Биологические вычисления

Эта статья может потребовать очистки, чтобы соответствовать стандартам качества Википедии . Конкретная проблема заключается в следующем: у этой статьи есть потенциал, но в настоящее время она в основном используется как вешалка для WP: REFSPAM . Пожалуйста, помогите улучшить эту статью, если можете. ( Август 2016 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения )

Биологические вычисления , сокращение от биологически вдохновленных вычислений , - это область исследования, которая стремится решать проблемы информатики с использованием моделей биологии. Это связано с коннекционизмом , социальным поведением и эмерджентностью . В информатике биологические вычисления относятся к искусственному интеллекту и машинному обучению. Вычисления, вдохновленные биологией, являются основным подмножеством естественных вычислений .

Области исследований [ править ]

Некоторые области исследований в области биологически вдохновленных вычислений и их биологических аналогов:

Искусственный интеллект [ править ]

Биологически вдохновленные вычисления можно отличить от традиционного искусственного интеллекта по подходу к компьютерному обучению. Биологические вычисления используют эволюционный подход, в то время как традиционный ИИ использует « креационистский » подход. Биологически вдохновленные вычисления начинаются с набора простых правил и простых организмов, которые придерживаются этих правил. Со временем эти организмы развиваются в рамках простых ограничений. Этот метод можно считать восходящим или децентрализованным . В традиционном искусственном интеллекте интеллект часто программируется сверху: программист - творец, он что-то создает и наделяет своим интеллектом.

Пример виртуального насекомого [ править ]

Биологические вычисления можно использовать для обучения виртуального насекомого. Насекомое обучается ориентироваться в неизвестной местности для поиска пищи, руководствуясь шестью простыми правилами:

• поверните направо, чтобы увидеть цель и препятствие налево;
• поверните налево для цели и препятствия направо;
• поверните налево для цели-влево-препятствие-вправо;
• поверните направо для цели-вправо-препятствие-влево;
• повернуть налево на цель-налево без препятствий;
• повернуть направо на цель-направо без препятствий.

Виртуальное насекомое, управляемое обученной нейронной сетью, может находить пищу после тренировки в любой неизвестной местности. ^[1] После нескольких поколений применения правил обычно возникают некоторые формы сложного поведения. Сложность строится на сложности, пока конечный результат не станет чем-то заметно сложным и довольно часто совершенно противоречащим интуиции по сравнению с тем, что, как ожидается, будут производить исходные правила (см. Сложные системы ). По этой причине в моделях нейронных сетей необходимо точно моделировать сеть in vivo путем прямого сбора «шумовых» коэффициентов, которые можно использовать для уточнения статистического вывода и экстраполяции по мере увеличения сложности системы. ^[2]

Естественная эволюция - хорошая аналогия этому методу: правила эволюции ( отбор , рекомбинация / воспроизводство, мутация и недавнее перемещение ) в принципе являются простыми правилами, однако за миллионы лет были созданы удивительно сложные организмы. Похожая техника используется в генетических алгоритмах .

Компьютеры, вдохновленные мозгом [ править ]

Вычисления, вдохновленные мозгом, относятся к вычислительным моделям и методам, которые в основном основаны на механизме мозга, а не полностью имитируют мозг. Цель состоит в том, чтобы позволить машине реализовать различные когнитивные способности и механизмы координации людей на основе мозга, и, наконец, достичь или превзойти уровень человеческого интеллекта.

Исследование [ править ]

Исследователи искусственного интеллекта теперь знают о преимуществах обучения с помощью механизма обработки информации мозга. Прогресс науки о мозге и нейробиологии также обеспечивает необходимую основу для искусственного интеллекта, чтобы учиться на механизме обработки информации мозга. Исследователи мозга и нейробиологии также пытаются применить понимание обработки информации мозга к более широкому кругу научных дисциплин. Развитие дисциплины выигрывает от толчка информационных технологий и умных технологий, и, в свою очередь, мозг и нейробиология также вдохновят следующее поколение преобразований информационных технологий.

Влияние науки о мозге на вычисления, вдохновленные мозгом [ править ]

Достижения в области мозга и нейробиологии, особенно с помощью новых технологий и нового оборудования, помогают исследователям получать многомасштабные, разнотипные биологические доказательства мозга с помощью различных экспериментальных методов и пытаются выявить структуру биоинтеллекта с помощью различных экспериментальных методов. различные аспекты и функциональная основа. От микроскопических нейронов, синаптических рабочих механизмов и их характеристик до модели соединения мезоскопической сети , до связей в макроскопическом интервале мозга и их синергетических характеристик, многомасштабная структура и функциональные механизмы мозга, полученные в результате этих экспериментальных и механистических исследований, будут послужат важным источником вдохновения для построения будущей модели вычислений, вдохновленной мозгом. ^[3]

Чип, вдохновленный мозгом [ править ]

Вообще говоря, чип, созданный на основе мозга, относится к чипу, разработанному с учетом структуры нейронов человеческого мозга и когнитивного режима человеческого мозга. Очевидно, что « нейроморфный чип» - это чип, вдохновленный мозгом, который фокусируется на дизайне структуры чипа со ссылкой на модель нейрона человеческого мозга и его тканевую структуру, что представляет собой основное направление исследований чипов, вдохновленных мозгом. Наряду с появлением и развитием «мозговых планов» в разных странах появилось большое количество результатов исследований нейроморфных чипов, которые получили широкое международное внимание и хорошо известны академическому сообществу и отрасли. К примеру, ЕС поддержал спинакер и BrainScaleS, Стэнфорда Neurogrid , IBM,TrueNorth и Qualcomm's Zeroth .

TrueNorth - это интеллектуальный чип, который IBM разрабатывает почти 10 лет. Программа DARPA в США финансирует IBM разработку микросхем импульсных нейронных сетей для интеллектуальной обработки с 2008 года. В 2011 году IBM впервые разработала два прототипа когнитивных кремний, моделируя структуры мозга, которые могут обучаться и обрабатывать информацию, например мозг. Каждый нейрон мозгового чипа перекрестно связан с массивным параллелизмом. В 2014 году IBM выпустила вдохновленный мозгом чип второго поколения под названием TrueNorth. По сравнению с чипами первого поколения, вдохновленными мозгом, производительность чипа TrueNorth резко возросла, а количество нейронов увеличилось с 256 до 1 миллиона; количество программируемых синапсов увеличилось с 262 144 до 256 миллионов;Субсинаптическая работа с общей потребляемой мощностью 70 мВт и потребляемой мощностью 20 мВт на квадратный сантиметр. В то же время TrueNorth обрабатывает ядерный объем, составляющий лишь 1/15 часть мозговых чипов первого поколения. В настоящее время IBM разработала прототип нейронного компьютера, который использует 16 чипов TrueNorth с возможностями обработки видео в реальном времени.^[4] Сверхвысокие показатели и превосходное качество чипа TrueNorth вызвали большой резонанс в академическом мире в начале его выпуска.

В 2012 году Институт вычислительных технологий Китайской академии наук (CAS) и французская компания Inria совместно разработали первый в мире чип для поддержки процессора архитектуры глубокой нейронной сети «Cambrian». ^[5] Технология выиграла лучшие международные конференции в области компьютерной архитектуры, ASPLOS и MICRO, а ее метод проектирования и производительность были признаны во всем мире. Чип может быть использован как выдающийся представитель направления исследований мозговых чипов.

Проблемы интеллектуальных вычислений [ править ]

Неясное познание механизмов мозга [ править ]

Человеческий мозг - продукт эволюции. Хотя его структура и механизм обработки информации постоянно оптимизируются, компромиссы в процессе эволюции неизбежны. Черепная нервная система - это многоуровневая структура. Есть еще несколько важных проблем в механизме обработки информации на каждом уровне, например, тонкая структура связи нейронных масштабов и механизм обратной связи масштаба мозга. Поэтому даже комплексный подсчет количества нейронов и синапсов составляет всего 1/1000 размера человеческого мозга, и это все еще очень сложно изучать на современном уровне научных исследований. ^[6]

Неясные вычислительные модели и алгоритмы, вдохновленные мозгом [ править ]

В будущих исследованиях модели когнитивных вычислений мозга необходимо смоделировать систему обработки информации мозга на основе результатов многомасштабного анализа данных нейронной системы мозга, построить многомасштабную вычислительную модель нейронной сети, вдохновленную мозгом, и смоделировать мультимодальность. мозга в многомасштабном. Интеллектуальные поведенческие способности, такие как восприятие, самообучение, память и выбор. Алгоритмы машинного обучения не являются гибкими и требуют высококачественных выборочных данных, которые вручную помечаются в крупном масштабе. Модели обучения требуют больших вычислительных затрат. Искусственный интеллект, вдохновленный мозгом, по-прежнему не обладает развитыми когнитивными способностями и способностью к логическому обучению.

Вычислительная архитектура и возможности с ограничениями [ править ]

Большинство существующих чипов, вдохновленных мозгами, по-прежнему основаны на исследованиях архитектуры фон Неймана, а в большинстве материалов для производства чипов по-прежнему используются традиционные полупроводниковые материалы. Нейронный чип заимствует только самую базовую единицу обработки информации мозга. Самая простая компьютерная система, такая как хранилище и вычислительное слияние, механизм импульсного разряда, механизм связи между нейронами и т. Д., А также механизм между единицами обработки информации разного масштаба, не были интегрированы в исследование архитектуры вычислений, вдохновленных мозгом. В настоящее время важной международной тенденцией является разработка компонентов нейронных вычислений, таких как мемристоры мозга, контейнеры памяти и сенсорные датчики, на основе новых материалов, таких как нанометры,таким образом поддерживая создание более сложных компьютерных архитектур, вдохновленных мозгом. Разработка компьютеров, вдохновленных мозгом, и крупномасштабных вычислительных систем для мозга, основанных на разработке микросхем, вдохновленных мозгом, также требует соответствующей программной среды для поддержки его широкого применения.

См. Также [ править ]

Эта статья представлена ​​в виде списка , но может читаться лучше как проза . Вы можете помочь, преобразовав эту статью , если это необходимо. Доступна помощь по редактированию . ( Декабрь 2016 г. )

• Приложения искусственного интеллекта
• Искусственная жизнь
• Искусственная нейронная сеть
• Робототехника, основанная на поведении
• Биоинформатика
• Бионика
• Когнитивная архитектура
• Когнитивное моделирование
• Когнитивная наука
• Коннекционизм
• Цифровой морфогенез
• Цифровой организм
• Эволюционный алгоритм
• Эволюционные вычисления
• Нечеткая логика
• Программирование экспрессии генов
• Генетический алгоритм
• Генетическое программирование
• Джеральд Эдельман
• Джанин Бенюс
• Система обучающих классификаторов
• Марк А. О'Нил
• Математическая биология
• Математическая модель
• Естественное вычисление
• Нейроэволюция
• Олаф Спорнс
• Органические вычисления
• Рой интеллект

Списки

• Список новых технологий
• Схема искусственного интеллекта

Ссылки [ править ]

Дальнейшее чтение [ править ]

(следующие представлены в порядке возрастания сложности и глубины, а новичкам в данной области рекомендуется начинать сверху)

• « Биологически вдохновленные вычисления »
• « Цифровая биология », Питер Дж. Бентли.
• « Первый международный симпозиум по биологически вдохновленным вычислениям »
• Появление: Связанные жизни муравьев, мозгов, городов и программного обеспечения , Стивен Джонсон.
• Журнал доктора Добба , апрель 1991 г. (Тема выпуска: Биокомпьютинг)
• Черепахи, термиты и пробки , Митчел Резник.
• Понимание нелинейной динамики , Дэниел Каплан и Леон Гласс .
• Ridge, E .; Куденко, Д .; Казаков, Д .; Карри, Э. (2005). «Перенос природных алгоритмов в параллельные, асинхронные и децентрализованные среды». Самоорганизация и автономная информатика (I) . 135 : 35–49. CiteSeerX  10.1.1.64.3403 .
• Swarms and Swarm Intelligence Майкла Г. Хинчи, Роя Стерритта и Криса Раффа,
• Основы естественных вычислений: основные концепции, алгоритмы и приложения , Л. Н. де Кастро, Chapman & Hall / CRC, июнь 2006 г.
• « Вычислительная красота природы », Гэри Уильям Флейк . MIT Press. 1998, издание в твердом переплете; 2000, издание в мягкой обложке. Углубленное обсуждение многих тем и основополагающих тем биографических вычислений.
• Кевин М. Пассино, Биомимикрия для оптимизации, управления и автоматизации , Springer-Verlag, Лондон, Великобритания, 2005.
• Последние разработки в области биологических вычислений , Л. Н. де Кастро и Ф. Дж. Фон Зубен, Idea Group Publishing, 2004.
• Нэнси Форбс, Имитация жизни: как биология вдохновляет вычисления, MIT Press, Кембридж, Массачусетс, 2004.
• М. Блоуэрс и А. Систи, Эволюционные и биологические вычисления: теория и приложения , SPIE Press, 2007.
• XS Ян, ZH Cui, RB Xiao, AH Gandomi, M. Karamanoglu, Swarm Intelligence и Bio-Inspired Computing: Theory and Applications , Elsevier, 2013.
• « Биологически вдохновленные конспекты лекций », Луис М. Роча
• Портативная система программирования UNIX (PUPS) и CANTOR: вычислительная среда для динамического представления и анализа сложных нейробиологических данных , Марк А. О'Нил и Клаус-К. Хильгетаг, Фил Транс Р. Соолонд Б 356 (2001), 1259– 1276
• « Возвращаясь к нашим корням: биокомпьютеры второго поколения », Дж. Тиммис, М. Амос, У. Банцаф и А. Тиррелл, Журнал нетрадиционных вычислений 2 (2007) 349–378.
• Нойман, Франк; Витт, Карстен (2010). Биоинспирированные вычисления в комбинаторной оптимизации. Алгоритмы и их вычислительная сложность . Серия Natural Computing. Берлин: Springer-Verlag . ISBN 978-3-642-16543-6. Zbl  1223.68002 .
• Брабазон, Энтони; О'Нил, Майкл (2006). Биологически вдохновленные алгоритмы финансового моделирования . Серия Natural Computing. Берлин: Springer-Verlag . ISBN 978-3-540-26252-7. Zbl  1117.91030 .
• СМ. Пинтеа, 2014 г., « Достижения в области биологических вычислений для задач комбинаторной оптимизации» , Springer ISBN 978-3-642-40178-7 
• « PSA: новый алгоритм оптимизации, основанный на правилах выживания porcellio scaber », Ю. Чжан и С. Ли

Внешние ссылки [ править ]

• Группа Nature Inspired Computing and Engineering (NICE) , Университет Суррея, Великобритания
• Проект ALife в Сассексе
• Биологически вдохновленные вычисления для проекта Neurochem с химическим зондированием
• И Корпорация
• Центр передового опыта в области исследований в области вычислительного интеллекта и приложений Бирмингем, Великобритания
• BiSNET: Биологически вдохновленная архитектура для Sensor NETworks
• BiSNET / e: Сетевая архитектура когнитивных датчиков с эволюционной многоцелевой оптимизацией
• Биологически вдохновленные нейронные сети
• NCRA UCD, Дублин, Ирландия
• Органическая вычислительная среда PUPS / P3 для Linux
• SymbioticSphere: основанная на биологии архитектура для масштабируемых, адаптивных и отказоустойчивых сетевых систем
• Алгоритм runner-root
• Команда беспроводной сети, вдохновленная биологией (BioNet)
• Биологически вдохновленный интеллект