तंत्रिका नेटवर्क में मेमोरी जटिलता

"21 वीं सदी: भौतिक विज्ञान के दृष्टिकोण से जीवन क्या है" लेख को पढ़ते हुए, मुझे जीवित और निर्जीव दोनों मामलों में स्मृति का वर्णन आया। लिविंग मैटर में स्मृति से, हर कोई समझता है कि क्या मतलब है, लेकिन निर्जीव में स्मृति से, आपके कंप्यूटर में जानकारी संग्रहीत करने के सभी साधन और कई अन्य तरीके हैं। तो, लेख के लेखक जी इवानित्सकी के दृष्टिकोण से, जीवन की पहचान भविष्यवाणी के लिए स्मृति का उपयोग है सबकुछ ठीक होगा, लेकिन केवल हमने पहले ही कई पूर्वानुमान कार्यक्रम और स्वचालित मशीनें बनाई हैं जो ऐसे कार्यक्रमों द्वारा निर्देशित हैं। मैं कम से कम कुछ दार्शनिक प्रश्न नहीं उठाना चाहता हूं कि जीवित और निर्जीव के बीच की सीमा कहां है, क्या रोबोट तब जीवित हैं, और हम सिर्फ जटिल समग्र ऑटोमेटा, आदि कर सकते हैं। और बस एक समस्या की तर्क की एक पंक्ति लाओ जो लेख की सामग्री का उपयोग करके मुझे अधिक रुचि देता है।

डार्विन ने सुझाव दिया कि आनुवंशिकता, चयन और परिवर्तनशीलता विकास के पीछे की ताकत हैं। हालाँकि, चयन एक प्रेरणा शक्ति नहीं हो सकता है, यह पहले से मौजूद है, जो विविधता को कम करता है। चयन एक कमी ऑपरेशन है। शब्द "परिवर्तनशीलता" के बजाय, "आत्म-जटिलता" शब्द का उपयोग किया जाना चाहिए। लेकिन आत्म-जटिलता तंत्र कैसे लागू किया जाता है?

किसी भी प्रक्रिया की तरह, ऊर्जा और इस ऊर्जा के उपयोग के लिए एक दिशानिर्देश को जटिल बनाने की आवश्यकता है। लेखक इस बात का सीधा जवाब नहीं देता कि यहाँ क्या होना चाहिए। वह इस प्रक्रिया के लिए अपनी राय में निकटतम संभव सादृश्य खींचता है। एक यादृच्छिक सममित अराजक प्रक्रिया से एक निर्देशित प्रक्रिया और ऊर्जा भंडारण कैसे उत्पन्न होता है। क्यों एक सममित अराजक प्रक्रिया है, क्योंकि जीवन का उद्भव आणविक स्तर पर थर्मोडायनामिक संतुलन की विशेषता वाले तरल में माना जाता है। और स्पष्टीकरण की सादगी और स्पष्टता के लिए, सममित अराजक प्रक्रिया एक संभाव्य बाइनरी गेम में कम हो जाती है।

एक संभावित बाइनरी गेम एक साधारण सिक्का टॉस है। इस तरह का खेल सममित है, अनंत संख्या में फेंकता के लिए, जीतने और खोने की औसत संभावनाएं समान हैं। सवाल यह है कि क्या कोई खिलाड़ी किसी भी तरह से समरूपता को तोड़ सकता है?
खेल की परिस्थितियाँ काफी सख्त होती हैं, हर बार जब एक सिक्का फ़्लिप किया जाता है, तो खेल फिर से शुरू होता है, पिछले सभी खेल परिणाम भूल जाते हैं। प्रत्येक नए खेल की संभावना पिछले एक पर निर्भर नहीं करती है। इसका मतलब है कि जीतने के लिए कोई रणनीति नहीं है, और इष्टतम रणनीति, सिक्के के एक तरफ की संभावना को पूरी तरह से यादृच्छिक पक्ष अनुमान लगाने की रणनीति के साथ बाहर गिरने के विपरीत, एक ड्रॉ की गारंटी देता है।

फिर भी, यदि खिलाड़ी के पास स्मृति का कम से कम एक दौर है और शर्त को बदलने की क्षमता है, तो आप खिलाड़ी को विषमता लाने वाले दांव को बदलने की रणनीति चुन सकते हैं। समय में खेलों के परिणामों पर विचार करते समय, उन्हें विभिन्न लंबाई की जीत और हार के वैकल्पिक समूहों के अनुक्रम के रूप में दर्शाया जा सकता है। जीतने के साथ ही अंकगणितीय प्रगति में एक से एक दर बढ़ाने के लिए रणनीति है। कुल मिलाकर, इस रणनीति को लागू करने के बाद, जीतने वाले क्लस्टर हारने वाले क्लस्टर की तुलना में अधिक लाएंगे।

इस तरह की रणनीति एक चर प्रतिक्रिया गुणांक के साथ नियंत्रण प्रणाली का सबसे सरल उदाहरण है। हमारे मामले में, खिलाड़ी एक रणनीति के साथ आया था, यह अज्ञात है कि यह प्रकृति में कैसे हुआ। लेकिन यह स्पष्ट है कि सभी जीवित वस्तुओं का केंद्रीय विचार एक जीवित रणनीति है जिसे नियंत्रण प्रणाली की आवश्यकता होती है। जीवित जीवों में, इस तरह की प्रणाली को आणविक स्तर पर एककोशिकीय और सेलुलर स्तर पर - उच्च जीवन रूपों के तंत्रिका तंत्र में न्यूरॉन्स पर लागू किया जाता है।

ऊपर वर्णित नियंत्रण प्रणाली में अंतिम सिक्का टॉस गेम के परिणाम को स्टोर करने के लिए उपयोग की जाने वाली मेमोरी है। प्रत्येक नए गेम के साथ, मेमोरी सेल अपने मूल्य को अपडेट करता है। इस तरह की मेमोरी एक सरल संरचना पर आधारित है और इसे आसानी से तंत्रिका नेटवर्क पर लागू किया जाता है, लेकिन फिर भी यह ठीक एक घड़ी चक्र रखती है। और शायद यह जीवन प्रबंधन प्रणालियों के विकास में प्रकृति का पहला कदम था।

अब विकास का सबसे कठिन उत्पाद मानव मस्तिष्क है, जिसमें कई न्यूरॉन्स होते हैं। न्यूरॉन्स के बीच न्यूरॉन्स और कनेक्शन बहुत जटिल संरचना हैं। मस्तिष्क का नक्शा बताता है कि मस्तिष्क के संरचनात्मक भाग क्या हैं और वे किसके लिए जिम्मेदार हैं, अभी भी परिष्कृत और सुधार किया जा रहा है। और हम मानव मस्तिष्क के "कनेक्ट" को भी संकलित करने से दूर हैं - शरीर के तंत्रिका तंत्र में कनेक्शन की संरचना का पूरा विवरण।

लेकिन मानव मस्तिष्क के महत्वपूर्ण गुणों में से एक "स्थायी स्मृति" है, जो आपको जन्म से ही मालिक के बिना उपरोक्त और समान रणनीतियों को सीखने और कार्यान्वित करने की अनुमति देता है। यह मानना ​​तर्कसंगत होगा कि हमारे मस्तिष्क की संरचना हमें इस तरह के गुर करने की अनुमति देती है। और अगर हम अधिकतम सभी जटिल गुणों को छोड़ देते हैं और खुद को एक नियंत्रण प्रणाली मॉडल बनाने का कार्य निर्धारित करते हैं, तो इसकी संरचना हमें सरलतम रणनीति को ध्यान में रखने और एक ही समय में इसके द्वारा निर्देशित होने की अनुमति देगी। (मैं अभिव्यक्ति के साथ एक सख्त सादृश्य द्वारा मारा गया हूं "सिस्टम को पता है कि वह क्या कर रहा है।") क्या हम न्यूरॉन्स पर इस तरह की समस्या को हल कर सकते हैं? जैसे, एक समाधान पहले से मौजूद है, लेकिन विशेषज्ञ प्रणालियों के रूप में, नए प्रमेयों और इस तरह के कार्यक्रमों को प्राप्त करना है, लेकिन न्यूरॉन्स पर नहीं। और मैंने यह नहीं सुना कि कोई तंत्रिका नेटवर्क पर इस तरह के ढांचे के निर्माण में गंभीरता से संलग्न होगा। न्यूरॉन्स की जटिल संरचनाओं के साथ काम करने का आखिरी गंभीर प्रयास एक कनेक्शन में सबसे सरल राउंडवॉर्म के तंत्रिका तंत्र का कार्यान्वयन है। लेकिन कृमि में "स्थायी" स्मृति की कोई संरचना नहीं होती है, केवल जीवन के उच्चतर रूपों में यह गुण होता है। या, मेरे दृष्टिकोण से, एक साधारण बिल्ली की तुलना में थोड़ी अधिक मात्रा में न्यूरॉन्स के युगपत संचालन का एक खराब सचेत अनुकरण।

मेरे पास एक लेख है कि मैंने एक तंत्रिका नेटवर्क पर एक सरल अमीबा नियंत्रण प्रणाली कैसे बनाई है जो लक्ष्य की ओर जाती है। अब मैं न्यूरॉन्स पर एक नियंत्रण संरचना बनाना चाहता हूं जो निम्नलिखित आवश्यकताओं को पूरा करे:

• एक अमीबा, दो स्थलों के साथ एक कमरे में प्रवेश करना, बेतरतीब ढंग से कमरे के चारों ओर घूमना, छिपे हुए भोजन पर ठोकर खाना और यादृच्छिक रूप से स्थलों के सापेक्ष स्थित होना।
• फिर अमीबा उपरोक्त दिशानिर्देशों के बिना दूसरे कमरे में जाता है, लेकिन किसी अन्य के साथ।
• तब अमीबा फिर से पहले कमरे में प्रवेश करती है और सबसे पहले उस पुरानी जगह पर जाती है जहाँ उसे भोजन मिला था।

अपने पिछले अनुभव से, मैं कह सकता हूं कि "स्थायी" स्मृति को साकार करने के केंद्रीय विचार को बनाए रखते हुए कार्य को संभवतः सबसे अधिक आदिम स्तर तक और भी सरल बनाया जाएगा। खैर, परिणाम दूसरे तरीके के रूप में होगा कि यह कैसे काम नहीं करता है।

सामग्री:
लेख " 21 वीं सदी: भौतिकी के दृष्टिकोण से जीवन क्या है " जी.आर. Uspekhi Fizicheskikh Nauk जर्नल में इवानित्सकी।
वीडियो कार्यक्रम " लोकप्रिय विज्ञान " लेख की चर्चा के साथ।