Рэймонд Курцвейл - Эволюция разума

Базисные функции — это нелинейные функции, которые можно комбинировать линейным способом (путем суммирования нескольких функций) для аппроксимации любой нелинейной функции. Pouget and Snyder, Computational approaches to sensorimotor transformations, Nature Neuroscience 2000, 3 (11): 1192–1198.

Bloedel, J. R. Functional heterogeneity with structural homogeneity: How does the cerebellum operate? Behav. Brain Sci. 1992, vol. 15,666–678.

S. Grossberg and R. W. Paine, A Neural Model of Cortico-Cerebellar Interactions During Attentive Imitation and Predictive Learning of Sequential Handwriting Movements, Neural Networks , 2000, 13(8–9): 999–1046.

Javier F. Medina and Michael D. Mauk, Computer simulation of cerebellar information processing. Nature Neuroscience Supplement. Volume 3, November 2000.

Сьюзен Джефферс — современный американский психолог, автор нескольких бестселлеров; ее книга «Бойся… но действуй!» на русском языке вышла в издательстве «София» в 2008 г.

Olds, James, Pleasure centers in the brain. Scientific American. 1956, 105–116.

Routtenberg, Aryeh, The reward system of the brain. Scientific American. 1978, 154–164.

Berridge, K. C., Kringelbach, M. L. Affective neuroscience of pleasure: Reward in humans and other animals. Psychopharmacology 2008,199, 457–480.

Kringelbach, M. L. The pleasure center: Trust Your Animal Instincts. Oxford University Press, 2009.

Liebowitz, Michael, R. The Chemistry of Love. Boston: Little, Brown, & Co. 1983.

Whitters, W. L. & Jones-Whitter, P. Human Sexuality — A Biological Perspective. New York: Van Nostrand. 1980.

Кэрролл Л. Сильвия и Бруно / Пер. А. Голова. М.: Альфа-книга, 2010.

Сесил Блаунт Демилль (1881–1959) — американский режиссер и продюсер.

Ди Хок (род. в 1929) — основатель и бывший глава компании Visa Inc.

Эрик Бернс — современный американский писатель, драматург и журналист.

Джордж Лоис (род. в 1931) — американский фотограф, дизайнер и писатель.

Перевод С. Маршака.

Винер Н. Кибернетика, или Управление и связь в животном и машине / Пер. с англ. И. В. Соловьева и Г. Н. Поварова. М.: Наука, 1983.

Nielsen, Michael. Reinventing discovery: the new era of networked science. Princeton, N. J.: Princeton University Press. 2012, pp. 1–3. Gowers, T. Nielsen, M. Massively collaborative mathematics. Nature 2009,461:879–881. http://gowers.wordpress.com/2009/02/01/a-combinatorial-approach-to-density-hales-jewett/.

Nielsen, Michael. The Polymath project: scope of participation (200 903-20) http://michaelnielsen.org/blog/?p=584.

Rehmeyer, Julie SIAM: Massively Collaborative Mathematics, siam.org. 1 April 2010. http://www.siam.org/news/news.php?id=1731.

Майкл Патрик Кинг (род. в 1954) — американский сценарист, режиссер и продюсер.

Dayan P., Huys Q. J. M. Serotonin, inhibition, and negative mood. PLoS Comput Biol 2008, 4(2).

Алан Мэтисон Тьюринг (1912–1954) — английский математик и логик, один из основоположников современной информатики; предложенная им абстрактная вычислительная «машина Тьюринга» считается прототипом современного компьютера.

Gary Cziko, Without Miracles: Universal Selection Theory and the Second Darwinian Revolution, The MIT Press, 1955.

Дэвид Делримпл, которому сейчас уже больше 20 лет, был моим воспитанником с 1999 г., когда ему было восемь лет. Подробнее о его проекте можно узнать здесь: http://esp.mit.edu/learn/teachers/davidad/bio.html и http://www.brainsciences.org/Research-Team/mr-david-dalrymple.html.

Jonathan Fildes (22 July 2009). Artificial brain «10 years away», BBC News. http://news.bbc.co.uk/2/hi/8164060.stm.

См. также передачу про Генри Маркрама: http://www.kurzweilai.net/henry-markram-simulating-the-brain-next-decisive-years и http://www.youtube.com/watch?feature=player_embedded&v=cn_gEoQ8nQI#!.

M. Mitchell Waldrop, Computer modelling: Brain in a box, Nature News , 22 February 2012, http://www.nature.com/news/computer-modelling-brain-in-a-box-1.10066

Метод пэтч-кламп (от англ. patch — фрагмент, clamp — фиксация) — электро-физиологический метод изучения свойств ионных каналов.

Флопс (от англ. floating-point operations per second) — внесистемная единица измерения производительности компьютеров, показывающая, сколько операций в секунду выполняет вычислительная система.

Jonah Lehrer, Can a Thinking, Remembering, Decision-Making Biologically Accurate Brain Be Built From a Supercomputer? Seed Magazine, 2012.

Jonathan Fildes (22 July 2009). Artificial brain «10 years away». BBC News. http://news.bbc.co.uk/2/hi/8164060.stm.

См. сайт http://www.humanconnectomeproject.org/.

Anders Sandberg and Nick Bostrom (2008): Whole Brain Emulation: A Roadmap. Technical Report 2008 (3), Future of Humanity Institute, Oxford University. URL: www.fhi.ox.ac.uk/reports/2008–3.pdf.

Эутелия — постоянство клеточного состава организма; такие организмы обладают определенным числом клеток, характерным для данного вида.

Ниже представлена базовая схема алгоритма функционирования сети нейронов. Возможно множество вариаций алгоритма, и создателю программы необходимо знать некоторые важнейшие параметры и методы, которые перечислены ниже. Создание сети нейронов для решения проблемы происходит в несколько этапов.

Определить входные данные.

Определить топологию сети (например, слои нейронов и связи между нейронами).

Отработать систему на нескольких примерах. Опубликовать/запатентовать систему.

Эти этапы (кроме последнего) подробнее описаны ниже.

Входные данные.

Входные данные на сеть нейронов представляют собой несколько наборов чисел. Вот некоторые примеры:

— для системы распознавания визуальных образов — это двумерный ряд чисел, соответствующих пикселям изображения;

— для системы распознавания звуковой информации (например, речи) — это двумерный набор чисел, соответствующих звуку: первое измерение — параметры звука (например, частота), а второе измерение — различные моменты времени;

— в системе распознавания произвольных образов — это n -мерный набор чисел, соответствующих входному сигналу.

Определение топологии сети.

Архитектура каждого нейрона определяется следующими параметрами.

Множество входных сигналов, каждый из которых «соединен» либо с выходным сигналом другого нейрона, либо с одним из чисел, определяющих входной сигнал.

Обычно один выходной сигнал, связанный либо с входным сигналом другого нейрона (обычно более высокого уровня), либо с результирующим сигналом.

Установка нейронов первого уровня.

Создать N 0нейронов первого уровня. Для каждого из них осуществить «связь» каждого из многочисленных входных сигналов с «точками» (например, численными значениями) на входе в систему. Эти связи могут быть установлены случайным образом или с помощью эволюционного алгоритма (см. ниже).

Присвоить начальное значение «синаптического потенциала» каждой созданной связи. Эти параметры сначала могут быть одинаковыми, могут быть выбраны случайным образом или определены каким-то другим путем (см. ниже).

Создать следующие уровни нейронов.

Создать все M уровней нейронов. На каждом уровне определить все нейроны.

Для уровня i.

Создать N. нейронов уровня i. Для каждого нейрона осуществить «связь» каждого из множества входных сигналов с выходными сигналами нейронов уровня i-1 (ниже см. возможные варианты).