定義概念網(wǎng)絡是大腦中的知識網(wǎng)絡。網(wǎng)絡映射到神經(jīng)連接。它也映射到大腦中平行、活躍的思想網(wǎng)絡。概念網(wǎng)絡為大腦如何工作提供了一個簡單的例子。它們還展示了未來人工智能的構建方式。許多科學分支提供了他們自己的形式化和他們自己的概念網(wǎng)絡術語。為了明確起見，我將努力堅持使用本文中的一個明確定義的術語。在此，我還提示概念網(wǎng)絡如何與科學各個領域中使用的類似術語聯(lián)系起來。 更正式地說，概念網(wǎng)絡是一個有向圖，表示大腦中的概念連接。這個術語類似于語言學中使用的語義網(wǎng)絡 ，知識表示中使用的概念圖，用作助記符號的思維導圖，或者用于大腦解剖學中的連接體。它也類似于其他或多或少形式化的本體論。概念網(wǎng)絡除了具有結構特性外，還有學習和推理的功能。網(wǎng)絡結構可以通過學習擴展。概念網(wǎng)絡還可以通過激活擴散的方式進行概念計算(推理)。 在概念化的過程中，大腦遵循著從一個單純的概念網(wǎng)絡到一個成熟而豐富的稀疏概念網(wǎng)絡的發(fā)展軌跡，其中包括通過學習和選擇性遺忘的泛化[1]。 結構在結構上，概念網(wǎng)絡是由概念和連接概念的關系組成的。自然神經(jīng)網(wǎng)絡對應并實現(xiàn)了大腦中的概念網(wǎng)絡。 Concepts 概念 概念網(wǎng)絡中的概念可以解釋為： Connections 關系 關系的主要特征是:
概念網(wǎng)絡中的關系可以解釋為：
功能如果概念網(wǎng)絡被提供了神經(jīng)科學中已知的簡單機制，那么它們就能夠進行推理。這些機制是:
激活 概念可以像放電神經(jīng)元一樣被激活。神經(jīng)元或概念的激活是基于可以在空間和時間上整合信號的總和。每個神經(jīng)元或概念成為一個能夠識別輸入模式的模式識別設備(Hawkins 2016)。去極化導致動作電位時，輸入信號總和超過閾值電位。 激活擴散 一個概念的激活可能導致其他概念的激活。思維大腦中的激活可以通過概念網(wǎng)絡傳播。這個過程被稱為激活擴散。當激活擴散用于創(chuàng)造性問題解決時，我稱之為概念計算(見：如何解決任何問題？)。創(chuàng)造力來源于基于激活擴散的隨機搜索算法。概念網(wǎng)絡中的概念計算是人類智能的基本機制。 記憶和強化 概念網(wǎng)絡中的活動模式會留下記憶的痕跡。專用子網(wǎng)絡可以服務于強化學習，這通過信號估值發(fā)生（請參閱：知識評估網(wǎng)絡[2]）。例如，如果網(wǎng)絡中的一個決定產(chǎn)生了一頓美味的飯菜，強化將加強導致獎勵的關系。如果推理產(chǎn)生了令人滿意的創(chuàng)造性結果，網(wǎng)絡中的激活途徑也將得到加強。記憶強化是基于長期記憶雙組分模型所確定的規(guī)律[3]。 學習 記憶使概念網(wǎng)絡通過獲取知識而成長成為可能。擴展在本質上是樹枝狀的，因為新的概念總是通過與現(xiàn)有概念建立新的關系而建立起來的。例如，新的腦細胞可能與現(xiàn)有的活躍腦細胞建立連接。有效的激活有助于概念網(wǎng)絡穩(wěn)定化其長期知識，并通過選擇性遺忘提供泛化[1]。概念化[1]指在一個正在發(fā)展的概念網(wǎng)絡中新概念的涌現(xiàn)。 記憶優(yōu)化 為了高效運作，概念網(wǎng)絡需要定期進行記憶優(yōu)化，以提供簡化的連通性。在大腦中，這個過程發(fā)生在睡眠中(見：睡眠中的神經(jīng)優(yōu)化)。記憶優(yōu)化可以比喻為磁盤碎片整理。 連接性的進化神經(jīng)網(wǎng)絡在人工智能領域的發(fā)展歷程是復雜而曲折的。其中一個中心主題是關于神經(jīng)網(wǎng)絡結構和算法的優(yōu)缺點的辯論，這些結構和算法最好地利用了單個的結構化方法。 在顯微鏡下，2.5 毫米厚的新皮層似乎呈現(xiàn)出一個簡單的、6 層的、重復的結構，在整個皮層表面遵循著相似的模式。這種重復性可能是萬能功能進化到完美的標志。這可能同樣也反映了大腦的進化，通過重復一個在小范圍內(nèi)有效的架構解決方案，以低成本增加了計算能力。不那么顯而易見且難以研究的是，大腦根據(jù)需要顯示出線路。它的微架構是由功能決定的，這是在探索環(huán)境時決定的。這種不斷發(fā)展的體系結構可以通過將連接權重設置為零在人工網(wǎng)絡中實現(xiàn)。然而，考慮到在一個達到一萬億突觸的結構中所有可能連接的排列數(shù)量，由功能決定的架構連接是對整個概念網(wǎng)絡的簡化操作的最簡單的答案。 大腦的連接性是由功能需求決定的 連接性優(yōu)化 在神經(jīng)元的層面上，我們可以看到幾條潛在的通向優(yōu)化連接的路徑。這些途徑是在輸入端樹狀生長，在輸出端軸突生長，并由此樹枝化。最重要的是，樹突狀分支可以通過發(fā)出絲狀偽足偵察近端組織環(huán)境，而不是變成樹突狀棘，建立新的突觸。這些突觸是基于經(jīng)驗建立的概念網(wǎng)絡連接的一個例子。見：樹狀軸經(jīng)歷分枝后穩(wěn)定。 大腦的概念網(wǎng)絡連接從未停止進化(見：概念化[1])。連接的進化有以下主要組成部分：
發(fā)展中的連接性 發(fā)育過程中連接性的演變遵循一個簡單的計劃，這個計劃最初依賴于已知的機制，這個機制是通過布置身體其他器官的輪廓來實現(xiàn)的。然而，在出生時，嬰兒只具有一小部分基本反射，例如喂養(yǎng)所必需的生根反射。除了這些簡單的反射性需求，大腦在出生時的高級功能在很大程度上還未確定。例如，只有最基本的結構被安置到位，以確保來自視覺神經(jīng)的輸入連接到預定成為視覺皮層的皮層區(qū)域。 功能性連接 一旦建立了大腦的總體輪廓，詳細的線路就是功能需求的反映，而功能需求又是由暴露于環(huán)境和探索決定的。感覺剝奪將導致相應的大腦皮層區(qū)域被不同的功能所接管。在豐富的環(huán)境中，大腦皮層的各個區(qū)域將競爭最佳的布線。這將導致個人具有各種技能和傾向。遺傳和環(huán)境多樣性對神經(jīng)多樣性有貢獻。 記憶 隨著時間的推移，對神經(jīng)發(fā)生的需求會減少，發(fā)芽率會降低，突觸修剪率會增加。在青少年時期，突觸的總數(shù)量將會減少，從而導致快速思考和興趣的專業(yè)化。然而，連接進化的核心過程永遠不會停止：神經(jīng)發(fā)生，神經(jīng)元發(fā)芽，突觸修剪，創(chuàng)造力，學習，記憶優(yōu)化和記憶穩(wěn)定化。 聰明的神經(jīng)元 從結構學的角度來看，連接進化的最重要部分是軸突、樹突和樹狀絲狀偽足對環(huán)境信號的響應能力。在這些信號中，附近神經(jīng)元和軸突的活動是中樞。這些控制信號沒有被完全理解（特別是參照目標特異性）。然而，我們可以有把握地打賭，控制的效果將反映大腦的功能需求。一個未分化的神經(jīng)元通常會長出一些突起，其中一個突起會在一周左右變成軸突。新生神經(jīng)元和未充分利用的舊神經(jīng)元將傾向于通過向活動軸突靶點發(fā)芽來尋求新的經(jīng)驗。相比之下，成熟的概念細胞會很高興地分享它們對世界的認識，將軸突的生長引向友好的、易于接受的樹突目標(見圖片: 機制，結果)。這個過程可能導致白質連接，可能連接皮質的不同區(qū)域，包括對面半球的區(qū)域。最后，樹突狀絲狀突起似乎通過沿感興趣的軸突路徑建立和穩(wěn)定連接，對間隔效應和記憶穩(wěn)定化做出了貢獻。（見：記憶穩(wěn)定性的雙組分模型） 弱活躍的神經(jīng)元可能會尋求新的樹突體驗。強烈活躍的神經(jīng)元很可能與其他神經(jīng)元分享它們的軸突智慧 例子: 吃蘋果 當我們看到一個成熟的蘋果掛在樹上時，我們就忍不住想去夠它吃。為了實現(xiàn)這一目標，概念網(wǎng)絡的連接性需要幾年的發(fā)展。進化中的大腦結構使得使用卷積網(wǎng)絡來泛化蘋果的視覺概念成為可能。這一概念可能具有建立成熟屬性所需的連通性。在早期的探索中，蹣跚學步的孩子會對熟透的蘋果的可食用性有一定的了解。這些知識隨著營養(yǎng)價值的細節(jié)、風險因素以及諸如不要在馬拉松前大吃蘋果這樣的小智慧而變得越來越豐富。對于一個蹣跚學步的孩子來說，要了解成熟的蘋果是否適合食用，需要將(1)成熟的蘋果概念，或者與成熟屬性一起激活的蘋果概念，或者更多的概念細胞，與(2)可食用屬性由一個單獨的概念細胞表示，或者甚至是一個概念子網(wǎng)絡。在所有這些可食性學習能夠發(fā)生之前，必須完善將蘋果朝嘴的方向移動的運動程序。這可能涉及一個觸發(fā)概念“食用”與一組較小的概念，確定必要的參數(shù)的運動程序及其參考框架: 蘋果的位置，手臂的位置，嘴的相對坐標，等等。在最后一個動作中，一個成熟蘋果的激活概念，它的鄰近屬性，食欲控制系統(tǒng)的信號，以及其他參與概念，可能會觸發(fā)一個食用蘋果的半自主運動程序。 語義網(wǎng)蒂姆 · 伯納斯-李的語義網(wǎng)可以看作是實現(xiàn)一個能夠進行人工推理的概念網(wǎng)絡的前奏。語義網(wǎng)很可能為未來的人工智能提供動力。這種智能將是一個概念的元網(wǎng)絡，它將與人類大腦的多樣性以及作為其處理能力一部分的分布式智能相連接。 人工智能我假設，構建人工智能的最快途徑是構建具有 3 個基本結構子組件的人工智能嬰兒大腦:
有了良好的學習算法，這樣一個與自主機器人相連的嬰兒大腦可能會像人類嬰兒一樣探索世界并獲取知識?；蛘?，嬰兒的大腦可以探索和集成語義網(wǎng)。見：人工智能需要睡眠 我對人工智能的粗略興趣似乎表明，仍有一些關鍵領域沒有得到充分重視：
在這個方程式中，只有學習動力[4]的機制似乎不是微不足道的。正是網(wǎng)絡層面的獎勵，將概念網(wǎng)絡的骨架轉化為具有涌現(xiàn)的智能和有意義的知識的自學習結構。輸出水平的加強使概念網(wǎng)絡計算難以置信。類比而言，被動的學校教育之所以失敗，是因為外在獎勵對長期學習的影響微乎其微。因此，教育工作者和人工智能研究人員應該研究學習的樂趣[5]。 術語在我的文章中，根據(jù)上下文的不同，我習慣使用一些更廣為人知的術語，比如在談論知識或學習時使用語義網(wǎng)絡，在談論創(chuàng)造力、推理或 SuperMemo 時使用概念圖，在談論概念網(wǎng)絡的生物實現(xiàn)時使用神經(jīng)網(wǎng)絡。 其他定義和或屬性相似的類似術語也用于人類和人工智能領域。我會盡量避免使用這些術語來減少含糊性。這些包括: 認知圖、框架網(wǎng)絡、概念圖、貝葉斯網(wǎng)絡、馬爾可夫網(wǎng)絡、信念網(wǎng)絡、決策網(wǎng)絡、知識網(wǎng)絡、符號網(wǎng)絡、知識空間、語義空間、主題圖、語義圖、語義網(wǎng)、概念網(wǎng)絡、分類學、拓撲結構、圖式、模式、概念圖、神經(jīng)網(wǎng)絡、皮質地圖、發(fā)展網(wǎng)絡(Juyang Weng)等等。 在我自己的知識收集中，我第一次注意到“概念網(wǎng)絡”這個詞在羅伯特 · 弗倫奇 2000 年的一篇論文中被廣泛使用。概念網(wǎng)絡這個術語并不流行，但它相當獨特，這可能有助于統(tǒng)一用來描述思考的大腦的術語。 進一步閱讀
|
|
|
來自： 新用戶54657n8O > 《認知》
