WIES AW GALUS *
ARCHITEKTURA WIADOMOCI
CZ I: LOGIKA I MORFOLOGIA SIECI NEURONOWEJ
1.WSTP
Ostatnie dziesiciolecia przyniosy niesychany rozwój metod obrazowa-nia procesów neuronowych w mózgach ywych zwierzt i ludzi. Pozwolio to odkry wiele waciwoci ludzkiej i zwierzcej pamici oraz jej plastycz-noci, umoliwiajcej uczenie. Wszystkie te sukcesy nie doprowadziy jednak do wyjanienia, jak w mózgu rodzi si wiadomo, wiadome od-czuwanie, wiadomo przestrzeni, w której znajduje si mylcy umys, rozumienie wasnego pooenia w otaczajcym rodowisku, do objanienia istoty odczuwania qualiów, a tym bardziej – jak powstaje bogata psychika, zdolna do refleksji nad wasnym stanem umysu, czyli wiadomo reflek-syjna, wedug terminologii Velmansa [VELMANS 2009].
W okresie ostatnich 10 lat opublikowano przeomowe rezultaty prac ba-dawczych i analiz funkcjonowania sieci neuronowych, zarówno naturalnych jak i sztucznych, które pozwalaj na zbudowanie modelu mózgu zdolnego do tworzenia umysu. Rezultaty tych prac, z zakresu bada nad inteligencj obliczeniow, z zakresu psychologii, neuromorfologii i neurofizjologii, fizy-ki zjawisk na membranach synaptycznych oraz filozofii umysu, zebrano w niniejszej pracy, czc je w cig hipotez i wyników bada ukazujcy sposób przetwarzania percepowanych sygnaów od wstpnych pól percepcyjnych, a do poziomu wytwarzania wiadomoci i samowiadomoci. Trzeba tu zazna-czy, e wiele tych najnowszych rezultatów nie uzyskao jeszcze powszech-nego uznania i nie stay si standardem w objanianiu procesów
psychicz-Dr in. WIES AW GALUS – pracownik Eutherm Sp. z o.o.; adres do korespondencji: ul. Za-chodzcego So ca 46, 01-495 Warszawa; e-mail: w.galus@eutherm.eu
nych w mózgach. Wszystkie one jednak s dobrze udokumentowane eks-perymentalnie i potwierdzone w wielu niezalenych, czoowych orodkach naukowych zajmujcych si tymi specjalistycznymi dziedzinami wiedzy. Oparcie si na tych rezultatach uzasadnione jest take olbrzymi liczb cyto-wa wyselekcjonowanych tutaj prac, która wzrasta z kadym miesicem. Praca niniejsza jest prób zbudowania kompleksowego modelu umysu w opar-ciu o te nowe odkrycia, jak równie w oparopar-ciu o wasne koncepcje i hipotezy dotyczce zasad jego funkcjonowania. Ze wzgldu na obszerno multi-dyscyplinarnej tematyki koniecznej dla objanienia modelu umysu wiado-mego prac podzielono na trzy czci, które bd za prezentowane w ko-lejnych numerach. S one wzajemnie powizane i wymagaj zapoznania si z caoci dla przeledzenia wzajemnych zalenoci midzy poszczególnymi funkcjami mózgu i umysu.
Zbudowanie satysfakcjonujcego modelu umysu jest równowane zrozu-mieniu fenomenu, jakim jest wiadomo. Model „satysfakcjonujcy”, ozna-cza model moliwy do zrozumienia, unikajc paradoksu Boniniego. Potwier-dzeniem prawidowego rozumienia powinien by walor predykcyjny modelu, co oznacza zdolno wyjanienia wielu fenomenów rozpoznawanych w umy-le przez psychologi i neurologi, a take przez psychiatri, w odniesieniu do mózgów i umysów patologicznych. W szczególnoci model wytumaczy musi biofizyczne podoe pamici trwaej, jak i krótkotrwaej, roboczej, de-klaratywnej, semantycznej i epizodycznej oraz jej niezwyke waciwoci wystpujce u czowieka. Naley do nich zdolno do trwaego zapamitania epizodów w jednorazowym akcie zapamitywania, przy zachowaniu plastycz-noci pamici, gwarantujcej zdolno do dalszego uczenia si; zdolno do zapamitywania krótkotrwaego informacji aktualnie przetwarzanych i spo-sób integracji pamici krótkotrwaej z pamici dugoterminow; spospo-sób adresowania zawartoci pamici epizodycznej tak, aby moliwe byo szybkie przypominanie zapamitanych sekwencji w dowolnej konfiguracji czaso-przestrzennej. Model wskazywa musi na algorytmy przetwarzania postrze-e dostarczanych przez wejciowe pola percepcyjne na wraenia i odczucia oraz na rozpoznawalne i uwiadomione percepty podlegajce dalszej kate-goryzacji, asocjacji i generalizacji. Model musi take wyjania, w jaki spo-sób morfologia i reguy funkcjonowania modelu kreuj emocje i motywacje obserwowane w realnym umyle.
Biorc pod uwag tak sformuowane zadanie, w niniejszej pracy przed-stawiono w trzech czciach zamieszczonych w kolejnych numerach „Rocz-ników Filozoficznych” podstawy biofizyczne i epistemologiczne, na których
wspiera si proponowany model. W czci pierwszej w rozdziale 1 zasygna-lizowano, jak wykorzystywana w dalszej czci pracy idea torowaa sobie drog w koncepcjach dwudziestowiecznych badaczy, kontynuujcych tra-dycje Arystotelesowskie. Rozdzia 2 przypomina waciwoci sieci neuro-nowych stosowanych do rozpoznawania obrazów i postrzee zmysowych oraz tworzenia perceptów. Zdolnoci te wykorzystywane zostay w dalszych torach uwiadamiania perceptów, tworzonych na niszych poziomach prze-twarzania. Przedstawiono take trudnoci, na jakie natrafiy dotychczasowe próby modelowania tych procesów w formie tak zwanej klasycznej sztucznej inteligencji (AI). W rozdziale 3 pokazano, jak wsparcie si na epistemo-logicznych podstawach rozumienia pozwala matematycznie modelowa ten proces, a w rozdziale 4 podkrelono skuteczno algorytmów logiki dyna-micznej, pozwalajcej nie tylko na rozpoznanie obiektów i zrozumienie oto-czenia, ale take kreujcej motywacje do dziaa poznawczych. Rozdzia 5 wskazuje na ograniczenia czysto matematycznego modelowania procesu poznawczego. W rozdziale 6 zademonstrowano, w jaki sposób usun mona te ograniczenia i jak algorytmy rozpoznawania realizowane by mog przez sprzenia synaptyczne realnych struktur neuronowych mózgów naturalnych. Rozdzia 7 wskazuje na konieczno znalezienia biofizycznego podoa pro-cesów neuronowych a szczególnie synaptycznych. W czci drugiej w roz-dziale 8 wykazano, e bez wniknicia w molekularn struktur przeka-zywanych sygnaów nie sposób jest wykorzysta struktury morfologicznej mózgu do wyjanienia obserwowanych w naturze procesów mózgowych. Dopiero zastosowanie praw Neuro-Elektro-Dynamiki pozwala wyjani nie-zwyke cechy ludzkiej pamici. Mechanizmy pamici, sposoby kolekcjono-wania wiedzy zapeniajcej poszczególne rodzaje pamici i znaczenie me-chanizmów koncentracji uwagi, które selekcjonuj zawarto pamici robo-czej, pozwalaj zrozumie, jak nastpuje proces uwiadamiania sobie qua-liów. Procesy te opisano bardziej szczegóowo w rozdziale 9. Przedstawiono tu take koncepcj funkcjonowania pamici epizodycznej zdolnej do prze-twarzania relacji czasowych w konfiguracje przestrzenne typowe dla pól synaptycznych w korze mózgowej. W czci trzeciej rozdzia 10 pomieci koncepcje motywacji do dziaa inteligentnych i wiadomych. W nim te przedstawiono znaczenie bólu i mechanizmów nagrody, odczuwanych jako qualia przez mózgi naturalne i z tego tytuu traktowane jako dodatkowy rodzaj zmysów. W rozdziale 11. omówiono fundamentalne znaczenie cieka-woci i potrzeby rozumienia jako motywacji procesów poznawczych. Roz-dzia 12 czy omawiane we wczeniejszych rozRoz-dziaach elementy w
kom-pleksowy model umysu wiadomego. Omówiono tu zrónicowane stopnie wiadomoci. Objaniono istot procesu „rozumienia”. Rozdzia 13 wyko-rzystuje cechy kompleksowego modelu umysu do gbszego wniknicia w istot stanu wiadomoci i analizy, jak umys okrela moe autonomicz-nie cel i sens ycia. W rozdziale 14 rozwaono, czy umys wedug propono-wanego modelu odznacza si bdzie woln wol i samowiadomoci. Rozdzia 15 przedstawia relacje stanu wiadomoci generowanej przez mo-del do potocznie rozumianej duszy ludzkiej oraz sposób usunicia dualizmu midzy przyczynowym charakterem redukcjonistycznego modelu mózgu a teleo-logicznym charakterem umysu tworzonego przez ten mózg. Rozdzia 16 sta-nowi podsumowanie i przedstawia wnioski wynikajce z przedstawionego modelu i objanienia, czym jest wiadomo.
Bez omówienia wszystkich tych procesów i wyjanienia wszystkich wy-mienionych zjawisk umysowych model pozbawiony bdzie waloru prze-widywania cech odnajdywanych w umyle ludzkim i zwierzcym. Oznacza to bdzie, e nie osignlimy penego zrozumienia procesów w nim za-chodzcych i e model nie dziaa. Z tego powodu podjto prób zebrania gównych zaoe modelu w jednym artykule, umoliwiajcym caociowe objcie wzajemnych powiza procesów mózgowych i zalenoci objania-jcych, w jaki sposób tak zoona cao moe jednoczenie wykazywa tak specyficzne dla umysu zachowania.
1. RÓD A WIEDZY W UMYLE
Procesy poznawcze, nazywane ogólnie myleniem, s funkcj sieci neu-ronowej, która jest dominujc struktur ludzkiego mózgu odpowiedzialn za rozumienie, wiadomo i wszelkie inne wysze funkcje psychiczne. Na procesy te skada si postrzeganie obiektów, ich rozpoznanie, kategoryzacja i generalizacja. Obiektem moe by wszelki obiekt materialny, jak i proces postrzegany przez nasze zmysy. Obiekty te, oddziaujc na nasze zmysy, tworz scen reprezentujc otaczajce nas rodowisko i wszelk rzeczy-wisto, a po zoono wszechwiata. Rozpoznane obiekty sceny tworz mentaln reprezentacj otaczajcej nas rzeczywistoci, któr nazywa b-dziemy modelem rzeczywistoci. Modele dotyczy te mog fragmentów rzeczywistoci znajdujcych si w zasigu naszych zmysów (np. w polu widzenia). Poszczególne zmysy obsugiwane s przez specyficzne pola mózgu tworzce tzw. modalnoci.
Waciwoci sieci neuronowej, odbierajcej pobudzenia neuronowe od receptorów zmysowych, jest zdolno tworzenia tych modeli w toku indy-widualnych dozna i przey, których dowiadczalimy w przeszoci. Od-powiada to procesowi uczenia. Umys rozumie wiat poprzez te modele, odnoszc je do postrzeganych obiektów. Logiczn konsekwencj tego faktu jest konieczno porównywania mentalnych reprezentacji modeli rezyduj-cych w naszej pamici z reprezentacjami mentalnymi postrzeganych obiektów.
Nowoczesne pojmowanie procesów poznawczych prowadzcych do wia-domoci miao wielu prekursorów, poczynajc od Arystotelesa i Platona. Koncepcje Arystotelesa dopuszczay uczenie si (poprzez dynamiczne od-dziaywanie formy i materii) oraz wskazyway na motywacj do poznania (w eudajmonii, poprzez czysty akt poznania w odrónieniu od hedonii, bez-poredniego odczuwania przyjemnoci bytu).
Istotn koncepcj, z punktu widzenia modelu prezentowanego w niniej-szej pracy, przedstawi Marvin Minsky. Postulowa on struktury pamici nazywane „K-line”, czce aktualny stan umysu ze stanami uprzednio utrwalonymi w naszej pamici [MINSKY 1980]. W ten sposób pami indu-kuje stan, poprzez który widzimy biec rzeczywisto, jako przykad za-pamitanego zdarzenia.
Prace nad sztuczn inteligencj zdominoway analizy procesów poznaw-czych, zachodzcych w ludzkim umyle. Pojawiay si kolejne koncepcje, próbujce odkry algorytmy, które musz by wykonywane w systemach naturalnych lub sztucznych, aby system móg wykazywa inteligencj. Stephen Grossberg wprowadzi pojcie rezonansu midzy sygnaami góra-dó/dó-góra, co odpowiada konfrontacji ogólnych modeli/wzorców pami-ciowych, ze szczegóowymi perceptami odbieranymi przez zmysy. Kade wiadome postrzeenie wymaga takiego rezonansu i gdy go brakuje, po-strzeenie nie trafia do wiadomoci [GROSSBERG 1982, 2000a, 2000b]. Model
relacyjny Taylora odwoywa si w podobny sposób do relacji midzy syg-naami sensorycznymi i zapamitanymi epizodami. Przy tym pami robocza miaa by pierwsz, gdzie porównywane s te sygnay i gdzie emergentnie wyania si poczucie wiadomoci [TAYLOR 1992, 1998a, 1998b].
W odrónieniu od tego nurtu redukcjonici brali pod uwag jedynie aspekt funkcjonalny wiadomoci. Idea wywodzca si z behawioryzmu przybraa skrajn posta prób modelowania poszczególnych funkcji mózgu z przekonaniem, e jeli takie modele bd dokonyway tych samych ope-racji co mózg ludzki, wówczas fenomen wiadomoci bdzie musia im towarzyszy. Przy tym niekoniecznie musi si on wiza z waciwociami
wewntrznymi i stanami mentalnymi mózgu. Odzwierciedla t ide hipoteza „globalnej przestrzeni roboczej” (Global Workspace), zaproponowana przez Baarsa i innych [BAARS 1997, 1998; DEHAENe & NACCACHE 2001], oraz idea inteligencji ucielenionej (Embodied Intelligence), sformuowana przez Hurley i innych [HURLEY 1998; NOË 2005, 2009].
Dalsze badania sieci neuronowych umoliwiy gbokie wniknicie w cha-rakter procesów mózgowych. Zdolno przetwarzania informacji dostarcza-nych przez nasze zmysy, tworzenia ich reprezentacji mentaldostarcza-nych i ich porównywania z reprezentacjami mentalnymi przechowywanymi w naszej pamici, zawdziczamy niezwykym waciwociom struktury, któr tworz zwierzce neurony, a które nazywamy sieci neuronow. Jest to równowane przedstawionym wyej ideom porównywania modeli i perceptów. Stwier-dzono, e neurony maj wrodzon struktur pocze charakterystyczn gatunkowo, jednake bardzo zblion dla wszystkich zwierzt, posiadaj-cych centralny ukad nerwowy [MARKRAM 2011]. Szczególnie dobrze po-znano procesy rejestracji bodców zmysowych i ich przetwarzania w pier-wotnych polach kory mózgowej.
Procesy postrzegania i rozpoznawania obiektów, a take procedury ucze-nia zostay w XX stuleciu do dobrze poznane i opisane [BISHOP 1996]. Ju w latach 80. XX wieku opisano do szczegóowo i kompleksowo funk-cjonowanie ukadu wzrokowego [INGLE 1982; Milner i inni 2008] i sposób postrzegania i rozpoznawania obrazów [ULLMAN 1996]. Opis ogldu i roz-poznawania sceny przez mózg przedstawi Francis Crick w swojej popular-nej ksice Zdumiewajca hipoteza [Crick 1997], a opis tworzenia reprezen-tacji neuronowych i dynamik ksztatowania si sieci neuronowej, przed-stawi Gerald M. Edelman w ksice Przenikliwe powietrze, jasny ogie [EDELMAN 1999]. Klasyczny model systemu wzrokowego opisuje proces tworzenia i rozpoznawania obrazu poprzez kaskad pobudze skierowan z dou do góry (bottom-up) od pobudzenia wejciowych neuronów i pól percepcyjnych (V1, V2), do wyszych pól wzrokowych, w których doko-nywana jest analiza i rozpoznawanie obrazów (V4 i wysze). Wielu badaczy zwraca jednak uwag na znaczenie procesu porównania neuronowych kore-latów rejestrowanych przez zmysy obrazów, tworzonych w niszych warst-wach sieci, z konfiguracjami pobudze neuronowych, korelatami modeli, pyncych z „górnych” pól neuronowych (lecych wyej w hierarchii prze-twarzania), czyli z góry w dó (top-down). Te korelaty modeli wytwarzane s w wyszych polach mózgowych w procesie wczeniejszego uczenia.
2. ARCHITEKTURA SIECI NEURONOWEJ
Dalsze badania pozwoliy rozpozna zoon warstwow struktur kory mózgowej, co umoliwio jej matematyczne i elektroniczne modelowanie. Starano si skopiowa niezwyke waciwoci sieci neuronowych, tworzc struktury, które miay dziaa tak jak naturalny mózg i zwierzce neurony. W ostatnich latach dokonano w tej dziedzinie znaczcych postpów. Zbu-dowano elektroniczne modele neuronowych sieci kognitywnych, naladujce procesy przebiegajce w umysach istot ywych. Projekty te doprowadzi miay do zbudowania sztucznej inteligencji (Artificial Inteligence – AI). Architektura tych sieci w duej mierze przypomina, a lepiej powiedzie – intencjonalnie naladuje, budow mózgu. Wikszo tych sieci skada si ze stosunkowo prostych elementów – komórek, poczonych wzajemnie w spo-sób umoliwiajcy przesyanie sygnaów do duej liczby podobnych komó-rek odpowiadajcych neuronom. Wasnoci przetwarzania sygnaów deter-minowane s struktur sieci pocze neuronów. Poczenia te mog mie zmienn charakterystyk transmisji poprzez elementy czce, zwane – przez analogi z mózgiem – synapsami. Sieci posiadaj budow warstwow – od niszych poziomów tworzcych pola percepcyjne, do poziomów wyszych. Posiadaj one moliwo przekazywania bodców reprezentujcych stany mentalne w gór hierarchii od pól sprzonych z receptorami do wyszych poziomów przetwarzania (bottom-up). Stany mentalne to konfiguracje sta-nów pobudze neurosta-nów docierajce do komórek wyszej warstwy. S one wyznaczane przez matryce okrelajce stany blokowania lub transmisji sy-naps, które zapamitywane s w pamici trwaej (Long Term Memory – LTM). Przekazywane w ten sposób do wyszych warstw informacje o od-bieranych wraeniach tworz drzewiast struktur odpowiadajc hierar-chicznej organizacji wzorców mentalnych.
Te ogólne zasady modyfikowane s w zalenoci od architektury sieci, rodzaju stosowanych sposobów zapamitywania danych i parametrów struk-tury oraz sposobów uczenia. Sieci kognitywne posiada mog architekstruk-tury rónice si sposobem przeksztacania bodców i relacji w jzyk symbo-liczny, wykorzystywany do rozwizywania problemów. W zalenoci od ro-dzaju architektury preferowane s róne techniki uczenia, a take specyficz-ne sposoby transformacji zapamitaspecyficz-nej wiedzy oraz jej wykorzystywania [DUCH 2010]. W niniejszej pracy staramy si dowie, e funkcje te wype-nia moe architektura koneksjonistyczna, wielowarstwowa, gdzie warstwy nisze tworz reprezentacje niszych rzdów, a w warstwach wyszych
przetwarzana moe by wiedza symboliczna w wyniku procesów jedno-rodnych, tego samego typu, w caym obszarze kory mózgowej.
Budowane modele matematyczne i elektroniczne nie mogy przekroczy progu, wskazujcego, e procesy mylenia waciwie rozumiemy, nie mó-wic ju o szansach na to, eby zdolno rozumienia mogy zademonstrowa budowane modele. Nikt nie podejrzewa, e maszyny te r o z u m i e j , co tak sprawnie i szybko wykonuj. Co gorsza, nie rozumielimy dotychczas, jak to si dzieje, e rozumiemy otaczajcy nas wiat. Co to znaczy rozumie w kategoriach procesów neurologicznych i fizykochemicznych zachodz-cych w mózgu? Czy rozumienie ma zwizek z fenomenem wiadomoci? Dalej bez odpowiedzi pozostaje pytanie: co mózg waciwie robi, e tworzy wiadomy umys? [ABBOTT 2008].
3. MODEL OBLICZENIOWY PROCESU ROZPOZNAWANIA
Kady fragment kory naszego mózgu zawiera sie neuronow. Jest on nieustannie nastawiony na przyjmowanie pobudze i ich dalsze przekazy-wanie po porównaniu z innymi przychodzcymi równolegle sygnaami. Ponadto fragmenty kory o pewnych charakterystycznych rozmiarach (nazy-wanych niekiedy, w dalszej czci pracy, polami mózgowymi) maj wa-ciwo zapamitywania stanów pobudze wywoywanych przez pobudzenia docierajce z pól ssiednich. Moemy si spodziewa, e to wanie w tych polach odnajdziemy zapamitane wzorce pobudze , konfiguracje stanów fizycznych neuronów i zbiorów synaps, reprezentujce modele obiektów z któ-rymi zetkn si umys za porednictwem zmysów w toku yciowych do-wiadcze odpowiadajcych uczeniu si.
Jak zauwaaj psychologowie, istotna jest wasno percepcji wzrokowej, polegajca na rozmytej naturze reprezentacji wewntrznej tych zagniedo-nych w pamici wzorców. Uzmysowienie sobie rozmytego charakteru mo-deli obiektów ma zasadnicze znaczenie dla zrozumienia procesów „rozu-mienia” perceptów przez sie neuronow, a zatem i przez umys, niezale-nie, czy jest to umys naturalny, ludzki lub zwierzcy, czy te sztuczny. Sygnay te s niejednoznacznie okrelone, zawieraj niewiele informacji w porównaniu z bogactwem sygnaów docierajcych od naszych zmysów, poniewa reprezentuj jedynie ogólne modele poj, które zawiera nasza pami. Zobrazujmy to przykadem modelu-pojcia, jakim w pamici wik-szoci ludzi jest pojcie piki. Przecie wydaje si, e wiemy, co to jest
pika. Spróbujmy przywoa jej obraz z naszej pamici. Zamknijmy uprzed-nio oczy. Jake blade, nieostre, rozmyte jest to wyobraenie piki. Jake odbiega od wyrazistego wygldu piki w soneczny dzie , na play lub boisku. Model pojcia piki w naszej pamici nie zawiera tych wszystkich licznych szczegóów, specyficznego rozmiaru, tekstury materiau, kolorów, ladów szycia, plamek, rys, zabrudze i mnóstwa innych elementów, które posiada konkretna pika, kiedy jej si przygldamy. To taki wanie model--pojcie mia na myli Platon, kiedy pisa o ideach, to prawdopodobnie jest Arystotelesowska forma, któr trzeba poczy z obrazem materialnym, aby rozpozna konkretn pik, gdy jej dowiadczamy naszymi zmysami. Od-powiada to take stanom rezonansu sygnaów top-down i bottom-up Gross-berga. Ogólno modeli-poj i moliwo ich uszczegóowienia poprzez porównanie z sygnaami z dolnych warstw neuronowych (bottom-up, od pól sensorycznych, najniszych w hierarchii przetwarzania informacji w mózgu) zostaa wykorzystana przez Leonida Perlovsky’ego. Opracowana przez niego hipoteza neuronowych pól modelujcych NPM (Neural Modeling Fields), przedstawiona i rozwijana w kolejnych pracach [PERLOVSKY 1997, 2001, 2002, 2006a, 2006b, 2007], najpeniej objania moliwo funkcjonowania mózgu tak, aby móg on nie tylko rozpoznawa obiekty, ale take rozumie ich znacznie w obrazie otoczenia, w scenie i ich rol w modelu wiata, który go otacza. Uwzgldnia take emocje towarzyszce poznaniu, odczucia este-tyczne i ostatecznie ksztatowanie wiadomoci.
Perlovsky zwróci uwag na fakt, e postrzeganie to porównanie rozmy-tego obrazu modelu z ostrym obrazem obiektów postrzeganych przez nasze zmysy. W kolejnych warstwach neuronowych mózgu mamy do czynienia z procesem uszczegóawiania ogólnych modeli, czyli z procesem „od roz-mycia do ostroci” (rozmycie ostro; RO). Na niszym poziomie proces RO ma zasadnicze znaczenie dla szybkiej percepcji. Perlovski przedstawi skuteczny matematyczny model takiego procesu i pokaza, jak stany logicz-ne wyaniaj si z ze stanów rozmytych w cigym procesie porównywania strumieni informacji z góry-na dó (top-down) i z dou-do góry (bottom-up).
W tym celu wprowadzi pojcie neuronowych pól modelujcych (NPM) do opisu funkcjonalnego percepcji biologicznej. Nazwa „pola modelu-jce” wie si z ich zdolnoci do budowania modeli. Pola te opisuj nie pojedyncze neurony, ale agregaty odpowiadajce mikrokolumnom i kolum-nom kory mózgowej [JONES (2000)]. By moe na wyszym poziomie integ-racji odpowiadaj one mikropolom lub fragmentom pól mózgowych. Tworz one system semihierarchiczny, wielopoziomowy. W poszczególnych
warst-wach neuronowych wystpuje wiele sprze zwrotnych umoliwiajcych przesyanie sygnaów w dó, ku pierwotnym polom percepcyjnym. Dlatego struktur t nazywamy semihierarchiczn. W trakcie percepcji nastpuje aso-cjacja podzbioru sygnaów odnoszcych si do obiektów i pochodzcych od zmysów (bottom-up) z reprezentacj ogólnego modelu-pojcia odnoszcego si do tych obiektów przywoywan z pamici (top-down). Dopasowanie tych reprezentacji skutkuje rozpoznaniem obiektu. Mamy wic proces aso-cjacja-rozpoznanie-rozumienie, który mona opisa matematycznie, co przed-stawione zostao wyczerpujco w cytowanych pracach.
W celu opisania agregatu umoliwiajcego wskazan wyej asocjacj Per-lovsky wyodrbni grup N neuronów n ponumerowanych n=1, … N. Sygnay up oznaczamy X(n). X(n) jest konfiguracj pobudze synaps
bottom-up, przychodzc z neuronów z niszego poziomu, przy czym poziom
naj-niszy odpowiada sygnaom sensorycznym, niezalenie od modalnoci. Kady neuron ma pewn liczb synaps. Pobudzajcy sygna top-down przysyany jest od neuronów z wyszego poziomu jako reprezentacja mentalna modelu lub pojcia Mm(Sm,n) gdzie m=1, … M, to oznaczenie modelu lub reprezentacji. Kady model m opisywany jest przez zespó parametrów Sm. W neuronowej strukturze mózgu s one kodowane przez waciwoci transmisyjne kanaów pocze , a w klasycznym modelu przez si pocze synaptycznych, któr matematycznie moemy oznaczy jako zestaw liczb: Sm = {Sam, a = 1... A}.
Reprezentacje s porównywane z sygnaami, co oznacza, e neuron n jest aktywowany przez oba sygnay – przychodzcy z wej dolnego poziomu (bottom-up) X(n) i sygna pobudzajcy Mm reprezentujcy model-pojcie, tj. ich reprezentacj mentaln z wyszych poziomów pamici. Róne modele--pojcia M konkuruj o porównanie z sygnaem bottom-up, dostosowujc swe parametry w celu uzyskania lepszego dopasowania do wejciowego syg-nau. NPM zakada, e te same reguy dopasowania stosowane s do opisu procesu percepcji i rozpoznanie obiektów, jak równie do uwiadomienia sobie zoonych poj abstrakcyjnych na wyszych poziomach. Ta sama dynamiczna interakcja sygnaów odnosi si do dopasowania modelu do obiektu w przypadku percepcji oraz reprezentacji do sytuacji i relacji midzy obiektami w przypadku procesu „zrozumienia”. Wedug NPM sygnay
bottom-up to dane nieustrukturyzowane {X(n)}, a sygnay wyjciowe s
rozpoznane i formuj pojcie {m}. Niepewno i rozmycie modelu odpo-wiada rozmyciu zasocjowanych zmiennych f(m|n). Sygnay wyjciowe staj si sygnaami bottom-up dla kolejnej, wyszej warstwy.
Percepcja i rozumienie wymaga uczenia. Modele, którymi dysponuje pami tworz si w procedurze uczenia. Potrzeba wiedzy, przejawia si jako denie do dopasowania sygnaów top-down i bottom-up na kadym poziomie struktury hierarchicznej. Matematycznie jest to realizowane jako poszukiwanie miary podobie stwa midzy zestawem modeli i sygnaów wejciowych: L({X}{M}).
T miar podobie stwa jest matematyczna funkcja podobie stwa. Funk-cja podobie stwa jest iloczynem wszystkich pobudze {n} synaps neuronów
bottom-up pobudzonych przez sygna zewntrzny {X(n)} oraz wszystkich
stanów synaps neuronów reprezentujcych model{m}.
Znane algorytmy dopasowywania modeli do ich parametrów i danych rzeczywistych prowadz do kombinatorycznej mnogoci oblicze dla algo-rytmów zupenych klasy N i NP, o której pisalimy wyej. Take logika rozmyta jest tu nieprzydatna, poniewa mechanizmy samouczenia, polega-jce na takiej logice w ich treningu lub procedurze uczenia i samouczenia, zmuszaj do traktowania kadego przykadu lub cyklu treningowego jako odrbnego zdania logicznego. Prowadzi to do tak zwanego przekle stwa mnogoci kombinatorycznej (CombinatorialComplexityConundrum – CCC) [PERLOVSKY 1998], uniemoliwiajcej efektywne rozpoznanie zoonych obiektów, poniewa dopasowanie musi polega na operacjach logicznych w celu ustalenia stopnia rozmycia. W zoonych obiektach nie sposób jest prze-widzie mnogoci wymaganych regu, co take prowadzi do wewntrznej nie-spójnoci. Jak wida, w ogólnym przypadku rozpoznawania nieznanych, zo-onych obiektów zasady Arystotelesowskiej logiki formalnej nie s przydatne. Perlovski omin te trudnoci, zauwaajc, e w procesie poznania roz-myty, ogólny model bdzie si zmienia w czasie i dostosowywa do szcze-góów sygnaów bottom-up. To zaoenie pozwolio mu na rozwizanie prob-lemu poprzez uycie logiki dynamicznej (LD) i procedury RO. Zaleno parametrów modelu od czasu, pozwala na zróniczkowanie funkcji podo-bie stwa po czasie. Uzyskuje si w ten sposób równanie róniczkowe pierw-szego rzdu, którego rozwizanie uzyska mona za pomoc standardowego solvera. Jest to istota logiki dynamicznej (LD), nazywanej tak przez Perlov-skiego ze wzgldu na dynamik zmian modelu w czasie. W procedurze tej nastpuje take dopasowanie rozmycia i miary podobie stwa do stopnia „niepewnoci” modelu. Pocztkowo, w pierwszych iteracjach numerycznego wyznaczania rozwiza wynikajcych z róniczkowania funkcji stwa, gdy wartoci parametrów s przypadkowe, warto funkcji
podobie -stwa jest niska, mamy do czynienia z rozmyciem rozpoznawanego obiektu, wartoci parametrów nie s znane i stopie „niepewnoci” jest wysoki, a roz-poznanie obiektu niemoliwe. Dotyczy to take rozmycia miary podobie -stwa. Wówczas kady punkt danych rejestrowanych wykazuje pewne podo-bie stwo do dowolnego modelu. Jednake w procesie samouczenia, po kilku iteracjach, wartoci parametrów poprawiaj si. Model staje si coraz dokadniejszy i ostrzejszy (lepiej opisuje obiekt) – warto miary podo-bie stwa wzrasta, zasocjowane zmienne f(m|n) d do zer lub jedynek, co oznacza wyostrzenie, ujednoznacznienie asocjacji. Tylko jeden model wy-grywa konkurencj o podzbiór generowany przez sygna wejciowy x(n) (zasada WTA – zwycizca bierze wszystko). Rozmyty a priori model--pojcie staje si pojciem ostrym (RO). Nastpuje rozpoznanie obiektu, a gdy proces dotyczy wielu warstw na wyszych poziomach abstrakcji, na-stpuje ulokowanie obiektu na tle szerszej sceny, co równoznaczne jest ze z r o z u m i e n i e m jego roli w modelu wiata. Zbieno tego procesu udo-wodni Perlovski ju w 2001 r. [PERLOVSKY 2001]. Na olbrzymi potencja algorytmów logiki dynamicznej zastosowanej do sieci neuronowych w zda-niach wykrywania wielu niezdefiniowanych uprzednio obiektów wskazuj te osignicia sztucznych systemów wykorzystujcych neuronowe pola modulujce, opisane w pracach Perlovsky’ego i Deminga [DEMING i inni 2009; PERLOVSKY i DEMING 2010; PERLOVSKY 2009]. W opisanych w cyto-wanych pracach systemach militarnych wykorzystujcych algorytmy kogni-tywne uzyskiwano kilkudziesiciudecybelow popraw wykrywalnoci sys-temów detekcyjnych.
Zrozumienie sceny i obiektów w niej wystpujcych jest równoznaczne z dopasowaniem postrzeganych obiektów do modeli uprzednio rezydujcych w naszej pamici. Modele te mog by wycinkowe, dotyczce rozpoznania obiektu, przebiegu zjawiska, gdy obiekt jest procesem, lub te dotyczy mog ogólnego modelu wiata, w którym mózg funkcjonuje. Model mentalny jako podstawa poznania ma uznan pozycj w psychologii [LAIRD 1993], lingwi-styce (model sytuacyjny) [ZWAAN & RADVANSKY 1998] i robotyce [HAI -KONEN 2012]. Po raz pierwszy jednak proces rozumienia zosta zdefiniowany w jzyku matematyki i odnosi si do caociowego opisu wiadomego umysu.
Z biologicznego punktu widzenia wzrost podobie stwa zaspokaja postu-lowany przez Perlovky’ego instynkt wiedzy (Knowledge Instinct – KI), który subiektywnie moe by odczuwany jako pozytywna emocja estetyczna. NPM-DL, czyli neuronowe pola modelujce, dziaajce z wykorzystaniem logiki dynamicznej, „odczuwaj” satysfakcj.
4. DOBROCZYNNE SKUTKI INSTYNKTU WIEDZY
Perlovski twierdzi, e udowodni w ten sposób znaczenie emocji w pro-cesie poznania, na co epistemologia i psychologia wskazyway od dawna. Wedug Perlovsky’ego instynkt wiedzy KI stanowi nowy rodzaj motywacji do dziaania. Realizowany jest przez osiganie stanu wykrycia podobie stwa obserwowanych obiektów do modeli-konceptów istniejcych uprzednio w pa-mici. Postrzeenia zmysowe rozpoznawane s w ten sposób tworzc per-cepty. Jeli mózg odbiera jednoczenie bodce pochodzce od wielu zmy-sów, to na percept skada si odpowiednio wiele modalnoci. Sie neuro-nowa ma zdolno do asocjowania bodców, które synchronicznie do niej docieraj. Prezentujc systemowi wzrokowemu wielokrotnie ten sam obiekt, wraz z towarzyszcym mu sygnaem dwikowym, nauczymy umys koja-rzy percept z tym sygnaem. Umys rozpoznawa moe obiekt zarówno do-strzegajc go jak i syszc jego nazw. Obiekty w formie procesów, koja-rzone w ten sposób z ich nazwami, nauczy mog umys rozpoznawania relacji czasowych. Tworzy si w ten sposób semantyka i syntaktyka jzyka. [PERLOVSKY & ILIN 2010; PERLOVSKY 2010; HICKOK & POEPPEL 2007]. Jeli obserwujemy scen zawierajc wiele obiektów, to poszczególne pola modelujce rozpoznaj poszczególne obiekty w procesie równolegego przetwarzania, tworzc jednoczenie neuronowe reprezentacje wszystkich tych obiektów. Te mentalne reprezentacje, przekazywane do wyszych warstw w semihierarchicznej strukturze przetwarzania, tworz korelaty mentalne sceny, a ogólnie – otaczajcej rzeczywistoci, która moe by rozpoznana i w ten sposób uwiadomiona przez te wysze pola. Postrzegane obiekty o zoonej strukturze oraz dynamicznie zmieniajce si sceny rozpoznawane w wyszych warstwach neuronowych, maj coraz bardzie abstrakcyjny i sym-boliczny charakter. Dysponujc jzykiem, umys ma moliwo dokony-wania operacji logicznych na pozyskanych w procesie uczenia kategoriach symbolicznych. Moe to by równie jzyk matematyki, pozwalajcy osi-ga niebywa precyzj mylenia, wedug Kanta, niedostpn dla istot posu-gujcych si tylko nieostrymi pojciami-konceptami. W ten sposób w pro-cesie RO umys przechodzi od mglistych, rozmytych poj, niepoddajcych si arystotelesowskiej logice formalnej, do precyzyjnie zdefiniowanych, ostrych poj, tkwicych gboko w tej logice. Te ostatnie, podobnie jak rezonanse Grossberga, rejestrowane s przez wiadomo, podczas gdy pier-wotne, mgliste modele-pojcia pozostaj ledwo uwiadomione.
Kolejne dowiadczenia yciowe bd uzupeniay wytworzony wczeniej wiatopogld. Uczenie zwiksza precyzj naszego rozumienia rzeczywisto-ci, a take poszerza dostpne modele o nowe szczegóy i w ten sposób pogbia to rozumienie. Bogactwo i zoono tworzcego si w ten sposób modelu wiata okrela stopie naszej wiadomoci. Emocja estetyczna, która temu towarzyszy, jest podstaw do dostrzegania harmonii i symetrii, co daje nam zdolno odbioru muzyki i wszelkiej sztuki. Zdolno do tworzenia modelu wiata, jego opisu i rozumienia wasnej roli w tym wiecie jest istot wiadomoci i samowiadomoci.
Zalet przedstawionej w zarysie teorii neuronalnych pól modelujcych (NPM) jest gbokie jej osadzenie w historycznie rozwijanych kategoriach teorii poznania. Jest to bezporednia kontynuacja odwiecznej myli filo-zoficznej, co budzi zaufanie do fundamentalnych zaoe tej teorii. Co wi-cej, jej precyzyjne sformuowanie pozwala na opracowanie modelu i opisu matematycznego tej teorii. Umoliwio to zbudowanie modeli elektronicz-nych, które praktycznie zademonstroway skuteczno algorytmów NPM, przewyszajc wszelkie dotychczasowe usiowania w tej dziedzinie [DE -MING 2009; PERLOVSKY 2010]. Teoria ta pokazaa take, jak emocje, czyli satysfakcja z zaspokojenia instynktu wiedzy, motywuj sie neuronow, a zatem i umys, do procesu kognitywnego. Tsknota Plato skiej duszy za wiedz ze wiata idei zostaa w ten sposób matematycznie uzasadniona i objaniona.
NPM wskazuje na jednolity charakter funkcji wykonywanych przez po-szczególne pola modelujce, co oznacza jednorodn struktur kolumn i mikro-kolumn neuronowych w korze mózgowej. A przecie jest to zgodne z morfo-logicznym obrazem wszystkich obszarów i warstw korowych, co potwierdza hipotez koneksjonistycznego charakteru sieci neuronowej tworzcej mózgi naturalne. Teoria NPM wyjania take, jak umys moe dokonywa kom-presji informacji dostarczanych przez zmysy. Pokazuje, e moemy zbudo-wa symboliczny opis otaczajcej nas rzeczywistoci, omijajc barier zo-onoci tego wiata CCC. Przechodzimy w ten sposób od szczegóowych obrazów sceny do poj symbolicznych, którymi moemy te sceny opisa. Ta wiedza symboliczna podlega arystotelesowskiej logice formalnej i jest w peni uwiadomiona. Dokonuje si w ten sposób gigantyczna kompresja informacji, która ma fundamentalne znaczenie dla skutecznoci dziaania w otaczajcym nas rodowisku. Strumie informacji dostarczany przez zmy-sy siga moe 10Mb/s dla bodców wzrokowych, ok 1 Mb/s dla sygnaów
dwikowych, podczas gdy do skutecznego dziaania w naturalnym rodo-wisku wystarczy przetwarzanie strumienia informacji na poziomie 10 b/s [DEECKE 2012]. Zredukowanie iloci przetwarzanej informacji ma due zna-czenie dla szybkoci jej przetwarzania. Przede wszystkim umoliwia szybk reakcj wiadomego systemu na dynamiczne zmiany rodowiska. Co wicej, umoliwia take skompresowane przekazywanie wiedzy w procesie uczenia pod nadzorem, a przez to umoliwia istotom spoecznym tworzenie kultury i budowanie cywilizacji. [PERLOVSKY 2005, 2007, 2008, 2009; PERLOVSKY i inni 2012]. By moe ta szczególna waciwo NPM, któr wykazuj sieci neuronowe o odpowiedniej organizacji, bya ewolucyjn przyczyn pojawie-nia si wiadomoci w organizmach ywych. Zdolno do szybkiej i adek-watnej reakcji daje przecie znaczc przewag ewolucyjn.
Koncepcja Neuronowych Pól Modelujcych NPM i towarzyszcy jej In-stynkt Wiedzy KI ma rewolucyjne konsekwencje w interpretacji dualizmu sfery duchowej i cielesnej. Zauwamy, e wykorzystywana przez NPM logika dynamiczna LD ma charakter cile przyczynowy. Dziaa ona jak równania matematyczne opisujce przyczynowo-skutkowe relacje procesów fizycznych. Jednoczenie towarzyszy jej instynkt wiedzy KI, którego dzia-anie jest absolutnie celowe i nakierowane na pozyskiwanie wiedzy o wie-cie. Tworzenie struktur umysu ma dynamik przyczynow i równoczenie teleologiczn, usuwajc fundamentaln dychotomi ujawnion przez Arysto-telesowskie pojmowanie relacji formy do materii. Dualizm nie jest ju potrzebny. Dziaanie fizyczne, przyczynowe jest w tym przypadku matema-tycznie równowane dziaaniu kierowanemu celowo, teleologicznie. Nie ma sensu wybiera midzy duchem i materi, poniewa niematerialna wiado-mo wyania si emergentnie jako konsekwencja instynktu wiedzy KI gene-rowanego logik dynamiczn DL zastosowan do neuronowych pól modelu-jcych NPM.
Czy to oznacza, e teoria neuronowych pól modelujcych NPM wyjania cakowicie, jak pojawia si ludzka wiadomo? Czy wyjania wszystkie aspekty funkcjonowania mózgu ludzkiego lub zwierzcego? Czy pozwala matematycznie przewidzie nasze reakcje? Czy pozwoli skopiowa mózg ludzki i zbudowa maszyny rozumiejce to, co robi, na wzór ludzi? A moe wykreuje istoty o stopniu inteligencji i wiadomoci przewyszajcym ludz-kie moliwoci?
5. NIEDOSTATKI MODELU NPM
Model NPM nie aspiruje do wyjanienia wszystkich funkcji mózgu i nie odpowiada na wszystkie postawione wyej pytania. Spekulatywna hipoteza Perlovsky’ego odnosi si do uproszonego modelu struktur mózgowych w po-staci zbioru neuronów przypominajcego sztuczne sieci neuronowe i stara si objani wycznie funkcje kognitywne takiej sieci, cho to wanie te s dla nas najbardziej interesujce. Niestety NPM to tylko zgrubny model, model bardzo przekonujcy, jednake obarczony wieloma ograniczeniami. Najbar-dziej istotne to fakt, e w rzeczywistoci naturalna sie neuronowa nie przypo-mina sztucznej i nie wykonuje adnych zaprogramowanych, zoonych obli-cze . W szczególnoci nie oblicza pochodnych funkcji podobie stwa ani nie rozwizuje równa róniczkowych choby pierwszego rzdu. Koncepcja NPM nie podaje take sposobów biologicznych umieszczania modeli w pamici tak, aby byy one gotowe do kolejnych prezentacji napywajcym nowym postrze-eniom. Brak jest mechanizmu powizania sygnaów sensorycznych rónych modalnoci (binding problem), co stawia pod znakiem zapytania moliwo uczenia korelacyjnego, które jest z kolei podstaw samouczenia, nabywania dowiadcze i tworzenia wokó nich modelu rodowiska i wiata.
Ponadto NPM, cho operuje logik dynamiczn (LD) w odniesieniu do zmieniajcego si w kolejnych iteracjach modelu, to dotyczy obiektów stacjo-narnych. Ruch sceny, skutkujcy zmianami obserwowanych obiektów w cza-sie, znacznie by skomplikowa przytoczone przez Perlovsky’ego równania. Oczywicie mona zaoy, e proces kognitywny przebiega bdzie tak szybko, e w infinitezymalnym czasie percepcji obiekt pozostanie nierucho-my. Równania LD nie uwzgldniaj jednak przypadku ogólnego. Do tego celu konieczne byoby wyrónienie pamici epizodycznej. Lecz postulat ten jest bez sensu, jeli model NPM do sposobu zapamitywania modeli w ogóle si nie odnosi. Co gorsza, brak neurologicznego mechanizmu asocjacji multimodalnych oraz brak mechanizmu pamici epizodycznej nie wskazuje praktycznie, jak pojawia si mog zdolnoci lingwistyczne. Problem w tym, e zarówno generacja, jak i zapamitywanie mowy jest równowane zapamitywaniu epizodów rozcignitych w czasie, które musz wykorzy-stywa pami epizodyczn. Brak za jzyka uniemoliwia przekazywanie i uczenie si zoonych poj ogólnych o abstrakcyjnym charakterze, a wic tworzenie wiedzy symbolicznej. Uczenie i intencjonalne przekazywanie wiedzy symbolicznej o charakterze abstrakcyjnym jest moliwe tylko za
po-moc zoonego jzyka symbolicznego kontrolowanego wiadomie. Wynika to z faktu, e pojcia abstrakcyjne, w odrónieniu od obserwowanych obiek-tów, nie mog by bezporednio, bez porednictwa jzyka, zaprezentowane naszym zmysom. Z tego powodu nie mog one by przyswojone jako modele zakorzenione w wiadomoci i ugruntowane w pamici semantycznej lub epizodycznej, jak to si dzieje w przypadku qualiów.
Model NPM abstrahuje od konkretnych struktur neuronowych. Nie wska-zuje adnego mechanizmu neuronowego, który mógby realizowa postulo-wane funkcje. Brak jest take mechanizmów generacji sygnaów top-down. Perlovsky wskazuje, e sie neuronowa o architekturze NPM posiada moty-wacj emocjonaln w postaci Instynktu Wiedzy (KI). Sugeruje, e to KI powoduje intencjonalnym zachowaniem sieci. Ten jednak instynkt w NPM jest okrelony behawioralnie rezultatem. Instynkt to przymus biologiczny dziaania w okrelony sposób. Sie neuronowa nie posiada jednak software’u narzucajcego algorytm dziaania prowadzcy do KI. Z jej koneksjonistycz-nego charakteru wynika, e powinna istnie przyczyna morfologiczna i fizjo-logiczna wymuszajca pojawienie si takiego instynktu. Perlovsky jednak na ni nie wskazuje. Charakter tego instynktu ma gboki zwizek z motywa-cjami do funkcjonowania, o czym w dalszej czci bdziemy mówi. Warto przypomnie, e kognitywistka na pierwszym miejscu wymienia inne moty-wacje autonomicznych systemów inteligentnych (jakimi s take ludzie i zwie-rzta) do racjonalnego dziaania. Jeli zatem NPM porównuj sygnay
top--down i bottom-up, to KI w rozumieniu Perlovskiego bdzie si
manife-stowa. Jeli jednak mechanizm takiego instynktu nie jest nam znany, to praktyczne dziaanie NPM moe by kwestionowane.
Czy wobec tego powinnimy odrzuci t teorie? Niekoniecznie. Teoria ta jest uyteczna w modelowaniu procesów kognitywnych AI, a jej algorytmy sku-tecznie pokonuj barier zoonoci kombinatorycznej CCC. Jeszcze bardziej istotne s wnioski, które z niej wypywaj, a istnieje wiele wskaza , e kora móz-gów naturalnych dziaa w sposób wielce podobny do algorytmów NPM – LD.
6. BIOLOGICZNE MECHANIZMY NPM
W sukurs NPM przychodzi neurologiczna koncepcja sprzenia midzy-synaptycznego rozwijana przez Kunjumona I. Vadakkana [VADAKKAN 2010,
2011, 2012]. Wedug tej koncepcji mózg ma architektur koneksjonistyczn, tworzon przez sie neuronów o wielowarstwowej strukturze hierarchicznej, której wzy stanowi klasyczne neurony wyposaone w du liczb synaps. Wiedza nabywana w trakcie uczenia utrwalana jest w postaci wzmocnienia synaptycznego LTP. Vadakkan zwraca uwag, e dominujcym mechaniz-mem samouczenia jest uczenie korelacyjne, wzgldnie asocjacyjne, podczas którego nastpuje synchroniczne pobudzenia pól rozróniajcych specyficz-ne, wzajemnie skorelowane cechy obiektu lub te pochodzce od rónych zmysów (modalnoci). Postrzegane obiekty indukuj wzorce pobudze neu-ronalnych w ronych polach lub modalnociach, które ze wzgldu na syn-chronizacj w czasie asocjuj, tworzc nowy wzorzec bdcy perceptem, umoliwiajcym identyfikacj obiektu, jeli podobne pobudzenia pojawi si w przyszoci. Nastpuje wzajemne powizanie tych wzorców pobudze (binding) [MALSBURG 1981]. Vadakkan postuluje, e ta asocjacja przebiega dziki funkcjonalnemu sprzeniu synaps znajdujcych si na szlakach af-ferentnych jak przedstawiono to na rys. 1.
Rys. 1. Powstawanie sprzenia midzy synapsami podczas uczenia (wedug K. Vadakkana [2012], za zezwoleniem autora).
(A) Formowanie Funkcjonalnego Sprzenia Synaptycznego FSS pomidzy dwiema postsynapsami
B i D podczas uczenia, czyli jednoczesnego pobudzania bodcami Stimulus 1 (S1) i Stimulus 2 (S2). A i C to odpowiadajce im presynapsy.
(B) Podczas przypominania, w obecnoci bodca Stimuli 1, reaktywowane jest sprzenie
funkcjonalne FSS, wskutek czego postsynaptyczna membrana D jest take aktywowana. Aktywacja postsynapsy D indukuje impresjon aktywnoci, tak jak gdyby stymulowana bya równie presynapsa C. Tworzy to „iluzj” wystpowania bodca S2.
Schemat aktywacji postsynapsy Dn poprzez Funk-cjonalne Sprzenie Synaptyczne FSS prowadzi do generacji potencjau czynnociowego na wzgórku neuronu N (przyjmujc, e przestrzenne i/lub czasowe sumowanie wystarczajcego potencjau czynno-ciowego przed- i po-synaptycznego jest moliwe). W przypadku pobudzenia presynaps An tylko jednym bodcem pobudzajcym S1, synaptyczny impresjon indukowany jest w kadej synapsie D. Dendrytyczne odgazienia neuronu N zaznaczone gwiazdkami to postysynapsy, gdzie dochodzi pobudzajcy potencja postsynaptyczny PPP, pochodzcy z normalnej aktywnoci oscylacyjnej niszych warstw neu-ronowych. Potencjay PPP nie s wystarczajce do pobudzenia neuronu N. Dopiero zsumowane z po-budzeniem S1 mog wygenerowa potencja czyn-nociowy neuronu N.
Powstajce w ten sposób powizanie postsynaps nazywa bdziemy Funkcjonalnym Sprzeniem Synaptycznym (FSS). FSS pojawia si midzy synapsami B i D na rys. 1 w trakcie równoczesnego postrzegania dwóch aspektów sceny, co odpowiada procesowi samouczenia korelacyjnego (RL) w kategoriach AI. Po wytworzeniu takiego poczenia, pobudzenie wst-pujce (bottom-up) jednej z synaps (B), indukowao bdzie take pobudzenie synapsy ssiedniej (D), co rejestrowane bdzie jako pojawienie si wraenia lub wyobraenia (impresji) o postrzeganiu take drugiego aspektu sceny (lub pobudzenia drugiej modalnoci), który zwykle temu pierwszemu towarzyszy. Takie wraenie/wyobraenie indukowane w sprzonej synapsie, gdy jedna z nich jest aktywowana, nazywa bdziemy „impresj synaptyczn”. Post-synapsa D dowiadcza wówczas komórkowej halucynacji, e aktywowany jest szlak pobudze neuronalnych, który normalnie aktywuje si doprowadzajc zwykle pobudzenie do presynapsy C. Indukowany w postsynapsie D pobudza-jcy potencja postsynaptyczny, przekazywany w drzewiastej strukturze sieci komórkowej do wyszej neuronowej warstwy przetwarzajcej, podlega su-mowaniu przestrzennemu i czasowemu wraz z innymi pobudzeniami. Neu-rony wyszej warstwy traktuj te pobudzenia identycznie jak pobudzenia pynce z licznego podzbioru pobudze sensorycznych odpowiadajcemu matrycy/wzorcowi cechy postrzeganego obiektu, tworzc jego wirtualn ha-lucynacj. Hierarchiczna drzewiasta struktura sieci neuronowej tworzy wst-pujce drzewo pobudze o licznych wejciach sensorycznych N i
zmniej-szajcej si liczbie wzów w wyszych warstwach sieci, a do pojedynczego neuronu Z i nalecej do niego presynapsy C, jak to przedstawiono na rys. 2. Rys. 2. Schemat tworzenia impresjonów sensorycznych i ich indukowania, gdy nastpuje
pobudze-nie sprzonego neuronu lub synaps (wedug K. Vadakkana [2012], za zezwolepobudze-niem autora). Szare kóeczka symbolizuj neurony
kolejnych warstw 1-8. {SR} – receptory sensoryczne {sr1} – {sr3}. Podczas przy-pominania sygna stymulujcy (oznaczo-ny gwiazdk) dociera do wejcia presy-naptycznego A i depolaryzuje membran postsynaptyczn B, wzbudzajc w niej postsynaptyczny potencja czynnociowy PPP. Poprzez FSS aktywowana jest take postsynapsa D (jak na rys.1).
Pobudzenie membrany D generuje ko-mórkow iluzj identyczn, jak gdyby to presynapsa C bya pobudzona (synapsa C naley do neuronu Z). Pobudzenie Z jest równowane pobudzeniu caej hie-rarchicznej struktury kolejnych warstw {W} {X} {Y} Z. Neurony pro-jekcyjne oraz równolege zwrotne, mog aktywowa nisze pola neuronowe (na tym rysunku wysze, blisze polom sen-sorycznym), (pobudzenia zwrotne, nie s pokazane na rysunku). Stymulacja ka-dego z podzespoów receptorów senso-rów {sr1}, {sr2},{sr3} lub ich dowolnej kombinacji i sumy, moe aktywowa neuron Z. Te zestawy receptorów zdolne do pobudzenia Z nazywamy impresjona-mi odpowiednio 1,2,3 (Semblion 1,2,3).
Impuls pobudzajcy powoduje, e post-synapsy D doznaj iluzji pobudzenia im-presjonem 1,2 lub 3 lub dowolna kom-binacj tych impresjonów. Sposób
sca-lania i porównywania impresjonów, tak, aby pasoway do wewntrznego wraenia indukowanego przez sygna pobudzajcy, jest poszukiwan heurystyk neuronu i kolumny neuronowej, zblion do algorytmu Perlovsky’ego.
Takie powizane, drzewiaste struktury, reprezentujce konfiguracj po-budze sensorycznych, odpowiadajce modalnociom lub cechom obiektów proponuj nazywa impresjonami, przez analogie do Vadakkanowskich semblionów (od angielskiego semblance).
Vadakkan twierdzi, e indukowane przez FSS impresje synaptyczne wy-szych poziomów, czyli impresjony, mog by dopasowywane do perceptów i pozwala nam w ten sposób identyfikowa obiekty i ich cechy. Dotyczy to obiektów o cechach ju nam znanych, których impresjony utrwalone zostay w naszej pamici na podstawie wczeniejszych dowiadcze . Natomiast po-strzeenia zwizane z nowymi obiektami lub ich nowymi cechami, induko-wa bd zestawy impresjonów znanych, uzupenione przez nowe sprzenia FSS, przez co formowane bd nowe impresjony, o bogatszej strukturze, co stanie si czynnikiem wzbogacajcym nasz wiadomo.
Tworzenie impresjonów moe zachodzi na wielu poziomach wielowarst-wowej struktury sieci. Czas opónienia odpalenia piku depolaryzacyjnego potencjau czynnociowego neuronu (actionpotential AP), wyzwolonego zsynchronizowanym pobudzeniem jego synaps dendrytycznych, wynosi ok. 1-2 milisekundy. Poniewa typowy czas konsolidacji wrae (np. wraenie cigoci obrazu poklatkowego filmu) wynosi ok. 1/16 sekundy, mona
anty-cypowa, e przetwarzanie sygnau wejciowego z pól sensorycznych moe zachodzi nawet w 30-50 warstwach. Okoo 40 pobudze synaptycznych zsumowanych przestrzennie (lub nieco mniejsza liczba pobudze sumowana w czasie) moe wyzwoli impuls depolaryzacyjny neuronu Z (sporód kilku do kilkudziesiciu tysicy synaps wystpujcych w kadym neuronie), co ozna-cza identyfikacj specyficznego stanu warstwy neuronów, rejestrowanego przez wybrane, pobudzane synapsy niszego poziomu. Liczba synaps przeka-zujcych swoje stany pobudzenia do synaps wyszych warstw ronie wy-kadniczo. Oznacza to, e liczba impresjonów, czyli dostpnych reprezentacji postrzeganych przez nasze zmysy obiektów, wyznaczona kombinatorycznie dla reprezentacji przestrzennych lub poprzez permutacje impulsów pobudza-jcych drzewiast struktur synaptyczn, rozoonych w czasie, jest prak-tycznie niesko czona. Dotyczy to nawet mózgów duo prostszych ni ludzki.
Warto zauway, i – jak zaobserwowano eksperymentalnie – stymulacja rónych obszarów mózgu powoduje halucynacje. Mona std wnioskowa, e kiedy poredni wze sieci podlegajcy neuronalnej aktywnoci oscyla-cyjnej bdzie stymulowany, system postrzega i rozpoznaje wewntrzne po-budzenie jako swoist cech lub waciwo [ANASTASSIOU i in. 2010, 2011]. Poprzeczne zatem pobudzenia pochodzce od sygnaów stymulujcych, w wyodrbnionym obszarze cieki neuronowej, w której wystpiy zmiany indukowane uczeniem asocjacyjnym, powinny wykazywa skuteczny
mecha-nizm komórkowy indukowania wewntrznych wrae podczas procesu przypominania. Takie zjawisko moe by wyjanione mechanizmem FSS i traktowane jako cecha strukturalna, odwracalna i stabilizujca mechanizmy asocjacyjne i pami. Kombinatoryczne sumowanie impresjonów ronego neuronalnego poziomu, kreuje zrónicowane wysze funkcje umysowe [MILSTEIN & KOCH 2008]. Kontynuacja uczenia asocjacyjnego/korelacyjnego
prowadzi do uformowania FSS midzy postsynapsami, które uprzednio utworzyy FSS z innymi postsynapsami. Te zgrupowania wzajemnie po-wizanych synaps, które w przekroju cieki transmisji bodców neuro-nowych tworz wysepki synaptyczne. Mog one by postrzegane jako rdze wizki pocze przewodzcych, np. kolumny lub mikrokolumny. By moe przywraca to kolumnom i mikrokolumnom zrozumiae funkcje, kwestio-nowane w pracy Hortona i Adamsa [HORTON &ADAMS 2005]. Zgrupowania wysepek synaptycznych w warstwie neuronowej uznawa mona hipotetycznie za neuronowe pola modulujce NPM (rys.3).
Rys. 3. Wyspy postsynaptyczne powizane FSS (wedug K. Vadakkana [2012], za zezwoleniem autora).
(A) Cztery synapsy powizane FSS. Linia przerywana symbolizuje paszczyzn przekroju tych
i innych synaps na ssiednich rysunkach.
(B) Przekrój przez wiksz liczb synaps. Podczas uczenia formuje si FSS pomidzy
równo-czenie pobudzanymi postsynapsami. Dalsze uczenie powiksza liczb synaps powizanych FSS. Formuj one wysepki synaptyczne zaznaczone strzak.
(C) Schemat pojedynczej duej wysepki synaptycznej. Nowo przyczone synapsy pozostaj na
peryferiach wysepki. Czsto uywane poczenia synaptyczne FSS znajduj si w centrum wysepki.
Zaoenie dotyczce przekazywania pobudze pomidzy synapsami na tym samym poziomie hierarchii rozpoznawania wzorców byy przyjmowane w modelach obliczeniowych przez Favorova i Kursuna [Favorov & Kursun 2011]. Badacze Ci udowodnili, e uywajc regu Hebba do wyznaczania wag pocze aferentnych dokonali konwersji konwencjonalnej sieci neu-ronowej do sieci RBF (RadialBasisFunction), która odznacza si zdolnoci
do aproksymacji szerokiej klasy funkcji wejciowych [LOWE 2003; FAVO -ROV & KURSUN 2011]. Aczkolwiek statystyczne metody aproksymacji zmiennych liczbowych nie s poszukiwanymi przez nas algorytmami dziaa-nia neuronowej sieci kortykalnej, jednake zdolno do linearyzacji sygna-ów wejciowych wiadczy o sensownoci przyjtego zaoenia dotyczcego horyzontalnego oddziaywania ssiadujcych neuronów. Co wicej zaoenie to, dotyczce przesyania pobudze w kierunku poprzecznym do komórek ssiednich, zostao dobrze udokumentowane badaniami neurologicznymi [PETERSEN &SAKMANN 2000;FELDMEYER i in. 1999; THOMSON i in. 2002; BINZEGGER i in. 2004].
Mimo potwierdzenia wystpowania sprze midzysynaptycznych po-przecznych, horyzontalnych dotychczas prowadzone badania fizjologiczne nie doprowadziy do wykrycia biofizycznych lub biochemicznych zmian w ssiadujcych ze sob synapsach w procesie uczenia korelacyjnego. Nie jest znany mechanizm takiego oddziaywania. Ten postulat FSS wynika jedynie z logiki dziaania sieci neuronowej tak, aby przy maksymalnej pro-stocie i jednorodnoci moga ona realizowa oczekiwane funkcje porów-nywania wzorców i jest prób wyjanienia obserwowanych asocjacji hory-zontalnych.
Jakie mechanizmy mogyby zatem, cho teoretycznie, odpowiada za tego rodzaju sprzenie?
Vadakkan wymienia nastpujce zjawiska na poziomie synaptycznym, neuronowym, systemowym i behawioralnym, które mog by odpowie-dzialne za efekt formowania FSS i powstawanie impresjonów:
p o z i o m s y n a p t y c z n y: a) indukcyjna depolaryzacja jednej postsy-napsy przez ssiedni, b) sprzenie efatyczne, podczas którego prze-strze midzysynaptyczna zaburzona jest efatycznymi zmianami poten-cjau na membranie drugiej postsynapsy [ANASTASSIOU 2010], c) infor-macja moe by przenoszona przez proteiny czue na potencjay czyn-nociowe.
p o z i o m n e u r o n o w y: d) otwieranie dodatkowego kanau jonowego [Tye i inni 2008] i rozpraszanie neurotransmitera AMPA do ssiednich synaps [COGGAN i in. 2005, MAKINO &MALINOW 2009].
p o z i o m s y s t e m o w y: e) fale i oscylacje mózgowe, szczególnie oscy-lacje gamma , powodujce sprzenia podczas przypominania, moliwe do wizualizacji za pomoc wspóczesnych metod zobrazowania. Synchro-nizacji oscylacji przypisuje si dwie gówne funkcje: sprzenie neuronów reprezentujcych róne cechy danego bodca, umoliwiajce
jego odrónienie od „ta” [FRIES i in. 2001; Fell i inni 2003] oraz udzia w formowaniu pamici krótkotrwaej [LISMAN &IDIART 1995] i deklara-tywnej [FELL i in. 2002; GRUBER i in. 2005]. Uczenie korelacyjne i aso-cjacyjne nastpuje poprzez korelacje czasow sygnaów z dokadnoci milisekundow. Efekt moe by wzmocniony przez oscylacyjn dziaal-no mózgu, poniewa pobudzenie nawet powyej 40 synaps (co uzna-wane jest za minimaln liczb sporód od rednio 24 do 80 tysicy synaps dla jednego neuronu, powodujc generacj piku pobudzenia) moe nie spowodowa wyzwolenia piku potencjau czynnociowego AP. Fale mózgowe mog jednak synchronicznie zblia potencja na postsynapsach do wartoci podprogowej. Wówczas nawet sabsze sygnay mog syn-chronicznie przekracza próg pobudzenia tworzc asocjacj.
Wystpowanie FSS kreuje impresjony, jako drzewiaste struktury wielopo-ziomowe, które pobudzane sygnaami o wektorach horyzontalnych, w wielo-poziomowej strukturze sieci, lub spontanicznie, np. na skutek oscylacyjnej aktywnoci mózgu, generowa mog wspomnienia i wyobraenia (podobnie jak wspomniane wczeniej „halucynacje” pojedynczego neuronu) [VADAK -KAN 2010]. Ta funkcja kreowania wyobrae moe mie fundamentalne znaczenie dla mechanizmów planowania i zdolnoci kreatywnych umysu, poniewa pozwala na wyobraanie sobie skutków zaplanowanego dziaania. Utworzenie drzewiastej, hierarchicznej struktury impresjonów bardzo przypo-mina wspomniane na wstpie struktury K-line Minsky’ego. I podobnie jak to opisywa Minsky [MINSKY 1980], mog one by skutecznym narzdziem gro-madzenia i przechowywania wiedzy, uczenia korelacyjnego, podejmowania decyzji i innych funkcji poznawczych i zarzdczych umysu [MINSKY 1993]. Nowe, wyszego rzdu impresjony mog si tworzy pod wpywem nowych bodców pobudzajcych, postrzegania nowych obiektów i nowych sytuacji. Poniewa s one specyficzne dla okrelonych cieek pobudze i wysepek synaptycznych, tworzenie nowych impresjonów nie narusza struk-tury wzorców poprzednio utrwalonych w pamici trwaej. Nowe impresjony mog natomiast oddziaywa z dotychczasow sieci impresjonów. Nowe sygnay pobudzajce mog dziki temu wyklucza lub wspiera przywo-ywane impresjony – modele [ABBOTT 2008]. Nastpuje dobrze nam znane porównanie modeli z perceptami. Zaakceptowanie wybranego impresjonu lub zespou impresjonów oznacza zrozumienie nowych bodców. Niewielkie modyfikacje impresjonu mog by utrwalone w ssiednich wysepkach sy-naptycznych i wizkach, przewodzcych informacje niezbdne mózgowi do tworzenia szerokiego modelu rodowiska.
Na pozór wydaje si, e koncepcja FSS proponuje skuteczny neuronalno--synaptyczny mechanizm porównywania wzorców niezbdny dla skutecz-noci matematycznego modelu Perlovsky’ego. W dodatku to dopasowywanie wzorców pobudze , czyli impresjonów rónych poziomów hierarchicznej struktury przetwarzania informacji w mózgu, obywa si bez matematycznych przeksztace wedug ustalonych z góry, zoonych algorytmów. Wysepki synaptyczne i cieki transmisji sygnaów neuronowych atwo utosami z mikrokolumnami i kolumnami korowymi oraz z neuronowymi polami modelujcymi NPM. Model FSS uwzgldnia plastyczno sieci umoli-wiajc uczenie korelacyjne. Pokazuje, jak mog tworzy si agregaty im-presjonów na tyle bogate, e mog odwzorowa zoono wszechwiata. Dopuszcza sprzenia zwrotne pobudzajce cae „drzewa” impresjonów obejmujce miliardy synaps i neuronów. Pamita take naley, e wysepki synaptyczne sprzgaj neurony, jak równie synapsy nalece do innych, s-siednich szlaków wstpujcych, aferentnych, przez co pobudzane s równie bogate struktury impresjonów wysokich poziomów, tworzc – wedug Va-dakkana – wysze funkcje umysowe.
Vadakkan uywa modelu FSS i tworzonych przeze impresjonów do ob-janienia wielu zjawisk mózgowych i umysowych. Wskazuje, e mechanizm tworzenia impresjonów bdzie podobny dla wszystkich istot yjcych w tym samym rodowisku, jeli przyj zaoenie, e procesy ewolucyjne wypo-sayy je w zmysy umoliwiajce poznanie tego rodowiska. Wynika z tego adekwatno qualiów do rzeczywistoci, które tak bardzo martwi filozofów umysu [DENNETT 1988; CHALMERS 1995, 1996; RAMACHANDRAN & HUB -BARD 2001]. Qualia mog by objaniane w ramach prezentowanego modelu jako impresjony drugiego rzdu, wrodzone dla poszczególnych gatunków, lecz póniej modyfikowane poprzez dowiadczenie w trakcie rozwoju psy-chicznego. Poniewa towarzysz one stanom wiadomym, to dotyczy mog jedynie gatunków o pewnym minimalnym stopniu wiadomoci. Model do-puszcza odwrotn sytuacj: pojawienie si konglomeratu impresjonów naj-wyszego rzdu, bdcego odpowiednikiem wiadomoci, bez impresjonów niszego rzdu reprezentujcych qualia. Musiay one jednak uprzednio zaistnie w celu utworzenia wiadomoci, cho póniej moe si ona bez qualiów pewnych typów obywa. Jest to zgodne z obserwacjami psycho-logicznymi umysów naturalnych [CHALMERS 1998], kiedy umys, dyspo-nujc wiedz symboliczn, moe j przetwarza logicznie i wyciga wnio-ski, mimo e wraenia (qualia), bdce podstaw wiedzy symbolicznej, zo-stay ju dawno zapomniane. Model przewiduje, e impresjony powstajce
w trakcie rozwoju osobniczego odzwierciedlay bd dynamik ich powsta-wania zblion do wystpujcej u innych osobników tego samego gatunku, w tym samym wieku, co spowoduje du jednorodno impresjonów w caej populacji.
Wielk zalet modelu FSS jest wyjanienie powstawania wyobrae . Wyobraenia powstaj przez indukcj sprzonych impresjonów po pobu-dzeniu przez bodce tematycznie skojarzone. Zdolno wyobraenia sobie obiektów niedostpnych aktualnie dla zmysów jest niezbdna dla przewi-dywania skutków swego dziaania. Umoliwia wic planowanie, jak osig-n zamierzony cel, a wic i zachowania celowe. Wyobraenie kombinacji obiektów, czyli agregacja indukowanych mechanizmem FSS impresjonów, moe by podstaw kreatywnoci.
Jeli impresjony generowane przez FSS odpowiedzialne s za powstawa-nie wiadomoci, jak sugeruje autor, to model mona testowa, przewidujc, jakie skutki dla wiadomoci moe powodowa przerwanie FSS na skutek dziaania substancji chemicznych, narkotyków, psychotropów lub stanów urazowych lub patologicznych. Jednoczenie testowa mona zdolno mo-delu FSS do wytumaczenia spotykanych zaburze w funkcjonowaniu przy-tomnoci. Autor dokonuje takiej pozytywnej weryfikacji na przykadzie feno-menu snu, dziaania rodków anestezjologicznych, stanów narkotycznych, delirium, padaczki napadowej, niedotlenienia mózgu, hipoglikemii, chronicz-nych stanów utraty przytomnoci [BERNAT 2009] itp. [VADAKKAN 2010].
Kolejne dowody neurologiczne to utrata przytomnoci wskutek blokowa-nia transmisji sygnaów sensorycznych w wyniku zawau wzgórza grzbieto-wego i innych jder wzgórza, przez które przechodz wszystkie szlaki afe-rentne pobudze sensorycznych. Wiadomo skdind, e deprywacja senso-ryczna zakóca wiadomo. Autor wyjania efekt asocjacyjnego zapamity-wania w przypadku braku przytomnoci, podwiadom reaktywacj FSS i powstawaniem nowych, zasocjowanych impresjonów. Najistotniejsze wy-daje si autorowi wyjanienie zjawiska powizania korelacyjnego rónych modalnoci (binding problem). Obiektywnie najwaniejszym osigniciem modelu FSS jest zaproponowanie mechanizmu porównywania impresjonów rónych rzdów, co umoliwia konfrontowanie impresjonów-modeli prze-chowywanych w pamici z nowo utworzonymi impresjonami dostarczanymi nam przez zmysy.
7. DOBRY MODEL, ALE NIE DZIA A
Model funkcjonalnego sprzenia synaptycznego w dalszym cigu nie pozwala zrozumie i opisa, jak ksztatuje si wiadomo w mózgu. Wi-dzimy narzdzia, które mog by wykorzystane do tego opisu. Autorzy wskazuj na konieczno wystpowania pocze umoliwiajcych horyzon-taln propagacj pobudze i uczenie korelacyjne. Wskazuj na wiele przesa-nek, e takie procesy wystpuj w behawioralnych cechach mózgu i psycho-logicznych zjawiskach umysu. Z tym naley si zgodzi. Nie natrafiamy tu na sprzecznoci z dotychczasowymi modelami procesów poznawczych, a ra-czej mona ten model traktowa jako rozwinicie nurtu nominalistycznego, idei Minsky’ego i uzupenienia modelu Perlovsky’ego.
Nie jest jednak jasne, dlaczego impresjony ronych poziomów miayby tworzy kombinatoryczne agregaty i permutowa, tworzc zoony model jeszcze bardziej zoonej rzeczywistoci? Co powoduje selekcj impres-jonów wadajcych chwilowo nasz wiadomoci? Jakie jest neuronalne podoe pamici trwaej i roboczej i jakie s relacje midzy nimi? Jakie s procedury zdobywania, klasyfikacji i dystrybucji wiedzy, samouczenia, uczenia pod nadzorem lub z krytykiem? Jak rejestrowane s epizody trwa-jce przez zmienne interway czasowe, jeli niezdefiniowana zostaa pami epizodyczna systemu? Jaka jest motywacja do mylenia? Autor nie wspo-mina tu o deniu poznawczym motywowanym instynktem wiedzy KI, jak to proponowa Perlovsky.
Podobnie jak w modelu NPM nie wyjaniono mechanizmu uwagi. Nie odniesiono si do oddziaywania umysu z otoczeniem poprzez jego funkcje motoryczne oraz do wzajemnych relacji midzy intencjonaln ingerencj w rodowisko i tworzeniem jego modelu w umyle.
Autor koncepcji FSS, podajc za niektórymi badaczami, nie wie „uwa-gi” ze stanami wiadomymi. Przypisuje jej tylko pewn rol na etapie tworze-nia FSS. To stanowisko wydaje si bdne, poniewa nie wskazuje jak mecha-nizm wolicjonalny przeczania uwagi mógby ujawnia teleologiczn natur istoty wiadomej, a wic dopuszcza dziaania intencjonalne i woln wol.
Vadakkan nie wskazuje algorytmu, który ustanawia reguy integracji i kon-solidacji grup impresjonów, tak aby retrospekcje impresjonów-modeli odpo-wiaday obserwowanym qualiom. Istotne jest, którego rzdu warstwy neuro-nowej synapsy musz asocjowa, aby ustanowi impresjon adekwatny do zoonoci obserwowanego obiektu. Nie znajdujemy odpowiedzi na takie pytanie w zaproponowanym modelu. Niezbdne byyby take algorytmy
ustanawiajce liczb warstw neuronowych objtych ksztatowaniem impres-jonu, okrelajce liczb i rozmiar wysepek synaptycznych na poszczegól-nych poziomach hierarchii, algorytmy kombinacji i permutacji synaps, wy-maganych do wygenerowania potencjaów czynnociowych, wczania no-wych neuronów, dodawania i usuwania synaps oraz okrelania cieek równolegego przetwarzania i sposobu wypeniania funkcji hamujcych. Szczególnie ta ostatnia rola jest istotna w sieci penej sprze zwrotnych, które atwo mog prowadzi do wzbudzenia caego ukadu, co w mózgach naturalnych manifestuje si objawami patologicznymi (np. epilepsj).
Proponowane powyej biologiczne i systemowe mechanizmy tworzenia FSS mog by atwo podwaone. W kadym razie w formie sugerowanej przez Va-dakkana, nie zostay dotychczas potwierdzone i dlatego autor postuluje poszuki-wanie innych, koniecznych mechanizmów sprze synaptycznych. Zadanie to stawia przed neurologami i biochemikami badajcymi procesy mózgowe. Co gorsza, mona si zastanawia, czy sprzenia synaptyczne s nie-zbdne, bo przecie rol transmisji wzorców – modeli z wyszych warstw sieci mog peni aksony sprze zwrotnych zstpujce na pitra nisze, blisze polom sensorycznym, oraz tzw. aksony rekurencyjne (zob. np. [BRO -DZIAK 2001]). Natomiast sprzenia horyzontalne mog by realizowane przez aksony asocjacyjne, bdce torami transmisji informacji midzy po-lami rónych modalnoci. Wystpowanie wymienionych ptli sprze wy-kazano eksperymentalnie i zapewne odgrywaj one istotn rol w tworzeniu asocjacji multimodalnych oraz penetracji zasobów mentalnych, o czym b-dzie jeszcze mowa w dalszej czci pracy. Ptle krótkozasigowe tworzone przez aksony rekurencyjne rozpatrywane s take jako mechanizm pamici krótkotrwaej, poniewa pobudzenia powtarzane w tych ptlach mog utrzy-mywa stan aktywacji przez wymagany czas kilku, kilkudziesiciu sekund. Czas by moe niezbdny, aeby przenie informacje do pomici trwaej. Liczba pocze zwrotnych wydaje si jednak zbyt maa dla odzwiercie-dlenia i przywoania caego bogactwa postrzeganego rodowiska. Natomiast sprzenie midzysynaptyczne FSS mogyby ten problem rozwiza defini-tywnie, gdyby udao si wykaza jego wystpowanie w sieci neuronowej.
Nowe badania wskazuj, e moliwe s inne tory transmisji asocjacji po-przecznych, horyzontalnych, zarówno dugozasigowe, pomidzy kolumna-mi, polami mózgowymi w korze i ronymi regionami mózgu, jak i krótko-zasigowe, pomidzy synapsami i ssiednimi neuronami w mikrokolumnach. Przedstawiony model mona znacznie ulepszy.
BIBLIOGRAFIA
ABBOTT Larry F. (2008), Theoretical Neuroscience Rising, „Neuron” Vol. 60, Issue 3, 489-495, 6 November.
ANASTASSIOU Costas A., MONTGOMERY Sean M., BARAHONA Mauricio, BUZSÁKI György & KOCH Christof (2010), The Effect of Spatially Inhomogeneous Extracellular Electric Fields on Neurons, „The Journal of Neuroscience” 30, 1925-1936.
ANASTASSIOU Costas A., PERIN Rodrigo, MARKRAM Henry, KOCH Christof (2011), Ephaptic Coupling of Cortical Neurons, „Nature Neuroscence” Vol. 14, No. 2, Febr.
BAARS Bernard J. (1997), In the Theater of Consciousness, New York: Oxford University Press. BAARS Bernard J. (1988), A Cognitive Theory of Consciousness, Cambridge: Cambridge
Univer-sity Press.
BERNAT James L. (2009), Chronic Consciousness Disorders, „Annual Review of Medicine”, Vol. 60, 381-392.
BINZEGGER Tom, DOUGLAS Rodney J., MARTIN Kevan A.C. (2004), A Quantitative Map of the Circuit of Cat Primary Visual Cortex, „The Journal of Neuroscience” 24, 8441-8453. BISHOP Christopher M. (1996), Neural Networks for Pattern Recognition, New York: Oxford
University Press.
BRODZIAK Andrzej (2001), Neurophysiology of the Mental Image, „Medical Science Monitor” 7(3), 534-538.
CHALMERS David J. (1995), Facing Up to the Problem of Consciousness, „Journal of Conscious-ness Studies” 2, 200-219.
CHALMERS David J. (1996), The Conscious Mind: In Search of a Fundamental Theory, Oxford: Oxford University Press.
CHALMERS David J. (1998), On the Search for the Neural Correlate of Consciousness, [w:] S. HA
-MEROFF, A. KASZNIAK, and A. SCOTT (eds.), Toward a Science of Consciousness II: The Se-cond Tucson Discussions and Debates, Cambridge: MIT Press, 219-230.
COGGAN Jay S., BARTOL Thomas M., ESQUENAZI Eduardo, STILES Joel R., LAMONT Stephan, MARTONE Maryann E., BERG Darwin K., ELLISMAN Mark H., SEJNOWSKI Terrence J. (2005), Evidence for Ectopic Neurotransmission at a Neuronal Synapse, „Science” 309, 446-451. CRICK Francis (1997), Zdumiewajca hipoteza, tum. B. Chaci ska-Abramowicz, M.
Abrahamo-wicz, Warszawa: Prószy ski i S-ka.
DEECKE Lüder (2012), There Are Conscious and Unconscious Agendas in the Brain and Both Are Important-Our Will Can Be Conscious as Well as Unconscious, „Brain Sciences” 2, 405-420. DEHAENE Stanislas & NACCACHE Lionel (2001), Towards a Cognitive Neuroscience of
Con-sciousness: Basic Evidence and a Workspace Framework, „Cognition” 79, 1-37.
DEMING Ross, SCHINDLER John, PERLOVSKY Leonid I. (2009), Multi-Target/Multi-Sensor Track-ing UsTrack-ing Only Range and Doppler Measurements, „IEEE Transactions on Aerospace and Electronic Systems” Vol. 45, No. 2, April.
DENNETT Daniel C. (1988), Quining Qualia, [w:] A. MARCEL and E. BISIACH (eds.), Conscious-ness in Modern Science, Oxford: Oxford University Press, 121-158.
DUCH Wodzisaw (2010), Architektury kognitywne. Neurocybernetyka teoretyczna, ed. R. Ta-deusiewicz, rozdz. 14, s. 329-361.
EDELMAN Gerald M. (1999), Przenikliwe powietrze, jasny ogie . O materii umysu, tum. J. R-czaszek, Warszawa: PIW 1999.
FAVOROV Oleg V., KURSUN Olcay (2011), Neocortical layer 4 as a pluripotent function linearizer, „Journal of Neurophysiology” Vol. 105, No. 3 (March), 1342-1360.
