с каким устройством пк можно сравнить мозг человека и почему
CPU против мозга — кто круче
Представьте себе компьютер, который будет консультировать Вас по бытовым вопросам и поможет вам принять правильное решение. Смартфон, который будет восстанавливать зрение слепым. Интеллектуальные транспортные средства, которым не нужны водители. Да тот же терминатор. Научная фантастика? Посмотрим.
Давайте зададим себе вопрос: какой процессор лучше — электронный чип последнего поколения или биологический — человеческий мозг?Во всех областях науки наиболее распространенным ответом на любые вопросы является: «это зависит от применения». Так и в этот раз.
Возьмем хотя бы простую задачу умножения нескольких чисел. Возьмите самый дешевый калькулятор, он справится с этой задачей не напрягаясь. Человеку же (давайте будем честными, среднему человеку) проблема умножить даже двухзначные числа в уме.
Другая ситуация! Даже маленькие дети умеют решать проблемы повседневной жизни и с пониманием наблюдать за окружающей средой. Эта задача проблематична даже для самых высокопроизводительных суперкомпьютеров в мире. Чтобы распознавать элементы изображения, захватываемые камерой, нужны гигантские вычислительные мощности, миллионы ватт энергии, и все это займет кучу времени. Мозг делает это в реальном времени и для этого ему нужно… 20 ватт.
Intel VS. мозг homo sapiens…
Новые технологии VS эволюция и естественный отбор…
Мур VS Дарвин…
Процессор и мозг имеют совершенно различную структуру, но похожую конструкцию. На микроскопическом уровне, транзисторы соответствуют нейронам, синапсы — электрическим связям. Процессор выполняет работу последовательно, а мозг полностью параллельно. Транзистор обычно связан только с предыдущим и следующим, а каждый нейрон соединен с тысячами других. Стоит также отметить, что в человеке больше 100 000 000 0 00 (сто миллиардов), и имеют более 200 000 000 000 000 (двести триллиардов) связей.
И что происходит, когда ваш компьютер сталкивается с проблемой, которую не спрогнозировал программист? Ошибка выскакивает, и мы видим до боли знакомый синий экран. В то время как, мозг использует параллельные нейроны и связи, для нахождения альтернативного решения проблемы. Кроме того, часто используется синаптические связи в головном мозге утолщаются и производят миелиновые оболочки, что позволяет еще быстрее провести нервные импульсы, и таким образом обеспечивать еще более эффективную связь. Процессоры не могут пока самообучаться. Шах и мат. Они могут быть просто обрабатывать данные и производить вычисления, в рамкам заранее заданного алгоритма, правда, гораздо быстрее, чем у мы.
Последовательность VS параллельная структура.
Определенность алгоритма VS пластичность и возможность учиться…
Архитектура процессора характеризуется тем, что функции хранения, контроля и обработки информации разделены и работают отдельно. В мозге нет отдельных выделенных областей, отвечающих за эти процессы — все, что происходит во многих областях — происходит одновременно, более целостно.
Ну и еще одно: тактовая частота процессоров измеряется в Ггц (миллиарды герц). Человеческий мозг работает с частотой несколько герц. Между прочим, именно благодаря тому, потребляет в сотни тысяч раз меньше энергии, чем современные электронные единицы. Правда сосредоточение на работе не включается с кнопкий.
Человек vs машина в будущем
Надеюсь, что после почтения у Вас появилось хоть немного новых синаптических связей ;).
Почему лучший компьютер по-прежнему уступает человеческому мозгу?
Печально осознавать, что в эпоху технического прогресса человеческий мозг по-прежнему остаётся загадкой. Кроме того, мы тратим миллионы долларов на развитие гигантских суперкомпьютеров и используем огромное количество энергии из невосполнимых ресурсов, чтобы обеспечить питанием эти приборы. А сравнительно маленький по размерам человеческий мозг по многим показателям по-прежнему превосходит самые мощные компьютеры.
Суперкомпьютеру требуется 82 944 процессоров и 40 минут работы, чтобы симулировать одну секунду мозговой активности человека.
В прошлом году суперкомпьютер K использовался учёными из Окинавского технологического университета в Японии и Исследовательского центра Юлих в Германии в попытке симулировать 1 секунду активности человеческого мозга.
Компьютер смог воссоздать модель из 1,73 миллиарда нейронов (нервных клеток). Однако в человеческом мозге около 100 миллиардов нейронов. То есть в человеческом мозге примерно столько нейронов, сколько звёзд в Млечном пути. Несмотря на то, что компьютеру удалось успешно симулировать 1 секунду мозговой активности, это заняло 40 минут.
Работник Корейского научного института проверяет суперкомпьютеры в Тэджоне, Южная Корея, 5 ноября 2004 г.
Суперкомпьютер К в 2011 г. был самым быстрым компьютером в мире. Его мощность около 10,51 петафлопс, т. е. примерно 10 510 триллионов операций в секунду. Технологии развиваются стремительно, поэтому сейчас К уже на четвёртом месте, на первом месте ― Tianhe-2 (33,86 петафлопс, 33 860 триллионов операций в секунду). Таким образом, за три года нам удалось утроить вычислительную мощность самого продвинутого компьютера.
Чтобы сделать эти цифры понятнее, iPhone 5п производит примерно 0,0000768 петафлопс. Итого, самый быстрый в мире компьютер примерно в 440 000 быстрее, чем графика iPhone 5, но медленнее, чем человеческий мозг.
В исследовании Мартина Хильберта из школы коммуникации Анненберга при Университете Южной Калифорнии, опубликованном в журнале Science в 2011 г., подсчитана способность мира обрабатывать информацию. Хильберт сформулировал её следующим образом: «Люди всего мира могут осуществить 6,4*1018 операций в секунду на обычных компьютерах образца 2007 г., что сравнимо с максимальным количеством нервных импульсов, возникающих в одном человеческом мозге за секунду».
Мозг дёшево обходится: он достаётся бесплатно
Для сравнения: 1 мегаватт равен 1 миллиону ватт. 100-ваттная лампочка при включении берёт 100 ватт. В итоге самый быстрый компьютер потребляет столько же энергии, сколько 176 000 лампочек.
Д-р Джефф Лайтон, технолог Dell корпорации по производству компьютеров, пишет в блоге: «Эти системы очень громоздкие, дорогие и энергозатратные».
Конечно, мозгу тоже требуется энергия. Он получает её из еды, для производства которой в современной сельскохозяйственной системе требуется топливо.
Компьютеры, которые мы используем в повседневной жизни, полезны. Но некоторые эксперты сомневаются в полезности суперкомпьютеров.
Газета South China Morning Post опубликовала статью о китайском суперкомпьютере Tianhe-2: «В отличие от персональных компьютеров, которые могут выполнять самые разные задачи –– от обработки текстов до игр и просмотра вэб-страниц, суперкомпьютеры построены для специфических задач. Для изучения их полной вычислительной возможности учёные потратили месяцы, если не годы, для написания и переписывания кодов, чтобы обучить машину эффективно выполнять свою работу».
Старший научный сотрудник из Пекинского компьютерного центра, пожелавший остаться анонимным, сказал South China Morning Post: «Пузырь суперкомпьютеров хуже, чем пузырь рынка недвижимости. Здание простоит десятилетия после того, как его построили, а компьютер, вне зависимости от того, настолько он быстрый по сегодняшним меркам, превратится в хлам уже через пять лет».
Что быстрее: компьютерный модем или человеческий мозг?
Многие учёные пытались измерить скорость обработки информации человеческим мозгом. Цифры, которые они называют, различаются и зависят от использованного подхода. Сравнение скорости модема и «скорости» работы мозга едва ли можно отнести к разряду точных наук.
Во-первых, нужно рассмотреть, сколько битов в секунду может обработать ваш мозг, затем посмотреть, сколько битов в секунду в среднем обрабатывает современный компьютер. Говоря иными словами, надо сравнить, сколько времени компьютеру требуется для загрузки изображения из Интернета, и сколько времени вам нужно, чтобы проанализировать то, что вы видите перед глазами.
Д-р Тор Норретрандерс, профессор философии из Бизнес-школы Копенгагена, написал книгу под названием «Иллюзия пользователя: сокращаем объём сознания», в которой он утверждает, что сознание обрабатывает примерно 40 бит/с, а подсознание — 11 миллионов бит/с.
Австрийский физик-теоретик Герберт В. Франке утверждал, что человеческий разум может осознанно усваивать 16 бит/с и осознанно удерживать в уме 160 бит/с. Он отмечает, что по этой причине ум может упростить любую ситуацию до 160 бит/с.
Фермин Москозо дель Прадо Мартин, когнитивный психолог из Университета Прованса во Франции, определил, что мозг обрабатывает примерно 60 бит/с. В своей статье в журнале Technology Review он сказал, что не уверен насчёт верхнего предела. То есть он не может утверждать, что мозг неспособен обработать больше 60 бит/с.
А теперь посмотрим, насколько быстро работает ваш компьютер дома.
Один мегабит в секунду равен 1 миллиону бит в секунду. Домашние модемы могут работать со скоростью от 50 мегабит в секунду до нескольких сотен мегабит в секунду. Это в миллион раз быстрее, чем ваше сознание, и, по крайней мере, в пять раз быстрее, чем ваше подсознание. То есть в этом отношении компьютеры однозначно превосходят мозг. Разумеется, эти цифры неточные, потому что с человеческим подсознанием многое до конца неясно.
Однако, хотя люди сравнительно медленно воспринимают информацию, то, как они умеют её обрабатывать, впечатляет.
Мы учимся и мы изобретаем
Учёные работают над созданием компьютеров, которые бы обладали творческими способностями. Но в настоящее время самый продвинутый искусственный интеллект в этом отношении уступает даже мозгу людей, живших тысячи лет назад.
Автор и инженер-электромеханик Райан Дьюб в статье для сайта MakeUseOf.com комментирует высказывание писателя Гэри Маркуса: «Фундаментальное различие между компьютерами и человеческим разумом ― это организация памяти».
Дьюб писал: «Чтобы найти информацию, компьютер использует расположения виртуальной памяти. В свою очередь человеческий мозг помнит, где находится информация благодаря намёкам. Они сами по себе являются единицей информации или памяти, связанной с информацией, которую надо найти.
«Это означает, что человеческий разум в состоянии связать между собой практически безграничное количество концепций самыми разными способами, а затем при получении новой информации убрать или восстановить эти связи. Эта особенность позволяет людям выйти за пределы уже изученной информации и создавать новые изобретения и искусство, что является отличительной особенностью человеческой расы».
Мозг мало изучен, и его преимущества до конца не раскрыты
National Geographic иллюстрирует, насколько сложно создать точную модель человеческого мозга. В февральском номере журнала в статье «Новая наука мозга» рассказывается, как учёные создали трёхмерную модель части мозга мыши размером с крупинку соли. Чтобы детально отобразить этот крошечный отдел, они использовали электронный микроскоп и разделили его на 200 секций, каждая толщиной в человеческий волос.
«Чтобы отобразить человеческий мозг схожим образом, потребовалось бы количество данных, превосходящее все тексты во всех библиотеках мира», ―пишет National Geographic.
В 2005 г. исследователи из Калифорнийского университета и Калифорнийского технологического института обнаружили, что лишь некоторые из 100 миллиардов нейронов в мозгу используются для хранения информации о конкретном человеке, месте или концепции. Например, они обнаружили, что когда людям показали фото актрисы Дженнифер Энистон, в мозгу реагировал один конкретный нейрон. А на фото актрисы Хэлли Берри реагировал уже другой нейрон.
С каким устройством пк можно сравнить мозг человека и почему
Ведущий эксперт искусственному интеллекту Педро Домингос написал любопытную книгу о том, как машинное обучение может изменить и уже меняет наш мир. Нейронные сети опутывают нас все плотнее, алгоритмы управляют нашей жизнью: они находят книги, фильмы, работу и партнеров для нас, управляют инвестициями и разрабатывают лекарства, самостоятельно обучаясь. Алгоритмы как маленькие любознательные дети: смотрят на нас, повторяют за нами и экспериментируют.
А самое удивительное, что ученые уже работают над Верховным алгоритмом, который будет способен решать любые задачи еще до того, как мы их сформулируем (не напоминает Дугласа Адамса?), и извлекать знания обо всем на свете из данных. Любопытно, правда?
Как устроен наш мозг и как он учится?
Канадский психолог Дональд Хебб в 1949 году сформулировал правило обучения, которое сейчас лежит в основе множества искусственных нейронных сетей: «нейроны, которые срабатывают вместе, связываются друг с другом». В правиле Хебба слились идеи психологии, нейробиологии и, что интересно, немалая доля домыслов. Примерно в то же время испанский нейробиолог Сантьяго Рамон-и-Кахаль провел первые подробные исследования мозга, окрашивая нейроны. Он каталогизировал свои наблюдения, как ботаники классифицируют новые виды деревьев.
Ко времени Хебба нейробиологи в общих чертах понимали, как работают нейроны, однако именно он первым предложил механизм, согласно которому нейроны могут кодировать ассоциации. Каждое понятие представлено множеством нейронов. И эти нейроны, которые возбуждают друг друга, образуют, в терминологии Хебба, «ансамбли клеток».
С помощью таких собраний в головном мозге представлены понятия и воспоминания. В каждый ансамбль могут входить нейроны из разных областей мозга, ансамбли могут пересекаться. Так, клеточный ансамбль для понятия «нога» включает ансамбль для понятия «ступня», в который, в свою очередь, входят ансамбли для изображения ступни и звучания слова «ступня».
Тем не менее для имитации работы мозга одного правила Хебба мало: сначала надо разобраться с устройством головного мозга. Каждый нейрон напоминает крохотное деревце с огромной корневой системой из дендритов и тонким волнистым стволом — аксоном. Мозг в целом похож на лес из миллиардов таких деревьев, однако лес этот необычный: ветви деревьев соединены в нем с корнями тысяч других деревьев (такие соединения называются синапсами), образуя колоссальное, невиданное хитросплетение.
Если расположить аксоны мозга друг за другом, они займут расстояние от Земли до Луны.
Эти джунгли потрескивают от электрических разрядов. Искры бегут по стволам и порождают в соседних деревьях еще больший сонм искр. Время от времени лес неистово вспыхивает, потом снова успокаивается. Работа мозга похожа на симфонию таких электрических разрядов. Если бы можно было посмотреть изнутри на то, что происходит в тот момент, когда вы читаете эту страницу, сцена затмила бы самые оживленные мегаполисы из фантастических романов. Этот невероятно сложный узор нейронных искр в итоге порождает человеческое сознание. Следующий шаг — превратить работу синапсов в алгоритм.
Нейросети. Начало
Первая формальная модель нейрона была предложена в 1943 году Уорреном Маккаллоком и Уолтером Питтсом. Она была во многом похожа на логические вентили, из которых состоят компьютеры с И, ИЛИ и НЕ. Нейронные сети могут совершать все операции, которые умеет делать компьютер. Поначалу компьютер часто называли электронным мозгом, и это была не просто аналогия.
Однако нейрон Маккаллока–Питтса не умеет учиться. Это стало шагом к изобретению перцептронов. Харизматичный оратор и очень живой человек, психолог Фрэнк Розенблатт сделал для зарождения машинного обучения больше, чем кто бы то ни было. Своим названием перцептроны обязаны его интересу к применению своих моделей в проблемах восприятия (перцепции), например распознавания речи и символов.
А вот это штука уже посовременнее: тактильный интерфейс, меняющий форму, разработанный в Массачусетском технологическом институте, – источник.
Перцептрон похож на крохотный парламент, в котором побеждает большинство (хотя, наверное, не такой уж и крохотный, учитывая, что в нем могут быть тысячи членов). Но при этом парламент не совсем демократический, поскольку в целом не все имеют равное право голоса. Нейронная сеть в этом отношении больше похожа на Facebook, потому что несколько близких друзей стоят тысячи френдов, — именно им вы больше всего доверяете, и они больше всего на вас влияют. Если друг порекомендует вам фильм, вы посмотрите его и вам понравится, в следующий раз вы, вероятно, снова последуете его совету. С другой стороны, если подруга постоянно восторгается фильмами, которые не доставляют вам никакого удовольствия, вы начнете игнорировать ее мнение (и не исключено, что дружба поостынет).
Перцептрон вызвал восторг в научном сообществе. Он был простым, но при этом умел узнавать печатные буквы и звуки речи: для этого требовалось только обучение на примерах.
Но затем перцептрон уперся в стену. Инженеров знаний раздражали заявления Розенблатта: они завидовали вниманию и финансированию, которое привлекали нейронные сети в целом и перцептроны в частности. Одним из таких критиков был Марвин Минский, который опубликовал книгу с критикой перцептронов: он описал простые вещи, которым алгоритм не в состоянии научиться. (Хотя надо сказать, что спустя 20 лет это оказалось не так.)
Мозг и компьютер: принципиальное различие
В случае обратной дедукции мы шаг за шагом разбираемся, какое правило необходимо ввести, чтобы от посылок прийти к желаемым выводам. Однако согласно правилу Хебба, все нейроны учатся одновременно. В этом нашли отражение различия между компьютерами и мозгом.
Количество транзисторов в компьютере приближается к количеству нейронов в головном мозге человека, однако мозг безусловно выигрывает в количестве соединений.
Типичный транзистор в микропроцессоре непосредственно связан лишь с немногими другими, и применяемая технология планарных полупроводников жестко ограничивает потенциал совершенствования работы компьютера. А у нейрона — тысячи синапсов. Если вы идете по улице и увидели знакомую, вам понадобится лишь десятая доля секунды, чтобы ее узнать.
Это не значит, что с помощью компьютера нельзя симулировать работу мозга: в конце концов, именно это делают коннекционистские алгоритмы. Поскольку компьютер — универсальная машина Тьюринга, он может выполнять вычисления, происходящие в мозге, как и любые другие, при условии, что у него есть достаточно памяти и времени. В частности, недостаток связности можно компенсировать скоростью: использовать одно и то же соединение тысячу раз, чтобы имитировать тысячу соединений.
На самом деле сегодня главный недостаток компьютеров заключается в том, что в отличие от мозга они потребляют энергию: ваш мозг использует примерно столько мощности, сколько маленькая лампочка, а для некоторых сложных машин нужно столько электричества, что им можно осветить целый бизнес-центр.
Что умеют нейронные сети
Ученые Терри Сейновски и Чарльз Розенберг обучали многослойный перцептрон читать вслух. Их система NETtalk сканировала текст, подбирала фонемы согласно контексту и передавала их в синтезатор речи. NETtalk не только делал правильные обобщения для новых слов, чего не умели системы, основанные на знаниях, но и научился говорить очень похоже на человека. Сейновски любил очаровывать публику на научных мероприятиях, пуская запись обучения NETtalk: сначала лепет, затем что-то более внятное и наконец вполне гладкая речь с отдельными ошибками. (Поищите примеры на YouTube по запросу sejnowski nettalk.)
Первым большим успехом нейронных сетей стало прогнозирование на фондовой бирже. Поскольку сети умеют выявлять маленькие нелинейности в очень зашумленных данных, они приобрели популярность. Типичный инвестиционный фонд тренирует сети для каждой из многочисленных ценных бумаг, затем позволяет выбрать самые многообещающие, после чего люди-аналитики решают, в какую из них инвестировать.
Беспилотные автомобили — тоже пример того, как хорошо нейронные сети обучаются. А совсем недавно Google рассказали о том, что научили нейросети «писать» картины, опираясь на загруженные в них изображения.
Ребята из Медузы собрали целую галерею таких машинных картин.
Сегодня мы обучаем более глубокие сети, чем когда бы то ни было, и они задают новые стандарты в зрении, распознавании речи, разработке лекарственных средств и других сферах. И, конечно, меняют мир. По мере того как мы будем лучше понимать мозг, ситуация может измениться. Вдохновленная проектом «Геном человека», новая дисциплина — коннектомика — стремится составить карту всех мозговых синапсов. Возможно, это то самое окно в будущее.
Оперативная память мозга: что общего между компьютером и мозгом
У меня есть компьютер. Думаю, у вас тоже. Общий перечень наших с вами задач, решаемых с помощью компьютера, можно свести к двум основополагающим вещам: хранение и преобразование информации. Головной мозг выполняет схожие функции. Например, фоторецепторные клетки в глазах принимают электромагнитное излучение и преобразуют его в нервный импульс. Мозг обрабатывает эту информацию и на основе нее строит изображение. Помимо функционального сходства, мозг и компьютер имеют и общие структурные черты: у нас тоже есть некоторое подобие процессора и памяти. Причем наша память, как и память компьютера, бывает разных видов. В этой статье пойдет речь о нашем аналоге оперативной памяти и о том, как он работает.
Когнитивность
Как работает наш мозг? На столь обширный вопрос есть несколько философский ответ — недостаточно хорошо. Действительно, вы наверняка хотели бы не вспоминать перед сном все свои неудачи и просчеты или не забывать, куда положили ключи. Переформулируем и сузим вопрос: как человеческий мозг воспринимает и использует информацию?
Получение информации
Что дальше?
Попадая в мозг, нервные импульсы преобразуются в соответствующие образы и чувства. Но на данный момент эти образы всего лишь образы. Если человек не умеет читать, то для его мозга текст будет лишь набором закорючек. В психологии есть термин когнитивность. Он отражает способность человека к умственному восприятию и переработке внешней информацию сквозь собственную систему взглядов, зависящую от мышления, памяти, обучения и т. д. Коротко говоря, мозг в течение жизни обучается, получает новую информацию и, в зависимости от текущего типа мышления, багажа знаний и умений, обрабатывает получаемую информацию соответствующим образом.
Память мозга
Память можно определить как способность мозга сохранять и восстанавливать информацию. Очевидно, что работа мозга очень сильно зависит от памяти и ее роль сложно переоценить. Классифицировать память можно по разным критериям. Но нас будет интересовать конкретно разделение по времени хранения информации. Итак, память мозга условно можно разделить на следующие виды:
Кратковременная память
Изначально, информация от органов чувств попадает в кратковременную память. Как понятно из названия, она хранится там небольшой промежуток времени. При этом информация от органов чувств фильтруется. В кратковременную память попадает та информация, на которую мы обратили своё внимание. Причем как произвольно, так и под действием каких-либо факторов. Например, обычно мы не обращаем внимание на ощущения от надетой на нас одежды, но если она вызовет дискомфорт, то мы обратим внимание, и эта информация попадет к нам в кратковременную память. Помимо органов чувств, источником информации может являться и долговременная память как итог процесса вспоминания, как целенаправленного, так и спонтанного.
Модель Аткинсона-Шиффрина
В целом идеи о том, что человеческая память не является единой сущностью, возникли ещё в 19 веке. Более конкретная теория взаимодействия между кратковременной и долговременной памятью появилась в середине 20-го века в множественной модели Аткинсона-Шиффрина.
Согласно данной модели, наша память состоит из трех структур:
Механизм перехода из кратковременной памяти в долговременную точно не ясен. При этом, способность вспоминать события из прошлого зависят от гиппокампа. К этому выводу пришли Бренда Милнер и Уильям Сковилл, изучая пациента, которому для лечения эпилепсии был удален гиппокамп. Пациент не мог вспомнить, что с ним происходило в прошлом, но при этом другие структуры памяти сохранились. Он помнил факты об устройстве мира, но новые ему выучить было сложно. Также у него отлично работала кратковременная память.
Объем кратковременной памяти
Информация без повторения хранится в кратковременной памяти на протяжении примерно 20 секунд. При этом ее объем однозначно определить очень сложно. Американский психолог Джордж Миллер в своей работе «Магическое число семь плюс-минус два« определил, что человек, как правило, не может запомнить и воспроизвести больше 7±2 объектов (данная характеристика является усредненной и не отрицает существование уникумов, способных запоминать большое количество информации)
Но что такое объект? На основе своих исследований (проверка, сколько человек может запомнить), Миллер приводит следующую характеристику — человек в среднем способен запомнить девять двоичных чисел, восемь десятичных, семь букв алфавита и пять односложных слов. Информационная содержательность этих объектов не столь большая. В этом кроется и следующее различие между кратковременной и долговременной памятью — объем информации. Объектом может являться как слово, так и изображение — например, пейзаж. Но степень его детализации будет определяться объемом кратковременной памяти и вряд ли вы запомните его в деталях без повторения.
Рабочая память
Рабочая память (РП) — это тип памяти, с помощью которого человек способен сохранять в уме информацию, с которой работает. РП также позволяет комбинировать информацию, полученную от органов восприятия, с долговременной и кратковременной памятью.
Термин «Рабочая память» был введен Джорджем Миллером, Евгением Галантером и Карлом Прибрамом в контексте теории, в которой человеческий ум сравнивался с компьютером. Изначально понятие рабочей памяти не было конкретизировано, поэтому его использовали Ричард Аткинсон и Ричард Шиффрин в своей модели кратковременной памяти. Однако они не сделали акцента на ее функциональной части, поэтому Алан Бэддели и Грэм Хитч переработали их модель. Главное отличие нового взгляда на РП заключалось в том, что кратковременная память может быть разделена на субкомпоненты и что такая система способна на сложные когнитивные действия. На данный момент многие ученые используют концепцию РП в качестве замены или расширения концепции краткосрочной памяти, делая акцент на манипулировании информацией, а не на ее простом хранении.
Модель рабочей памяти
В 1974 году Алан Бэддели и Грэм Хитч предложили многокомпонентную модель РП, переработав модель кратковременной памяти Аткинсона-Шиффрина. Изначально модель содержала три компонента. Первый компонент — это система контроля над вниманием, называемая центральным исполнителем (ЦИ). ЦИ направляет внимание на информацию, подавляя отвлечение (на нерелевантную информацию и неподходящие действия) и координируя когнитивные процессы при одновременном выполнении множества задач. У ЦИ «в подчинении» находятся две системы временного хранения: фонологическая петля и визуально-пространственный блокнот.
Фонологическая петля — это когнитивная система временного хранения, которая может хранить информацию, представленную в речевой и звуковой форме, с помощью проговаривания про себя (субвокальные повторения). Одним из доказательств этого служит эффект фонологического сходства: слова, со сходным звучанием, запоминаются труднее, чем слова, звучащие по-разному. Представим, что вы хотите запомнить набор терминов. Если слова схожи по звучанию, то это приведет к путанице и плохому результату. Попробуйте запомнить два ряда слов: «код», «год», «кот», «рот» и «солнце», «горячий», «корова», «день». Скорее всего, «производительность» запоминания в первом случае будет хуже. Фонологической петле совсем не важны значения, поэтому человек запоминает ряд из нескольких слов, обозначающих одно и тоже, так же, как и разные слова. В этом заключается отличие рабочей памяти от долговременной. Если увеличить количество слов в последовательности, например до 10, и дать людям запомнить их, то звучание уйдет на второй план, а значение станет намного важней. Таким образом у человека имеется система, которая может хранить информацию путем проговаривания про себя. Она не важна для понимания речи (если вы способны нормально говорить и слышать), однако играет существенную роль в пополнении словарного запаса на раннем этапе обучения чтению, когда нужно удержать в памяти последовательность звуков в точном порядке.
Визуально-пространственный блокнот — это когнитивная система, одновременно хранящая пространственную и визуальную информацию. Визуальная информация включает в себя такие вещи, как цвет и форма, а пространственная — данные о местоположении. Например, использование карты или проектирование здания включает пространственную информацию. Изучение иероглифов, запоминание цвета — это больше визуальное задание. Системы вербальной, пространственной и визуальной информации могут поддерживаться потоками информации, не охватываемыми подчиненными системами (например, тактильные ощущения, семантическая информация, музыкальная информация, эмоциональная составляющая и т. п.).
Так как речь идет о серии потоков восприятия, в 2000 году Бэддели расширил модель, добавив четвертую систему — эпизодический буфер, в котором потоки информации объединяются. У буфера есть несколько измерений: визуальное, пространственное семантическое и перцептивное. Он объединяет их вместе и делает доступными сознанию, связывая всю информацию РП в единое эпизодическое представление. Таким образом эпизодический буфер — это связующие звено между рабочей и долговременной памятью. Если проводить аналогии, то эпизодический буфер чем-то напоминает экран, на который проецируются события.
Где и как мозг хранит информацию
РП располагается в нескольких частях мозга. С появлением методов визуализации мозга (ПЭТ и фМРТ) определение локализации функций в головном мозге людей значительно упростилось. Обзор многочисленных исследований показывает, что области активации во время задач рабочей памяти, разбросаны по большой части коры. Определение Фонологическая петля расположена главным образом в области между височной и теменной долями левого полушария. Процесс повторения информации по большей части включает лобную область, известную как центр Брока.
Визуально-пространственная система вовлекает в основном правое полушарие, однако она может простираться и до затылочных долей, в направлении к задней части мозга. Эта область задействуется в визуальных изображениях. Более центральные теменные области ответственны за пространственную информацию.
Сам факт активации каких-то областей мозга вовсе не означает, что именно там хранится информация. В этом заключается одна из проблем использования функциональной визуализации для понимания работы памяти. При изучении какой-либо когнитивной задачи ученые наблюдают активность области, но не знают, действительно ли она необходима для нее. Представьте, что вы обращается к информации в памяти компьютера и получаете её на экране. Вы узнаете, что было в хранилище и какие подсистемы были задействованы для отображения информации. Но где конкретно хранилась информация и как она была извлечена вам не известно. Пока что в научном сообществе нет консенсуса о том, как точно устроена и функционирует память.
Что влияет на рабочую память
РП страдает от интенсивного стресса. Это было обнаружено в исследованиях Арнстена и его коллег на разных видах животных. Например, в одном из исследований Арнстен исследует влияние стресса, вызванного шумом, на когнитивные функции префронтальной коры у резус-макак. Экспериментаторы заполняли едой одну из лунок, а затем накрывали их непрозрачным экраном. Через определенные промежутки времени экран убирали, и макаки выбирали одну из лунок (задача с отложенным ответом). После некоторой серии экспериментов подопытных подвергали воздействию непрерывным громким шумом (100-110 Дб) в течении 30 минут перед тестированием. Испытав стресс, животные хуже справлялись с заданием: чаще забывали, в какой лунке находятся лакомства. В ходе исследований выяснилось, что высвобождение физиологически активных веществ, катехоламинов, в префронтальную кору, вызванное стрессом, снижает срабатывание нейронов и емкость памяти. Воздействие хронического стресса может привести к глубоким нарушениями РП. Чем больше стресса в жизни, тем ниже эффективность РП при выполнении простых познавательных задач. Злоупотребление алкоголем также может вызывать нарушения РП из-за повреждения мозга.
Индивидуальные различия в объеме РП в некоторой степени наследуемы. Пока что мало известно о том, какие гены связаны с функционированием РП. В рамках многокомпонентной модели был предложен один ген-кандидат, ROBO1 для гипотетической фонологической петли рабочей памяти. Генетический компонент РП в значительной степени разделяется с таковым для подвижного интеллекта, поэтому исследования связи памяти и генетики возможно поможет также лучше понять работу интеллекта.
Существует несколько гипотез о том, что РП может быть натренирована, например при помощи специальных компьютерных программ или таких задач, как n-назад. Но при этом люди не демонстрируют значительных улучшений в таких активностях, как обучение математике, чтение или выполнение тестов на уровень интеллекта. Если тренировка рабочей памятью интеллекта работает, то скорее всего эффект будет незначительным.
Компьютер как мозг
Текущие развитие процессоров во многом основывается на уменьшении техпроцесса. Время идет и эффективность такого подхода снижается. Возможно ли замена нынешней архитектуры на архитектуру, схожую с мозгом человека? Конечно, в реалиях недостатка знаний о мозге данное сравнение некорректно, но давайте пофантазируем. В чем преимущества мозга перед компьютером? Первое, что приходит на ум — это наличие сознания и способность к творческой деятельности. Но не совсем понятно, в чем разница между ними и их компьютерной симуляцией? Проблему квалиа и подобные вопросы лучше оставить философам и сконцентрироваться на более практических аспектах. Понятно, что в некоторых задачах, зависящих от скорости обработки информации мы проигрываем. Но при этом у мозга множество преимуществ перед современными компьютерами:
Практика показывает, что лучше заимствовать лучшее, но, как упоминалось выше, недостаток знаний о мозге не позволяет сделать этого.
Облачные серверы от Маклауд быстрые и безопасные.
Зарегистрируйтесь по ссылке выше или кликнув на баннер и получите 10% скидку на первый месяц аренды сервера любой конфигурации!