Хотя обсуждаемые темы имеют и академический интерес, в настоящем сообщении приводится информация только для операционной деятельности.
Существуют многочисленные экспериментальные подтверждения лавинообразного характера сигнала в биологической нейронной сети. В коллективном сигнале, который обрабатывает мозг, нейроны уже «обезличены» по отношению к органам чувств и индивидуальным модам. Представляется важным отметить следующий факт: мозг обучается не на совокупности отдельных нейронов, а на особом коллективном состоянии нейронов. С потерей лавинообразного характера сигнала в биологической нейронной сети, что, по сути, сейчас моделирует искусственная нейронная сеть, наступает состояние эпилепсии.
Таким образом, задача в обработке данных именно лавинообразных сигналов приводит к искусственному интеллекту на новых физических принципах. Другими словами, обучение должно строиться не на исходных данных, а исключительно лишь на уникальной способности исходных данных к взаимной корреляции.
Лавины или процессы самоорганизованной критичности (СОК) характеризуются масштабной инвариантностью и достижением критичности без управляющего параметра. Масштабная инвариантность процессов СОК (лавина, землетрясение, детонация) делает их интуитивно непонятными в связи с тем, что в повседневной жизни чаще встречаемся с примерами, где важна размерность (масса, длина), когда размеры имеют значение. Модель песчаной кучи даёт наглядное представление систем СОК. Лавины отличаются между собой только некой безразмерной топологической характеристикой.
В статьях предложен ряд нестандартных идей к описанию СОК: представление лавины в обычном пространстве подменяется представлением линейной системы во фрактальном пространстве (фрактальном многообразии). При этом возникает топологическая характеристика лавины, не имеющая аналога в пространствах целой размерности, - показатель связанности
. Новая характеристика является платой за масштабную инвариантность процессов самоорганизованной критичности.
В работе предложен способ построения фрактального многообразия в одномерном пространстве. Для ключевой характеристики лавины - показателя связанности
получена следующая формула:
Топологическая характеристика - показатель связанности определяется для произвольного набора данных. Квадратичные формы S и N всегда положительные. Метод неприменим для линейных данных и случайных чисел.
В обработке данных от сильно зашумлённых сигналов, а здесь видится эффективное применение, необходимо увеличивать точность. По опыту одной из успешно решённых задач, желательно иметь общее количество точек больше 2-3 тысяч, а показатель связанности рассчитывается в диапазоне от 100 до 500 точек с небольшим шагом в пять точек от начала данных до конца. Вычисляется суммарный показатель связанности и находится максимальное значение для некоторого диапазона. Значит, в найденном диапазоне исходных данных наиболее сильная связанность. Метод позволяет количественно сравнивать наборы данных между собой. Уточнение алгоритма и приведение других, более громоздких формул, значительно усложнит настоящее сообщение. Заметим, что формула (1) инвариантна относительно любых линейных преобразований исходных данных.
Уникальность формул (1 – 3) состоит в инвариантности показателя связанности для множества точек функций Гаусса и Бесселя от гранулярности по n, для достаточно больших n. По-видимому, обнаружено новое свойство для известных функций Гаусса и Бесселя.
Пока накоплена небольшая практика в вычислениях показателя связанности. В каждой задаче существует своя специфика, понятная лишь владельцу задачи. Например, был бы интересен сравнительный анализ показателя связанности данных на фондовом рынке. Для этого необходимы оцифрованные данные биржевой кривой, которые непонятно где брать. Фондовый рынок представляет огромный научный интерес, выраженный в многочисленных публикациях посвящённых математическим оценкам коллективного бессознательного или стадного эффекта (оленеводство) .
Применение данного явно затратного метода может быть оправдано в случае ожидаемой самоорганизованной критичности данных, явной нелинейности данных, когда необходимо количественное сравнение коллективных эффектов. Например, прогноз землетрясений. Или в задачах локации, когда результат может быть важнее затрат. Существенным ограничением предложенного алгоритма является обработка данных только одномерного массива. В отдельных случаях возникала возможность из симметрии системы выделить одну размерность для решения задачи.
Meisel, C., Storch, A., Hallmeyer-Elgner, S., Bullmore, E. & Gross, T. (2012) Failure of adaptive self-organized criticality during epileptic seizure attacks. PLOS Computational Biology 8, 1–8.
Milovanov, A.V. (1997) Topological proof for the Alexander-Orbach conjecture. Phys. Rev. E, 56, 2437-2446.
Зелёный Л.М., Милованов А.В., Фрактальная топология и странная кинетика: от теории перколяции к проблемам космической электродинамики, Успехи физических наук - 2004, №8, 809 – 852.
Владимиров В.В., Владимирова Е.В. Экономические аспекты развития технологий искусственного интеллекта // Экономика: вчера, сегодня, завтра. 2021. Том 11. № 6А. С.227-239.
Botsvadze I. Herd behavior in equity markets-the international evidence // Journal of Business. 2013. Vol. 2. N. 2. P. 41-46.
Виталий Владимиров vital.vladimirov@mail.ru
Комментарии (17)
phenik
04.03.2022 17:30Существуют многочисленные экспериментальные подтверждения лавинообразного характера сигнала в биологической нейронной сети.… Таким образом, задача в обработке данных именно лавинообразных сигналов приводит к искусственному интеллекту на новых физических принципах.
По современным представлениям в мозге распространены метастабильные состояния. В последнее время, наряду с нелинейной динамикой, они находят применение для объяснения различных аспектов мозговой активности (A. A. Fingelkurts and etc. (2017), G. La Camera and etc. (2019), R. Kozma, 2014, М. И. Рабинович и др. (2010)). В частности, на роль механизма нисходящей каузальности. Со временем, не исключено, такие состояния объяснят механизмы принятия решений, мотивации, проявления эмоций, восприятия, и др. ментальных явлений.
Vital18 Автор
04.03.2022 18:02+1Спасибо за ссылки. Близкие подходы по смыслу. Опирался больше на экспериментальные работы и математическую обработку экспериментальных данных. Где-то видел работу по лавинообразным сигналам у новорожденных. И да, процессы самоорганизованной критичности это редкие случайные события «чёрные лебеди». На мой взгляд (по анализу публикаций), самоорганизованная критичность больше относится к новым физическим принципам.
Vital18 Автор
Вариант возможной сферы применения алгоритма: ИК-спектры, рентгеноструктурный анализ (по двум углам).
Rutel_Nsk
Думаю мозг человека это DataFlow машина с «программой» в виде ациклического дерева.
С некоторым периодом на входы «программы» подается сигнал от датчиков и предыдущие обработанные данных. Очень похоже на работу цифровых автоматов (Мили и Мура).
Проявляется как различные ритмы (https://ru.wikipedia.org/wiki/Ритмы_головного_мозга )
Кстати слушать ритмы (шапочки с большим числом электродов) для выявления очем конкретно думает мозг смысла нет. Можете измерять пульс, размер мурашей на любой части организма — получите примерно такой же практический результат.
Vital18 Автор
Вопрос здесь принципиальный – как решаются задачи?
Где физика? Математика это физика, если что. Технологии это технологии, с помощью технологии логарифмическую линейку не сделать калькулятором.
С экспериментальными результатами о лавинообразном сигнале в биологической нейронной сети возникла тупиковая ситуация для технологии искусственного интеллекта.
Проблема состоит в масштабной инвариантности лавины.
Rutel_Nsk
Моим хобби является формулирование принципов работы компьютера пятого поколения, в нем подразумевается ИИ в качестве операционной системы.
В качестве начала Вас удовлетворят принципы преобразования обычной программы с языка высокого уровня в нейронную сеть (ну или в ациклический граф)?
Если да то читать здесь:
Коммуникационная основа (принцип организации сети связи, объединяющей миллионы отдельных параллельно работающих вычислителей ):
habr.com/ru/post/512652 — сеть (сейчас отлаживаю Verilog модель простого коммутатора)
habr.com/ru/post/577810 — применение сети в рамках суперкомпьютера на основе фон Неймана.
habr.com/ru/post/541968 — компьютер пятого поколения (статья несколько сумбурная и требует переписывания в виде серии статей по каждому из аспектов)
Преобразование последовательной программы в ациклический граф:
Читать абзац «Вычислитель», но лучше прочитать все по причине практически полной новизныи постоянных отсылок к частям технологий.
И собственно зачем все это затевается: habr.com/ru/post/489068
Создать автоматизированную биологическую фабрику для создания цифрово-биологических систем прямо взаимодействующих с человеческим мозгом и телом.
Постараюсь написать статью с моим взглядом на то как функционирует мозг человека (или нейронный компьютер, а не просто кусок нейронной сети) как единное целое и как он решает задачи, где рождается интеллект, что такое память, почему она субъективна и подвержена изменением и многое другое.
Постараюсь решить задачу поставленную Швабом (Клаус Шваб «Четвертая промышленная революция») в части самостоятельно функционирующих роботов, чтения и редактирования человеческого мозга и тд.
Vital18 Автор
Наверное, больше шансов продвинуться у тех, кто создаёт стадо взаимодействующих роботов. Рассмотрение одного человека в качестве модели вряд ли имеет смысл, теряется сверхзадача.
Утверждение: Вы не
поймёте, как работает мозг, если не понимаете, как взаимодействуют люди между
собой.
Rutel_Nsk
Это называется коллективный интеллект, в реальной жизни выше уровня амебы не зафиксирован. Для человека это называется «эффект толпы».
Эффективность суммы вычислителей как единого интеллекта очень сильно зависит от пропускной способности каналов связи и времени взаимодействия. Все что находится за пределами «человеческого черепа» если что то и вносит в суммарный интеллект, то для человека не сильно большой и очень быстро уменьшается с увеличением числа взаимодействующих особей (2-5 человек для человеческих коллективов).
Это полностью различные процессы, что можно сказать:
Сначала появился индивидуальный мозг и только потом коллектив.
Vital18 Автор
Мозг создан для стадного общения, и моделировать работу мозга необходимо исходя из этого железобетонного факта.
Rutel_Nsk
Крайне спорное утверждение — в природе нет животных живущих вне стаи?
Животное выпадающее из стаи лишается интеллекта?
Если говорить про человека, он наоборот умнеет если ему дать спокойно подумать.
Накопление знаний лучше идет в коллективе — это показали неандертальцы, вчистую проиграв кроманьенцам имевшим меньший размер мозга.
Vital18 Автор
Да, существует здесь научный парадокс. Если биологический мозг это орган стадного взаимодействия и думать в него необязательно, то для моделирования работы мозга необходимо соображать.
Кстати, статья на Хабре,
которую мы обсуждаем, содержит конкретный алгоритм до цифры, раскрывающий
механизм коллективного взаимодействия.
Rutel_Nsk
С эти с огласен, с уточнением «не подготовленных зашумленных и суммированных с другими данными». Иными словами на основе «зашумленной суммарной неупорядоченной соокупности данных».
Возможно я чего то не понимаю и где вы описываете коллективное взаимодействие или вы так описываете параллельность работы нейронов в «лавине».
Мое понимание «коллективности» это совместная работа нескольких отдельных систем. Отдельный нейрон это примерно как отдельная команда в программе и он не дотягивает до полноправного участника коллектива. Скорее нейрон можно считать преобразователем данных одним из многих работающих параллельно.
Например при преобразовании программы в направленный ациклический граф формируются структуры очень похожие на нейронные сети человеческого мозга.
Vital18 Автор
В физике коллективное состояние это самоорганизованная критичность, как и лавина. В точности по тем же принципам, по каким сигналы нейронов создают лавину, так и люди образуют коллективное состояние. Это важный принцип универсальности процессов самоорганизованной критичности. Примеры такого коллективного бессознательного или стадного эффекта проявляются в волатильности фондового рынка. Можно сказать, параллельность или, будет точнее, фрактальность по типу онтогенез повторяет филогенез. В ТЗ на биологический мозг не предполагалось ещё и думать в него, только стадное.
Есть многочисленные публикации по моделированию процессов самоорганизованной критичности.
Rutel_Nsk
В физике коллективное состояние — это состояние атомов вещества
(обычно так лазерные системы описывают).
Влияние меж-человеческих связей пренебрежительно мало по сравнению со связями между нейронами (объем передаваемой информации мал, время передачи велико). Единственная сфера где это влияние велико это накопление знаний.
Для того что бы связи между людьми начали существенно влиять, нужно «мозги» или интеллект человека вынуть из биологического мозга и поместить в единую среду.
К сожалению интеллект такого коллективного сознания не ушел дальше амебы.
Думаю это не будет работать. Ожидаемый переход носит еще одино ранее не использованное изменение — эволюция перешагнет границу биологического существа и существо станет информационным и никак не привязанным к носителю (ранее биологической клетке).
Думаю это следствие идеи — А давайте повторим биологическую структуру и может в ней зародится сознание (жизнь). Думаю тупиковый путь.
YNK
Математика это язык, его коммуникативные системные функции позволяют связать его собственные универсальные символы с наборами познавательных логик (гитик), хоть физики, хоть химии, хоть биологии.
Vital18 Автор
«Математика — это та часть физики, в которой эксперименты дёшевы», В.И. Арнольд.
Vital18 Автор
Математика это язык …..
Ещё цитата:
"Истинный путь к овладению искусством проходит не через технологии, но через науку. И это - нелепая манера невежественных учителей начинать с технологии, а не с науки. Поэтому вместо мастерства их ученики обучаются только трюкам… и, несмотря на обучение, это приводит к потере драгоценного времени и превращению умов жаждущих и трудолюбивых в невежественные и ленивые".
Уильям Отред, изобретатель логарифмической
линейки.