным импульсом, а импульсной последовательностью. При этом частота импульсов тем выше, чем точнее узнан характерный для нейрона образ. Это означает, что если мы построим нейронную сеть из таких пороговых сумматоров, то она при статичном входном сигнале хотя и даст какой-то выходной результат, но этот результат будет далек от воспроизведения того, как работают реальные нейроны. Для того чтобы приблизить нейронную сеть к биологическому прототипу, нам понадобиться моделировать работу в динамике, учитывая временные параметры и воспроизводя частотные свойства сигналов.

Но можно пойти и другим путем. Например, можно выделить обобщенную характеристику активности нейрона, которая соответствует частоте его импульсов, то есть количеству спайков за определенный промежуток времени. Если перейти к такому описанию, то можно представить нейрон как простой линейный сумматор.


Линейный сумматор

Сигналы выхода и, соответственно, входа для таких нейронов уже не являются дихатомичными (0 или 1), а выражаются некой скалярной величиной. Функция активации тогда записывается как



Линейный сумматор не стоит воспринимать как что-то принципиально иное по сравнению с импульсным нейроном, просто он позволяет при моделировании или описании перейти к более длинным временным интервалам. И хотя импульсное описание более корректно, переход к линейному сумматору во многих случаях оправдан сильным упрощением модели. Более того, некоторые важные свойства, которые трудно разглядеть в импульсном нейроне, вполне очевидны для линейного сумматора.

Источник

habrahabr.ru

[Александр Вакуров]

7 марта в 17:58
Логика мышления. Часть 7. Интерфейс человек-компьютер
Биоинформатика, Искусственный интеллект, Робототехника


Для тех, кто только присоединился, я советую начать с первой части или хотя бы с описания волновой модели коры. Наша волновая модель показывает как вызванная активность нейронов коры порождает волны фоновой активности, распространяющиеся как внутри зон коры, так и через проекционные связи по всему пространству мозга. Проходя по какому-либо участку коры, волна, кодирующая определенное явление, воспроизводит свой уникальный узор. Это позволяет нейронам в любом месте коры получать информацию о том, что происходит в других частях мозга.


Такой механизм передачи данных можно сравнить с оптическим телеграфом. Еще до изобретения проводного телеграфа для передачи сообщений на большие расстояния использовали системы башен находящиеся в прямой видимости друг от друга. Положением реек в специальной конструкции, установленной на вершине башни, кодировались буквы передаваемого послания. Каждая следующая башня повторяла то, что видела на предыдущей. Теперь представьте, что каждая из семафорных башен не повторяет сигнал, а работает по более хитрому алгоритму. Каждый сигнальщик заводит специальную тетрадь. Когда он видит новый для себя узор из реек он записывает его в тетрадь в первый столбец и ставит ему в соответствие другой случайно выбранный узор, который записывает напротив него во второй столбец. Главное — чтобы этот узор не использовался во втором столбце ранее. Соответственно, работа башни превращается в трансляцию одних узоров в другие. При этом соблюдается однозначность такой перекодировки. Сколько бы не было башен на пути сигнала, послание дойдет в информационно-целостном, хотя и перекодированном виде.

А теперь представьте, что башни расположены не в линию, а равномерно покрывают всю землю. Тогда с каждой башни будет видно несколько соседних. Таблицу в тетради сигнальщика придется усложнить. Ему потребуется завести столько столбцов сколько башен он видит плюс свой. В новых условиях задача сигнальщика будет — выставлять свой узор, как только хотя бы на одной из соседних башен появится новое сообщение. После того, как все сигнальщики заполнят свои таблицы, каждой букве будет соответствовать определенная устойчивая картина флажков по всей земле. Достаточно будет на одной из башен установить определенный сигнал, как он распространиться по всему миру.



Изменим работу воображаемых башен. Поставим вместо механизма с флажками фонарь. Общение между башнями сведем к наблюдению за вспышками соседей и подачи собственной вспышки если на это указывает запись в тетради. Ведение тетради несколько усложним. Теперь новая запись в ней будет появляться при следующих условиях. Когда около башни произойдет серия вспышек, смотритель проверит есть ли запись о такой конфигурации в его тетради, и если есть, то даст вспышку собственной башни и уйдет на предписанный инструкцией отдых на несколько минут. Если такой записи нет, то он дождется пока волна вспышек пройдет и запомнит получившийся узор. Затем он посчитает, сколько всего было вспышек вокруг. Если их было достаточно, то есть узор прошедшей волны уже сформирован другими башнями-маяками, то он расслабится и пойдет пить чай, дожидаясь следующей волны вспышек. В противном случае он начнет подкидывать монету, например, пять раз (зависит от того сколько других башен он видит), если все пять раз выпадет решка, то он сделает новую запись в тетради, куда занесет новый узор.

Чтобы в таком телеграфе отправить сообщение из одного слова надо будет в точке отправления сопоставить слову какой-нибудь узор из стоящих неподалеку башен. Когда эти башни начнут вспыхивать (не один раз, а длинной серией), смотрители соседних башен начнут играть в орлянку и станут постепенно подключаться к распространению волнового узора. Когда вся система маяков выучит это слово, то в любом месте земли можно будет обнаружить его передачу. В каждой точке планеты это слово при прохождении волны вспышек будет создавать свой уникальный узор. Но, что самое интересное, мы можем выбрать любое место и посмотреть, какой узор соответствует именно тут интересующему нас слову. Если теперь мы воспроизведем этот узор, заставив вспыхнуть соответствующие маяки, то волна вспышек дойдя до адресата создаст точно такой же узор, как если бы сообщение было отправлено из исходной точки. Собственно, именно так и работает мозг (в нашей теории). Понятия кодируются паттернами нейронов, генерирующих пакеты импульсов. Волны одиночных импульсов разносят узоры идентификаторы по всему мозгу. И такой механизм лежит в основе всей последующей информационной деятельности.

Вернемся обратно к коре. Судить о том, какие мысли рождает мозг, можно разными способами. Наиболее простой путь – это анализ показаний многоточечной энцефалограммы. Так как разные мысли вызывают отличные друг от друга картины активности зон коры, то определенные закономерности могут быть отслежены и впоследствии использованы. Понять мысли таким способом невозможно, но можно приблизительно отличить друг от друга разные формы мозговой активности. При желании это можно использовать для простых систем управления, не требующих высокой точности или быстродействия.

Более продвинутые методы – это фиксация, например, с помощью магнитно-резонансного томографа, уровня насыщения кислородом кровотока на пространстве коры, что позволяет судить о местах, где сосредоточена наибольшая нейронная активность. Пространственное разрешение при этом во много крат выше, чем при использовании энцефалографа. Для первичной зрительной коры, где сохраняется топографичность проекции, такой метод хоть очень грубо и инерционно, но позволяет заглянуть в мысли человека (рисунок ниже).


Результаты реконструкции изображений (Shinji Nishimoto, An T. Vu, Thomas Naselaris, Yuval Benjamini, Bin Yu, Jack L. Gallant, 2011)

Магнитно-резонансный томограф громоздок и неприменим для внелабораторного использования. Но существует и более простой способ измерения параметров мозгового кровотока – это локальная спектроскопия в инфракрасном диапазоне. Отдельный датчик состоит из источника инфракрасного излучения и оптического приемника отраженного сигнала. По изменению спектра поглощения можно судить о процессах, происходящих непосредственно под датчиком. Используя комбинацию инфракрасных и электроэнцефалографических датчиков, компания Honda создала интерфейс, позволяющий с достаточно высокой точностью управлять человекоподобным роботом (Honda Research Institute Japan Co., 2009).


Комплекс Honda (Honda Research Institute Japan Co., 2009)

Еще большую детализацию активности коры в пространстве и времени позволяют получить упомянутые ранее оптические методы, но и они дают представление только о коллективной активности тысяч расположенных рядом нейронов.

Усреднение активности нейронов по любому участку коры теряет информацию об индивидуальности волнового паттерна. По этой активности можно строить грубые предположения о том, что происходит с мозгом, но нельзя получить доступ к тонким информационным процессам. Что-то подобное можно наблюдать с компьютерами. По активности работы отдельных модулей и по анализу излучаемых компьютером частот можно судить о том, какого типа задачи он выполняет. Для некоторых программ можно даже наловчиться угадывать отдельные действия, но все это совсем не то по сравнению тем, какие возможности дает подключение к информационным шинам.

Добраться до непосредственной активности сразу многих нейронов сейчас позволяют методы вживления электродных массивов. В 2004-2005 годах был проделан первый эксперимент по имплантации такого датчика полностью парализованному пациенту. В результате удалось добиться более-менее адекватного управления рукой-протезом (Leigh R. Hochberg, Mijail D. Serruya, Gerhard M. Friehs, Jon A. Mukand, Maryam Saleh,Abraham H. Caplan, Almut Branner, David Chen, Richard D. Penn, John P. Donoghue, 2006) (рисунок ниже).



a) Матрица электродов на одноцентовой монете и вставляемый в череп разъем. Массив из ста электродов. с) Расположение массива. d) Первый пациент с установленным интерфейсом (Leigh R. Hochberg, Mijail D. Serruya, Gerhard M. Friehs, Jon A. Mukand, Maryam Saleh,Abraham H. Caplan, Almut Branner, David Chen, Richard D. Penn, John P. Donoghue, 2006)

Массив электродов, использовавшийся в эксперименте, не отличался особой точностью подключения к коре. Только часть электродов фиксировала импульсы отдельных нейронов, остальные передавали суммарную активность нейронных групп. Но даже этого в эксперименте хватило для того, чтобы отфильтровать вполне полезную информацию.

Когда прогресс технологий позволит снять с малой области мозга активность хотя бы нескольких сотен нейронов, как мне видится, этого будет достаточно, чтобы создать искусственный волновой туннель, аналогичный тем туннелям, что соединяют между собой различные зоны коры. Анализ паттернов волновой активности позволит не просто отследить состояние нейронов-детекторов малого участка коры, он позволит увидеть проходящие через него информационные волны и, соответственно, составить представление обо всех понятиях, с которыми работает эта зона коры. Мне кажется, что десяток таких туннелей, отведенных из разных зон мозга, позволит передать на компьютер практически полную картину человеческой мысли. Это не будет фотографическая картина того, что мы видим, или звук того, что мы слышим, но это будет полноценное воспроизведением того, о чем мы думаем.

Если наша концепция верна, то волновые туннели могут и считывать информацию, и транслировать ее обратно. Для передачи информации от компьютера к человеку можно либо воспроизводить паттерны ранее считанных идентификаторов, либо генерировать уникальные собственные. В последнем случае мозг надо будет обучить сопоставлять создаваемые компьютером волны с теми понятиями, что уже известны человеку.

Если взять двух людей и подключить их к компьютеру, а затем осуществить с его помощью перекодировку паттернов, переводя узоры, характерные для одного, в узоры, соответствующие тем же понятиям у другого, то получится телепатический интерфейс, та самая корона профессора Казарина из Кира Булычева.

Возможности волнового интерфейса не ограничиваются телепатическим общением человека и компьютера или людей между собой. Если на компьютере воспроизвести кору мозга, то можно добиться, чтобы в процессе совместного существования она впитала в себя существенный объем памяти и индивидуальности человека. Возможно, для полновесного переноса личности понадобятся годы совместной жизни с подключенным компьютером, но потенциально это открывает возможность «переселения души». Если фантазировать дальше, то ничто не мешает подключить обученный компьютер к чистому биологическому мозгу и провести постепенный обратный перенос. Конечно, интересно порассуждать о том, что будет с самосознанием при таких путешествиях, но это тема отдельного разговора.

Продолжение

Использованная литература

Предыдущие части:
Часть 1. Нейрон
Часть 2. Факторы
Часть 3. Персептрон, сверточные сети
Часть 4. Фоновая активность
Часть 5. Волны мозга
Часть 6. Система проекций

Алексей Редозубов (2014)