Компьютерная модель мозга

Я программист или компьютерный инженер, и мне интересно сравнить мозг с классическим компьютером. Насколько корректно это сравнение?

Это общее введение в метафору компьютера/мозга и ее практические ограничения. Подобные вопросы на этом форуме включают:

Я понимаю, что вы пытаетесь здесь сделать, Арнон, но в нынешнем виде это не совсем подходит для формата вопросов и ответов. Одним из вариантов может быть добавление этой всеобъемлющей документации в информацию о тегах, хотя ее может быть трудно найти (не знаю текущую позицию SE по этому вопросу). Другой вариант — сделать вопрос намного шире (что-то, что обычно было бы закрыто, но в данном случае это имело бы смысл, поскольку мы можем закрыть все похожие вопросы как дубликат этого) и включить все вопросы, на которые вы ссылаетесь, в ответ, возможно, классифицируя их.
Мне нравится, как вы резюмировали это. Более избирательный и стабильный, чем тег, и все же организованный в одном месте. Вот как химия SE сделала сводку ресурсов для изучения химии: chemistry.stackexchange.com/q/37303/64817
@StevenJeuris, давайте обсудим в мета- психологии.meta.stackexchange.com /q/2369/4397

Ответы (2)

Ссылка этого вопроса на классический компьютер относится к стилю вычислений « Машина Тьюринга », также известному как система знаний , в которой решения и возможные результаты предварительно запрограммированы с использованием операторов if, циклов и других логических конструкций.

Однако большинство современных программистов и инженеров хоть немного знакомы с нейронными сетями, используемыми для машинного обучения . Искусственные нейронные сети (ИНС) в общих чертах основаны на том, как работает мозг ( биологическая нейронная сеть ). Если вы хотите использовать свой компьютерный опыт, чтобы понять мозг, я рекомендую вместо этого изучить нейронные сети. Если у вас уже есть какое-то представление о нейронных сетях, то подумайте о том, как работают Siri или Watson.

Хотя о нейронных сетях, безусловно, можно думать как о хранении данных, выполнении алгоритмов, параллельной обработке и измерениях памяти и скорости, концептуально они сильно отличаются от классических компьютеров, и, как правило, их сравнивать нецелесообразно. В частности, « фон-неймановский » архитектурный стиль современных компьютеров не имеет аналога в мозге (например, нет разделения между областями, выполняющими вычисления, и областями, хранящими память). Если вам все еще интересно такое сравнение, то на многие из перечисленных выше вопросов уже есть отличные ответы, так что ознакомьтесь с ними.

Если вас интересует моделирование мозга с использованием классической методологии вычислений, то ознакомьтесь с ACT-R , популярной архитектурой для моделирования мозга с использованием модульной системы, основанной на знаниях (см. также этот вопрос на форуме ).

Искусственные нейронные сети также не являются идеальной моделью для биологических нейронных сетей, и если вас интересует разница, то посмотрите этот вопрос на форуме .

Я сомневаюсь, что вопрос относится к стилю вычислений «Машина Тьюринга» (т.е. бесконечная лента с управляющей структурой DFA). Я подозреваю, что вместо этого программисты думают в терминах архитектуры фон Неймана . Конечно, смысл CS заключается в том, что эти модели (включая ИНС) эквивалентны, и многие вопросы, которые мы можем задать об одной, переносятся (вплоть до некоторых факторов моделирования) на другие. Я бы также скептически отнесся к тому, чтобы поощрять инженеров думать, что они узнают что-то о мозге (неважно), глядя на CS ANN.
Комментарии не для расширенного обсуждения; этот разговор был перемещен в чат .

Это направление мысли на самом деле представляет современное состояние научных подходов к мозгу. До того, как мы открыли электричество и то, что (периферические) нейроны проводят электричество, одна аналогия или объяснение предполагало, что разум работает посредством гидравлического действия.

Поэтому возможно, что нам придется отказаться от этой аналогии, если мы найдем лучшую. А пока мы придаем ему объяснительную силу. Однако мы знаем, что схема мозга сильно отличается от компьютера. В то же время нейроны имеют дискретные выходы, которые можно представить в бинарном виде ( все или ничего ). (Но есть также нейроны без спайков с более продолжительным «аналоговым» ответом.)

Предлагаемые чтения:

Наука о мышлении

Философия разума: компьютеризм

Классический аргумент против вычислительной техники: аргумент китайской комнаты