Fizyka umysłu

Fizyka umysłu.
Włodzisław Duch
Katedra Metod Komputerowych,
Uniwersytet Mikołaja Kopernika.
WWW: http://www.phys.uni.torun.pl/~duch
Plan
1.
2.
3.
4.
5.
6.
7.
8.
9.
Fizyka, umysły i mózgi.
Umysł - na jakim poziomie?
Pamięć i neurony.
Rezonans stochastyczny.
Gdzie ten umysł?
Model statyczny.
Kategoryzacja.
Model dynamiczny.
Fizyka umysłu.
Fizyka, umysły i mózgi
Wielkie wyzwanie fizyki:
stworzenie modelu świata, który da się zrozumieć.
Mózg to najbardziej skomplikowany obiekt w znanym
Wszechświecie, umysł - najbardziej tajemniczy.
Mózg jest zbyt ważny, by zostawić go neurofizjologom.
Umysł - część tego, co robi mózg.
„Ja” to jeden z wielu procesów realizowanych przez mój
mózg.
Zrozumieć działanie mózgu i umysłu:
na jakim poziomie? czy fizyka wystarczy?
Poziomy opisu
Neurofizyka i neuroinformatyka.
Institute for Theoretical Neurophysics, Universität Bremen
Cognitive computational neurosciences.
Kognitywistyka, cognitive science - pismo.
Od poziomu submolekularnego do całego mózgu: gdzie szukać umysłu?
O zrozumienie umysłu: “... bardzo chcę, by się to nam nigdy nie udało”. (Ł.
Turski, recenzja książki R. Penrose'a „Nowy umysł cesarza”, Post. Fiz. 1996)
Czy nasza wiedza zmieni się na poziomie:
* Podręcznika biologii w szkole?
* Podręcznika uniwersyteckiego?
* Specjalistycznych książek?
Od molekuł ...
• Poziom molekularny 0.1-100 nm
Gałęzie nauki: genetyka, neurochemia, biologia komórki, fizyka molekularna.
Oczekiwania: zrozumienie mechanizmów molekularnych
działania kanałów jonowych, synaps, pamięci, uczenia się,
powstawania sygnałów sensorycznych, farmakologia kwantowa.
Modele fizyczne: brak; struktury półprzewodnikowe nie
przypominają membran komórek i kanałów jonowych.
Poziom kwantowy lub subkwantowy: Penrose i mikrotubule.
Czas procesów poznawczych i neuronowych: 1-100 ms;
czas dekoherencji procesów kwantowych w mikrotubulach
10-13 s (Tegmark, Science 2000).
Świadomość i kolaps funkcji falowej w wyniku pomiaru
(Wigner, Stapp): 40 lat bezpłodnych rozważań.
... przez neurony ...
• Poziom neuronów 0.1-100 mm
Gałęzie nauki: neurobiologia, biofizyka, biochemia ...
Oczekiwania: rozwój i śmierć neuronów, powstawanie
potencjałów czynnościowych, przyczyny degeneracji,
kompensacja, rodzaje neuronów, komunikacja ...
Modele fizyczne: bardzo niedoskonałe, ale szczegółowe
symulacje komputerowe umożliwiają badania in silico.
Psychofizyka: do XX wieku ważna dziedzina, pracowali w niej
Izaac Newton, Thomas Young, Herman von Helmholtz, Erwin
Schrödinger (kolor); Ernst Mach (słuch, teoria pomiaru).
Zamiana bodźców fizycznych na pobudzenia neuronów: wszystkie
wrażenia i stany umysłowe są ciągami impulsów!
F. Crick, Zdumiewająca hipoteza (1994; W-wa 1997).
... grupy neuronów ...
• Kolumny kory 105 neuronów, 1 mm2, 80% połączeń wewnątrz.
Gałęzie nauki: neurofizjologia, biofizyka, teoria układów złożonych ...
Oczekiwania: komunikacja miedzy neuronami, stany
dynamiczne, analiza sygnałów, skojarzenia ...
Modele fizyczne: bardzo niedoskonałe, uproszczone
neurochipy pozwalają na pewne eksperymenty in silico.
Pojedyncze neurony nie mają znaczenia: kolumny lub większe struktury muszą
działać synchronicznie by wpłynąć na działanie/umysł.
Opis teoretyczny: układ dynamiczny, synapsa = stopień swobody, rzędu 109- 1010
synaps w kolumnie. Powstają atraktory wszelkiego rodzaju.
Co zmienia się w wyniku uczenia?
Reguła Hebba - uczenie
„Kiedy akson komórki A jest dostatecznie blisko by pobudzić komórkę B
i wielokrotnie w sposób trwały bierze udział w jej pobudzaniu, procesy
wzrostu lub zmian metabolicznych zachodzą w obu komórkach tak, że
sprawność neuronu A jako jednej z komórek pobudzających B, wzrasta.”
D. O. Hebb, 1949
Na poziomie molekularnym:
LTP - Long Term Potentiation
LTD - Long Term Depression
E. Kandel, Nobel 2000, za
poznanie mechanizmów uczenia
synaptycznego u ślimaków
morskich.
Schemat kolumny
Sieć kolumn (ok. 1 mm2), każda 105 neuronów = 103 mikrokolumn.
Połączenia: populacje pobudzające i hamujące (bez adaptacji) wewnątrz modułu,
pobudzenia dochodzące z zewnątrz (przez komórki piramidowe).
Ok. 80% impulsów z lokalnych obwodów pobudzających, 20% hamujących.
Model kolumny: 10.000 synaps E i 2.000 synaps I na neuron.
Pamięć i atraktory
Za pamięć biologiczną odpowiedzialne są sieci atraktorowe.
Najprostsze modele (sieci Hopfielda) - zbyt proste, tylko atraktory punktowe.
DMS, Delayed Match to Sample - małpa musi nauczyć się sekwencji wielu
obrazów; w fazie testu po krótkiej prezentacji kilku obrazów i przerwie rzędu
30 s małpa ma pokazać właściwą sekwencję obrazów.
Wysoka aktywność (20 Hz) neuronów w obszarze IT i
PF utrzymuje się do 30 s po prezentacji, widoczna w
pomiarach potencjałów z wielu elektrod.
Korelacje czasowe przechodzą w korelacje aktywności
neuronów biorących udział w kodowaniu śladów
pamięci.
Uczenie - pojawianie się nowych atraktorów.
Działanie sieci
Sprawności synaptyczne: tylko LTP i LTD (ok. 5x słabsze).
Depolaryzacja membrany V(t) o t10ms opisana jest równaniem:
t
dVi (t )
 Vi (t )  I i (t ); I i (t )  Wij    t  t (j k )  dij 
dt
i j
k
Wyniki symulacji programem SpikeNet, 2000-400.000 neuronów.
Uczenie: początkowo moduł biorący udział w rozpoznawaniu zwiększa w
nieselektywny sposób częstość impulsacji dla wszystkich sygnałów.
Powyżej krytycznej wartości wzmocnienia LTP pojawiają się lokalne
atraktory na tle globalnej aktywności - struktura sygnału uczącego.
Etap 1: komórki mikrokolumn reagują na nauczone bodźce.
Etap 2: aktywność spoczynkowa rośnie do około 20 Hz, utrzymuje się po
zniknięciu bodźca - aktywna reprezentacja bodźca w pamięci.
Pobudzenia wewnętrzne silniejsze niż zewnętrzne, utrzymują
spontaniczną aktywność, modelowane przez rozkład Poissona.
Etap 3: powstają korelacje pomiędzy mikrokolumnami.
Mózg - pamięć epizodyczna
Układ neuromodulacji reguluje
plastyczność hipokampa i kory.
Pamięć średnioterminowa zapisana
jest w sieciach hipokampa, jako
wskaźniki do kolumn kory (?)
Pamięć trwała jest rezultatem stanów atraktorowych minikolumn kory
mózgu, zapisana jest w synapsach w sposób rozproszony.
Pamięć epizodyczna - odtworzenie stanu mózgu w momencie epizodu.
Rezonans stochastyczny


Synchronizacja impulsów nie jest idealna - czy
wariancja to szum czy ukryty sygnał?
W układach sensorycznych (dotyk 1996; wzrok 1997)
czułość wzrasta.
Usher, Feingold (Biological Cybernetics 83, L11-L16,
2000) badali czas odpowiedzi na pytania z tabliczki
mnożenia.
Szum: sekwencja tonów o przypadkowej częstości,
poziom 50-90 dB.
Wyniki tłumaczy prosty model oparty na modelach
neuronów całkujących zaszumione pobudzenia z
upływnością (noisy leaky integrator).
Sukcesy
Co można wyjaśnić za pomocą modeli neuronowych?
Własności pamięci: adresowalność kontekstowa,
zdolność do rozpoznawania uszkodzonych wzorców;
czas nie zależy od liczby zapamiętanych wzorców;
odporność na zniszczenie neuronów - brak lokalizacji.
Pomyłki i skojarzenia fonologiczno - semantyczne.
Przepełnienie pamięci prowadzi do chaotycznego zachowania.
Różne rodzaje amnezji: wsteczną, następczą, całkowitą, trudności z uczeniem się.
Zła praca hipokampa => przypominanie zdarzeń z odległej przeszłości.
Halucynacje: fałszywe stany atraktorowe, poskładane z fragmentów.
Wiele syndromów neuropsychologicznych: agnozje (zanik zdolności
rozpoznawania), afazje (zaburzenia mowy), syndromy kognitywno-afektywne ...
Psychiatria komputerowa - od 1995 roku.
Płyn neuronowy
Na ile prawdziwa jest metafora mózg-komputer?
Czy mózg liczy tak jak komputer czy jak zwijające się białko?
Neuronowy płyn (Maass 2001): kolumny działają prosto!
Dlaczego kolumna jest tak złożona? Tysiące mikroobwodów, dziesiątki
neurotransmiterów/modulatorów, typów neuronów i synaps.
Czy jej struktura jest genetycznie zaprogramowana? Jak kodowana jest
informacja w sieci neuronów?
„Płyn neuronowy”: przypadkowo połączone neurony w
kolumnie, nie ma stanów ustalonych, impulsy zaburzają
mikroobwody kolumn, nie ma kodowania, wewnętrznych
reprezentacji.
Wystarczy zdolność do odróżniania zaburzonych stanów!
Taki system ma moc maszyny Turinga działającej w czasie rzeczywistym.
Gdzie ten umysł?
Centralny Paradoks Kognitywistyki:
jak ze zliczania impulsów przez neurony powstaje
struktura, symbole, znaczenie, sens, wrażenia, emocje ...
czyli świat umysłu?
Problemy filozoficzne: problem psychofizyczny,
problem jakości wrażeń, świadomości,
semantyki i syntaktyki, wiele eksperymentów myślowych ...
Problemy techniczne:
• Jak pogodzić spójność umysłu z rozproszonym przetwarzaniem
(binding problem)?
• Jakie są warunki powstawania wrażeń?
Psycho-logos, logika psyche, ma bardzo niewiele praw ogólnych.
Brak dobrego modelu łączącego poziom neuro i psyche.
Czego brakuje?
Poznanie wszystkich szczegółów na poziomie
molekularnym lub pojedynczych neuronów nie wystarczy!
Roger Shepard, Toward a universal law of generalization
for psychological science (Science, Sept. 1987)
“What is required is not more data or more refined data but
a different conception of the problem.”
Umysł jest częścią tego, co robi mózg.
W jaki sposób analizować neurodynamikę tak, by odnieść ją do umysłu?
Platon: widzimy cienie prawdziwej rzeczywistości na ścianie jaskini.
Metaforycznie: umysł jest cieniem neurodynamiki.
Geometria umysłu
R. Shepard (1994): prawa psychologiczne należy formułować w
odpowiednich przestrzeniach.
Makroskopowe własności są wynikiem oddziaływań na poziomie
mikroskopowym.
Opis ruchu - niezmienniczy w odpowiednich przestrzeniach
Przestrzenie Euklidesowe - transformacja Galileusza.
Pseudo-Euklidesowe (3+1) - transformacja Lorentza.
Riemanna - transformacje w układzie przyspieszającym.
Zachowanie, decyzje - rezultat neurodynamiki.
Opis na poziomie neurodynamiki: zbyt trudny.
Logika i symbole - zbyt uproszczona; opis geometryczny?
Jakie przestrzenie należy użyć by znaleźć ogólne prawa zachowania?
Przestrzenie psychologiczne (K. Lewin 1938): obszar, w którym można umieścić
elementy naszego doświadczenia, zdarzenia mentalne.
Prawa uniwersalne?
„Siły”, „dynamika”: w P-przestrzeniach o minimalnej liczbie wymiarów.
Odległości: malejące z wzrastającym podobieństwem obiektów.
Uniwersalne prawo generalizacji bodźców zmysłowych:
w odpowiedniej przestrzeni zależność jest eksponecjalna.
D, odległość, obliczona procedurą MDS z postrzeganego podobieństwa;
G(D), prawdopodobieństwo reakcji na wyuczony bodziec (D=0).
Wrażenia wzrokowe
Teoria rozpoznawania obiektów, S. Edelman (1997)
Wystarczy podobieństwo drugiego rzędu, wystarczy <300 wymiarów.
Populacja kolumn kory działająca wspólnie (stacking).
Model statyczny
Przestrzeń i czas: arena zdarzeń fizycznych (od czasów Newtona).
P-przestrzenie: arena zdarzeń psychicznych, cień neurodynamiki.
Cel: integracja informacji behawioralnej i neurodynamiki w jednym modelu,
pomost pomiędzy psychologią i neurofizjologią, prostszy niż sieci neuronowe,
ale sub-symboliczny, ciągły.
Wersja statyczna: reakcje mózgu rzędu 1 sek, behawioralne (sensomotoryczne)
lub kognitywne (oparte na pamięci).
Zastosowania: rozpoznawanie obiektów, powstawanie kategorii w
niskowymiarowych P-przestrzeniach, modele umysłu.
Jak?
• Uprościć neurodynamikę, znaleźć niezmienniki (atraktory), rozkłady gęstości
prawdopodobieństwa (PDF), przedstawić je w P-przestrzeniach.
• Użyć danych behawioralnych do modelowania PDF.
Jak budować model?
Od pomiarów aktywności neuronów do oceny siły bodźców.
Analiza statystyczna (Bayes’owska) zapisów z wielu elektrod (Földiak).
P(ri|s), i=1..N obliczone z zapisów wieloelektrodowych
Prawdopodobieństwo posterioryczne P(s|r) = P(stymulacja | reakcja)
Prawo Bayes’a:
N
P  s | r   P  s | r1 , r2 ..rN  
P( s ) P  ri | s 
i 1
N
 P(s ') P  r | s '
i
s'
i 1
Analiza populacyjna: obiekty reprezentowane jako
populacja aktywności kolumn.
Reprezentacja słów - widoczna w obrazowaniu mózgu.
Uczenie się kategorii
Kategoryzacja w psychologii - wiele teorii.
Klasyczne eksperymenty: Shepard et. al (1961), Nosofsky et al. (1994)
Problemy o wzrastającym stopniu złożoności, podział na kategorie C1, C2,
3 binarne własności: kolor (czarny/biały), rozmiar (mały/duży), kształt (,).
Typ I : jedna własność określa kategorię.
Typ II: dwie własności, XOR, np. Kat A: (czarny,duży) lub (biały,mały), kształt
dowolny.
Typ III-V: jedna własność + coraz więcej wyjątków.
Typ VI: brak reguły, wyliczanka
Trudności i szybkość uczenia się: Typ I < II < III ~ IV ~ V < VI
Dynamika kanoniczna
Co dzieje się w mózgu w czasie uczenia się definicji kategorii na przykładach?
Złożona neurodynamika <=> najprostsza dynamika (kanoniczna).
Dla wszystkich reguł logicznych można napisać odpowiednia równania.
Dla problemów typu II, czyli XOR:
V  x, y, z   3 xyz 
1 2
2
2 2
x

y

z


4
V
 3 yz   x 2  y 2  z 2  x
x
V
y
 3 xz   x 2  y 2  z 2  y
y
V
z
 3 xy   x 2  y 2  z 2  z
z
x
Przestrzeń cech
Wbrew większości
Lista: choroby C lub R, symptomy PC, PR, I
Choroba C kojarzy się z symptomami (PC, I), choroba R z
(PR, I); C występuje 3 razy częściej niż R.
(PC, I) => C, PC => C, I => C.
Przewidywania wbrew większości (Medin, Edelson 1988).
Chociaż PC + I + PR => C (60%)
to
PC + PR => R (60%)
Baseny atraktorów neurodynamiki?
PDF w przestrzeni {C, R, I, PC, PR}.
Interpretacja psychologiczna (Kruschke 1996):
PR ma znaczenie ponieważ jest to symptom
wyróżniający, chociaż PC jest częstszy.
Aktywacja PR + PC częściej prowadzi do
odpowiedzi R ponieważ gradient w kierunku R
jest większy.
Model dynamiczny
Model statyczny - przydatny do interpretacji szybkich reakcji.
Lokalne maksima PDF: aktywacje pamięci.
Neurodynamika (poziom mikro):
1010- 1014 parametrów (synapsy);
atraktory i przejścia pomiędzy nimi.
Przestrzenie cech:
10-1000 parametrów
(bodźce i zachowania);
obiekty (PDF) i przejścia
pomiędzy nimi.
Mapy umysłu.
Maskowanie
Maskowanie: jeśli po ekspozycji pierwszego bodźca następuje szybko drugi, to
wrażenia związane z tym pierwszym nie powstają.
Stan umysłu: początkowo rozpoznawanie obiektu O1, stan ma pewien pęd i
bezwładność (masę efektywną). Bodziec zewnętrzny skierowuje go do O2.
Bodziec maskujący O3 bliski O2 blokuje aktywację O2; wrażenia związane z
pierwszym bodźcem nie powstają.
Torowanie obniża masę efektywną.
Model umysłu
Model hierarchiczny:
• wykrywanie cech - mapy topograficzne, kora sensoryczna
• rozpoznawanie obiektów - pamięć długotrwała
• pamięć robocza - bieżąca kontrola, przeżywana teraźniejszość.
Fizyka umysłu
Język pozwalający na opis zdarzeń mentalnych
redukowalny do zdarzeń neurofizjologicznych.
Dynamika „stanu umysłu”, uproszczona dynamika
opisująca ruch w przestrzeni cech.
Obiekty - potencjały, spowalniające dynamikę.
Stan umysłu: pęd, masa efektywna.
Uproszczona dynamika powinna odtwarzać
prawd. przejść pomiędzy stanami neurodynamiki
mózgu, stanami behawioralnymi.
Rozmyta dynamika symboliczna?
Pierwotne obiekty umysłu: skonstruowane z
danych sensorycznych i motorycznych.
Wtórne: kategorie abstrakcyjne.
Podsumowanie



Model Platoński - redukowalny do neurodynamiki,
interpretowalny na poziomie psyche.
Poszukiwanie niskowymiarowych reprezentacji zdarzeń
mentalnych i uproszczonej dynamiki.
Sieć neuronowa realizująca model statyczny znalazła użyteczne
zastosowania techniczne.
Otwarte pytania:

Matematyczny opis p-ni o zmiennej liczbie wymiarów.

Geometryczne unaocznienie nawet prostych eksperymentów wymaga
wielowymiarowych przestrzeni.

Jeśli odległości  prawd. przejść to są niesymetryczne. Przestrzeń Finslera?

Wyzwanie: od neurodynamiki => przestrzeni cech dla kategoryzacji u małp.

Symulator modelu dynamicznego, redukcja dynamiki.

Na ile taki model może być przydatny?
Fizyka umysłu?