Simon Stringer - Simon Stringer

Simon Stringer
Profilová fotka dr. Simona Stringer.jpg
Alma materBSc University of Kent
PhD University of Reading
Vědecká kariéra
PoleTeoretická neurověda
Výpočetní neurovědy
Umělá inteligence
InstituceUniversity of Oxford
Doktorský poradceNancy K. Nichols
webová stránkawww.ftnai.org

Simon Stringer je britský matematik, ředitel Oxfordského centra pro teoretické neurovědy a umělou inteligenci a šéfredaktor Síť: Výpočet v neuronových systémech[1] publikováno Taylor & Francis.

Kariéra

Stringer pracoval v celé řadě různých oblastí aplikované matematiky, jako jsou řídicí systémy, výpočetní aerodynamika a epidemiologie. Nastoupil na Katedru experimentální psychologie na VŠE University of Oxford v roce 1993 a v roce 2006 se stal ředitelem Oxfordského centra pro teoretické neurovědy a umělou inteligenci.

Výzkum

Stringer a jeho výzkumná skupina vyvíjejí biologické počítačové simulace[2] neuronálních mechanismů podporujících různé oblasti mozkových funkcí, včetně vizuálního rozpoznávání objektů, prostorového zpracování a navigace, motorických funkcí, jazyka a vědomí.

Zejména studie zveřejněná v Psychologický přehled[3] a Zaměření rozhraní 2018,[4] the Královská společnost mezioborový časopis navrhuje nový přístup k řešení Závazný problém. Spikující neurální síť simulace[5] ventrálního vizuálního systému primátů ukázaly postupný vznik subpopulace neurony, volala polychronní neuronální skupiny (PNG), která vykazuje pravidelně se opakující časoprostorové vzory hrotů. Základní jev těchto charakteristických vzorů nervové aktivity je známý jako polychronizace.[6]

Hlavním bodem je, že v těchto PNG existují neurony zvané vazebné neurony. Vazebné neurony se učí reprezentovat hierarchické vazebné vztahy mezi vizuálními prvky nižší a vyšší úrovně v hierarchii vizuálních primitiv, v každém prostorovém měřítku a napříč celým zorným polem. Toto pozorování je v souladu s hierarchickou povahou vidění primátů, kterou navrhli dva neurologové John Duncan a Glyn W. Humphreys téměř před třiceti lety.[7]

Dále tento navrhovaný mechanismus pro řešení problém vazby navrhuje, že informace o vizuálních vlastnostech v každém prostorovém měřítku, včetně vazebných vztahů mezi těmito vlastnostmi, by se promítly nahoru do vyšších vrstev sítě, kde by byly prostorové informace k dispozici pro odečítání pozdějšími mozkovými systémy pro vedení chování. Tento mechanismus se nazývá holografický princip.

Tato reprezentace vázání funkcí jsou jádrem schopnosti vizuálního mozku vnímat a dávat smysl jeho vizuospatiálnímu světu a samotnému vědomí. Toto zjištění představuje pokrok směrem k budoucímu rozvoji umělá obecná inteligence a vědomí stroje.[8] Podle Stringera:

Dnešní stroje nejsou schopny vnímat a chápat své pracovní prostředí stejně bohatým sémantickým způsobem jako lidský mozek. Začleněním těchto biologických detailů do našich modelů [...] umožní počítačům začít dávat smysl pro jejich vizuoprostorový svět stejným způsobem jako [lidský] mozek.[9][10]

Reference

  1. ^ „Network: Computation in Neural Systems - New Editor-in-Chief Announcement“. Citováno 26. ledna 2018.[mrtvý odkaz ]
  2. ^ „University of Oxford developing Spiking Neural Networks with Novatech“. Novatech. Srpna 2018.
  3. ^ Eguchi, A .; Isbister, J .; Ahmad, N .; Stringer, S. (2018). "Vznik polychronizace a vazby funkcí v modelu špičkové neurální sítě ventrálního vizuálního systému primátů". Psychologický přehled. 125 (4): 545–571. doi:10.1037 / rev0000103. PMID  29863378.
  4. ^ Isbister, J .; Eguchi, A .; Ahmad, N .; Galeazzi, J.M .; Buckley, M. J.; Stringer, S. (2018). „Nový přístup k řešení problému vázání prvků v pohledu primátů“. Zaměření rozhraní. Královská společnost. 8 (4): 20180021. doi:10.1098 / rsfs.2018.0021. PMC  6015810. PMID  29951198.
  5. ^ „Feature Binding within a Spiking Neural Network Model“. University of Bristol. Července 2018.
  6. ^ Izhikevich, EM (2006). Msgstr "Polychronizace: výpočet s hroty". Neurální výpočet. 18 (2): 245–282. doi:10.1162/089976606775093882. PMID  16378515.
  7. ^ Duncan J .; Humphreys GW. (1989). „Vizuální vyhledávání a podobnost stimulů“ (PDF). Psychologický přehled. 96 (3): 433–58. doi:10.1037 / 0033-295x.96.3.433. PMID  2756067.
  8. ^ „Vývoj ve strojovém učení“. SC Magazine UK. Ledna 2018.
  9. ^ Sympozium o budoucnosti vědy. University of Oxford. 2017.
  10. ^ Zvláštní události, díky nimž stroje halucinují. BBC Future. 2019.

externí odkazy