On the Construction of Artificial Brains

این کتاب اولین نسل از مغزهای مصنوعی را ارائه می‌کند که از بینایی به عنوان نمونه استفاده می‌کنند. یک سیستم تشخیص شی ساخته شده است که از نورون ها و سیناپس ها به عنوان عناصر ساختمانی انحصاری استفاده می کند. این سیستم شامل یک هرم ویژگی با 8 جهت و 5 سطح وضوح برای 1000 شی و شبکه برای اتصال ویژگی ها به اشیا است. این سیستم بینایی می تواند اشیاء را در حضور تغییرات در روشنایی، تغییر شکل، فاصله و حالت (تا زمانی که اجزای جسم قابل مشاهده هستند) به خوبی تشخیص دهد.

شبکه عصبی-سیناپسی قدرت عملکردی خود را مدیون معرفی سیناپس های پویا به سرعت قابل تغییر است. اینها به شبکه قابلیت تشخیص الگوی بیشتری نسبت به اتصالات ثابت می دهد. ساختار همبستگی مکانی-زمانی الگوها توسط یک معادله دیفرانسیل سیناپسی منفرد به روشی جهانی گرفته شده است. همبستگی می تواند به صورت شلیک عصبی همزمان ظاهر شود، که وجود یک ویژگی را به روشی قوی نشان می دهد، یا ویژگی ها را به اشیاء متصل می کند.

اگرچه در این کتاب ما فقط می توانیم نسل اول مغز مصنوعی و اعتقاد بر این است که نسل‌های بیشتری باید دنبال شوند تا به قدرت کامل مغز انسان برسند، با این وجود ما شاهد عصر جدیدی از محاسبات در افق هستیم. زمان هایی بود که کامپیوترها با دقت، قابلیت اطمینان و سرعت کورشان، به همان اندازه که هواپیمای جت از گنجشک برتر از ماده مرطوب مغز ما است، برتری داشتند. با توجه به این واقعیت که سیستم‌های دیجیتال با الهام از منطق رسمی و با الگوریتم کنترل شده - رایانه‌های امروزی - با بحران پیچیدگی مواجه شده‌اند، به نظر می‌رسد این زمان‌ها به پایان رسیده است. یک تغییر پارادایم در هوا وجود دارد: از یک کامپیوتر سازمان‌یافته بیرونی به یک کامپیوتر خودسازمان‌یافته، که نتایج توصیف‌شده در این کتاب می‌تواند نشانه‌ای از آن باشد.

This book presents a first generation of artificial brains, using vision as sample application. An object recognition system is built, using neurons and synapses as exclusive building elements. The system contains a feature pyramid with 8 orientations and 5 resolution levels for 1000 objects and networks for binding of features into objects. This vision system can recognize objects robustly in the presence of changes in illumination, deformation, distance and pose (as long as object components remain visible).

The neuro-synaptic network owes its functional power to the introduction of rapidly modifiable dynamic synapses. These give a network greater pattern recognition capabilities than are achievable with fixed connections. The spatio-temporal correlation structure of patterns is captured by a single synaptic differential equation in a universal way. The correlation can appear as synchronous neural firing, which signals the presence of a feature in a robust way, or binds features into objects.

Although in this book we can present only a first generation artificial brain and believe many more generations will have to follow to reach the full power of the human brain, we nevertheless see a new era of computation on the horizon. There were times when computers, with their precision, reliability and blinding speed, were considered to be as superior to the wet matter of our brain as a jet plane is to a sparrow. These times seem to be over, given the fact that digital systems inspired by formal logic and controlled algorithmically - today's computers - are hitting a complexity crisis. A paradigm change is in the air: from the externally organised to the self-organised computer, of which the results described in this book may give an inkling.