От чего зависит скорость работы мозга человека и процессора
Центральный процессор часто называют мозгом компьютера, но справедливо ли такое сравнение? Сказать, что процессор в точности повторяет мозг, было бы неправдой, и всё же между ними и впрямь много общего.
Оба построены донельзя сложно и искусно, и искать между ними сходства и различия можно до бесконечности. Мы же попробуем уложиться в пять итераций, сравнив строение мозга и процессора, память и «мысли» обоих, дабы понять, так ли уж бесплодны попытки создания полупроводникового двойника нашего мозга. В первом материале мы поговорим об элементарной структуре и самых основных принципах работы того и другого, но начнём, как водится, издалека…
На московском фестивале «Японская осень — 2013» демонстрировалось театрализованное действо по «Трём сёстрам» Чехова, в котором роль младшей сестры играл… андроид. Столь неординарное решение стало результатом сотрудничества труппы «Сэйнэндан», которая ставила спектакль, и небезызвестного исследователя-робототехника Хироси Исигуро, создавшего робота-геминоида, который внешне в точности копирует человека. Один из театральных рецензентов, поговорив после перформанса с «младшей сестрой», дежурно испугался — и за себя, и за театр, и за цивилизацию.
Проблема сходства человека и машины появилась в культуре едва ли не вместе с самими машинами: целые литературные направления кормились и продолжают кормиться этой темой. А уж про кино и говорить нечего: фильмам, посвящённым дружбе/вражде между машиной и человеком, несть числа, и среди них встречаются даже вполне приличные — вспомним хотя бы «Терминатора» и «Искусственный разум».
Робот с человеческим лицом — Хироси Исигуро вместе со своей копией-геминоидом (фото Queensland University of Technology).
Но сходство или различия между машиной и человеком кроются не во внешних признаках, не в том, похожи ли руки умного механизма или его лицо на человеческие. Главное в другом — как этот робот оперирует информацией. Поведение и эмоции у человека зависят от работы мозга, который сравнивает, анализирует, вычисляет и т. д., то есть управляется с данными. У машины манипуляцией данными занят управляющий компьютер, точнее — центральный процессор, который заведует работой всех остальных частей компьютера. Таким образом, о сходстве или различии человека и машины, будь то чистая математика или мораль с эмоциями, следует судить по подобию или разнице между мозгом и процессором.
Воплощение принципов работы мозга — давняя мечта машинных кибернетиков. С философской точки зрения копирование мозга «в железе» может выглядеть не слишком увлекательно: помнится, Станислав Лем недоумевал, зачем создавать «железный» человеческий мозг, когда природа всё уже изобрела, и не лучше ли поискать какие-то другие способы организации информационно-машинных устройств. Но даже художники учатся, копируя работы великих предшественников, поэтому кажется вполне логичным, что разработчики микросхем и программного обеспечения сначала хотят научиться создавать аналог мозга, а потом уж, если потребуется, превзойти его.
Нынешние компьютеры, обгоняя человека в скорости математических вычислений, уступают ему в скорости распознавания каких-то объектов — например, слов или лиц. Поэтому ведущие производители процессоров (к примеру, AMD) стараются создать микросхемы, у которых были бы главные преимущества «серого вещества», — чтобы они, например, использовали параллельную схему обработки информации, свойственную мозгу, вместо обычного для большинства процессоров последовательного выполнения команд.
В основе работы современных компьютерных систем лежат логические выводы, основанные на булевой алгебре. Главным принципом в данном случае является закон исключения третьего, согласно которому логические переменные, в отличие от переменных обычной алгебры, могут принимать только два значения — «0» и «1» («ложь» или «истина»).
Булева алгебра названа по имени своего автора — Джорджа Буля, британского математика и логика, профессора Королевского колледжа Корка (город на юго-востоке Ирландии). В упрощённом представлении логика ищет ответ на вопрос, верно или нет то или иное высказывание. Причём его смысл и содержание не играют никакой роли: каждое высказывание может быть или истинным, или ложным. Другие варианты попросту исключены.
Чтобы лучше понять, как это работает, можно провести параллель между логическими операциями и физическим миром. Давайте рассмотрим модель «водопроводной системы» с вентилями на трубках, играющими роль элементов, которыми оперируют. Как и логические переменные, краны могут иметь два состояния: примем, что открытое — это «истина», а закрытое — «ложь». Результатом операции будет состояние выходной трубы: «истина» соответствует текущей воде, «ложь» — отсутствию жидкости.
Итак, в первом случае (см. изображении ниже) два вентиля на входной трубе расположены последовательно. Если закрыты оба или хотя бы один из них («ложь»), то воды на выходе нет («ложь»). То есть в данном случае система выполняет логическую операцию «И»: результат (высказывание «Вода течёт») соответствует «истине» только в том случае, если открыты первый И второй вентили.
Во втором случае (см. изображение ниже) вентили располагаются параллельно. В такой конфигурации система выполняет логическую операцию «ИЛИ»: вода на выходе есть, если открыт один ИЛИ второй вентиль (или сразу оба).
Комбинируя логические элементы, можно строить схемы с более сложными логическими функциями — скажем, «ИЛИ — НЕ» и «И — НЕ». На нашем примере с водопроводной системой это означает, что вентили могут быть расположены и последовательно и параллельно.
В процессорах в качестве бинарных элементов с двумя состояниями (ноль и единица) используются транзисторы, которые в некотором смысле можно сравнить с нервными клетками в человеческом мозге. Современные микрочипы могут насчитывать более миллиарда транзисторов — миниатюрных переключателей электросигнала. Чем больше их участвует в работе и чем они меньше, тем выше производительность системы.
В микропроцессорах за логические ноль и единицу принимают разные уровни напряжения. Есть два типа логических соглашений: положительное и отрицательное. В первом случае высокий потенциал отображает единицу, а низкий — ноль. Во втором — наоборот. При изменении входного сигнала происходит переключение транзисторов, что меняет сигнал на выходе.
На работу нейронов, составляющих наш мозг, всё это похоже чрезвычайно: в конце концов, нервные клетки тоже используют в качестве сигнала электрический импульс, и его генерация происходит по принципу «всё или ничего», что можно сравнить с переключением потенциала между «0» и «1» в процессорном транзисторе.
Нейрон, как известно, снабжён отростками — дендритами и аксонами. Дендриты передают импульс к телу клетки, «внутрь» нейрона, а аксоны, наоборот, работают на вешнюю сторону, то есть передают импульс на соседний нейрон или клетку мышцы (или иного органа). Таким образом, нейрон обладает полярностью, которую можно было бы сравнить с ±-полярностью электрического поля. Откуда же в нейроне берётся ток? В клеточную мемрану нейрона встроен белковый насос, который перекачивает ионы изнутри на наружную её сторону и обратно, таким образом и создаётся электрический разряд. Причём важно, что насосы работают так, чтобы на наружной стороне мембраны сохранялся положительный заряд, а на внутренней — отрицательный. (Подчеркнём, что такая полярность касается лишь области, непосредственно прилегающей к мембране.)
Когда нейрону приходит пора возбудиться, на мембране мгновенно меняется разность потенциалов (положительные ионы переходят внутрь, а отрицательные — изнутри наружу)— сначала на одном её участке, а потом и на соседних, то есть происходит распространение возбуждения. После изменения потенциала нужно время, чтобы исходная разность потенциалов восстановилась (внутри — «минус», снаружи — «плюс»). Чтобы распределить ионы по-старому, нужно какое-то время. Это время называют рефрактерным периодом, и именно оно обеспечивает полярность нейрона и однонаправленное проведение сигнала.
Этот рефрактерный период, когда ионные каналы молчат и клетку ничто, так сказать, не возбуждает, и есть одна из главных причин того, что нейрон работает медленнее транзисторов: за время отдыха клетки транзистор успел бы «провернуть» миллионы операций, в то время как нейронная цепь может сделать где-то сотню шагов.
Вас интересует, откуда берётся самое первое возбуждение? О, причин тому может быть множество: к примеру, механическое раздражение мембраны в случае некоторых рецепторов, которое и запускает изменение в мембранном потенциале, или световое раздражение в случае фоторецепторов, или импульс от соседнего нейрона, или тот же электрический ток — если сунуть палец в розетку…
Несколько нейронов, соединённых между собой отростками, аксонами и дендритами (фото Michael Delannoy).
Но более важно то, что на приходящий стимул (рецепторное раздражение или электрический импульс от соседнего нейрона) клетка либо отвечает, либо нет. Ответ может быть слабым или сильным, в зависимости от состояния нейрона, но альтернативой ему может быть не другой ответ, отличающийся по силе, а полное молчание. Чтобы ответ состоялся и по нейрону пошло возбуждение, раздражитель должен быть по силе выше какого-то порогового уровня. Благодаря такому порогу и реакции «всё-или-ничего» на послепороговое раздражение мы на уровне нейрона можем говорить о настоящей булевой алгебре с двумя значениями переменной: «0» или «1», «вкл.» или «выкл.».
…Однако нынешние компьютеры, однозначно опережая человека в скорости математических вычислений, в некоторых задачах ему уступают — скажем, в скорости распознавания тех или иных объектов, хотя бы слов или лиц. Почему же мозг «декодирует» лицо быстрее, чем обученная этому электронно-вычислительная машина? Потому что нейроны работают параллельно, а не последовательно. Ну а большинство современных процессоров основано на той или иной версии циклического процесса последовательной обработки данных, которую придумал ещё Джон фон Нейман. Все команды, которые хранятся в памяти, процессор по очереди обрабатывает в этом фон-неймановском цикле, и скорость, с которой он крутится, определяется тактовым генератором, выдающим электрические импульсы заданной частоты. Именно этот показатель называется тактовой частотой, и от него зависит скорость вычислений.
Если перед компьютером поставить задачу распознать какое-то изображение, то он будет прочёсывать его последовательно, пиксель за пикселем; в мозге же над этим одновременно работает множество нейронов, каждый из которых занимается своим фрагментом картинки. В случае зрительного стимула тут, понятно, нужно говорить о нейронах сетчатки, но то же самое происходит и с другими задачами — и в результате нейроны, которые по отдельности действуют медленнее процессорного транзистора, в параллельной совокупности в некоторых задачах его опережают.
Преимущества параллельной обработки данных ни для кого не секрет, и ведущие производители процессоров бьются над микросхемами, у которых среди прочего было бы и это замечательное свойство мозга — «запараллеливать» выполняемые задачи.
Итак, верным булевой алгебре является не только отдельно взятый нейрон: это сходство наблюдается и на уровне нейронных сетей. Среди нервных клеток есть так называемые нейроны возбуждения и нейроны торможения. Первые активируют соседние с ним клетки, а вторые, наоборот, заставляют своих «соседей» замолчать (то есть перестать проводить информацию через себя).
И в общем и целом импульсы нейронов возбуждения и торможения опять же напоминают значения булевой переменной, «0» и «1».
Однако всё же стоит признать, что работа нейронной сети строится не на цифровом механизме, а на аналоговом: так, выполнение какой-то операции произойдёт лишь в том случае, если по нейрону пройдёт несколько импульсов, причём важно не только их количество, но и ритм. Здесь имеет значение уровень возбуждения нейрона, то, насколько чутко он реагирует на приходящие сигналы. Уровень возбуждения зависит от предыдущих действий, которые выполнял нейрон, — от состояния синаптического контакта, от синтеза нейромедиаторов и т. п.
Синапс под микроскопом: передающий нейрон готовится высвободить нейромедиатор (зелёные пузырьки) в синаптическую щель между ним и принимающей клеткой (фото Dennis Kunkel Microscopy, Inc.).
Синаптический контакт и нейромедиаторы, о которых мы только что сказали, невозможно найти в процессоре, это ноу-хау принадлежит сугубо нервной системе. Синаптический контакт («синапс») — это когда нейроны соединяются в нервные цепочки, а также могут устанавливать контакт с другими клетками (одни из них служат «передатчиками», другие — «приёмниками»). Нейромедиаторы — молекулы, которые высвобождаются из клетки-передатчика и возбуждают потенциал действия в клетке-приёмнике.
Эффективность передачи сигнала зависит от того, как много нейромедиатора высвободилось, были ли на его пути препятствия, удачно ли с этим нейромедиатором провзаимодействовали рецепторы следующего нейрона и т. д. Не говоря уже о том, что самих нейромедиаторов существует довольно много: это и серотонин, и дофамин, и ГАМК (гамма-аминомасляная кислота), и женские половые гормоны (и это лишь небольшая доля). Синапсы с нейромедиаторами служат мощным средством регуляции информационных процессов в мозге, и в дальнейшем мы с ними ещё не раз столкнёмся. Во многом благодаря синапсам мы и говорим об аналоговости нейронных «микросхем».
До сих пор мы ни слова не сказали о том, что мозг состоит из множества разных частей, каждая из которых имеет собственные функции. Между тем тот же мозг чрезвычайно сложно структурирован. Но и процессор — это тоже далеко не просто набор чего бы то ни было; скажем, транзисторы в нём можно упорядочить так, что это будет напоминать, пусть и отдалённо, отдельные структуры мозга. В следующем материале мы как раз и попытаемся понять, насколько структурированность современного процессора сопоставима со структурированностью мозга.
Транзистор — радиоэлектронный компонент из полупроводникового материала, позволяющий управлять током в электрической цепи; элементарная структурная единица микросхем.
Архитектура фон Неймана — принцип работы вычислительной системы, когда команды и данные хранятся в одном и том же месте; и чтение данных, и чтение команд, диктующих, что делать с данными, происходит последовательно в повторяющемся цикле.
Нейрон — нервная клетка, структурно-функциональная единица нервной системы, формирующая два типа отростков: сильно разветвлённые и короткие дендриты, принимающие сигнал, и длинный неветвящийся аксон, передающий сигнал на соседние клетки.
Потенциал действия нейрона — быстрое кратковременное изменение потенциала на небольшом участке мембраны возбудимой клетки, распространяющееся по мембране клетки при передаче нервного сигнала.
Рефрактерный период нейрона — период после возникновения на мембране клетки потенциала действия, в ходе которого возбудимость мембраны снижается, а затем постепенно восстанавливается до исходного уровня.
Синапс — место контакта между двумя нейронами или между нейроном и получающей сигнал эффекторной клеткой (мышечной, секреторной и т. п.). Передача сигнала может происходить как простым переходом электрического заряда с клетки на клетку, так и с помощью молекул нейромедиаторов, высвобождающихся из клетки-передатчика и возбуждающих потенциал действия в клетке-приёмнике. В ходе синаптической передачи амплитуда и частота сигнала могут регулироваться.
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.
Преимущества использования компьютера для мозга
Несомненно, современные технологии при правильном применении – шаг вперед в методах обучения и развития детей. Компьютерные программы помогают быстрее и проще осваивать новые навыки взрослым.
Ученые рассматривают использование специализированных компьютерных игр как способ борьбы с некоторыми психоневрологическими проблемами (3).
К положительным примерам влияния компьютера на мозг человека относят улучшение отдельных функций:
- Способность концентрировать внимание на выполнении конкретной задачи. Для этого разрабатываются специальные программы и игры, которые тренируют навык концентрации как детям, так и взрослым.
- Когнитивное укрепление. Человек становится способен быстрее воспринимать данные и раздражители, оперативно на них реагировать.
- Улучшается один из важных типов памяти – кратковременная. При работе в различных программах или прохождении игр приходится быстро запоминать, а затемприменятьинформацию.
- Время отклика. Человек, регулярно играющий в игры определённых жанров, учится быстрее реагировать на внешние раздражители. Подобным образом люди обучаются преодолевать состояние ступора и паники, когда от человека требуется быстрая реакция.
- Концентрация внимания. Человек становится способен дольше удерживать внимание на конкретном объекте. Лучше замечает детали и произошедшие в ситуации изменения, сопоставляет их.
- Зрительно-моторная координация. Скорость реакции и способность моментально передать приказ действовать рукам, также зависят от скорости восприятия и обработки поступающей через зрительные центры информации.
Стоит понимать, что добиться серьезного результата можно только под наблюдением опытного инструктора, медика. И программы должны быть соответствующие. При этом нужно уделять тренировкам достаточное время на протяжении нескольких недель или даже месяцев.
Что происходит с мозгом при работе за компьютером?
Благодаря исследованиям, ученые выяснили как доступный компьютер влияет на мозг человека. И сумели оценить положительные и отрицательные стороны этого (1).
Проблема человека при общении с современными технологиями заключается в преимуществах электронных гаджетов. Электроника не устает, ей не нужен отдых при выполнении сложных операций, в отличие от человеческого мозга.
Ритм работы самого сложного органа человека намного медленнее, чем у компьютера.
Однако во время работы, пользователь неосознанно стремится подстроиться под скорость машины, мыслительные процессы перегружаются, может меняться тип мышления.
Нагрузка существенная, так как при работе с клавиатурой или во время игры задействованы почти все органы чувств. Мы используем не только непосредственно мозг. Работают зрение, слух и другие источники восприятия информации, а с ними и руки. В то же время, отдельные области мозга начинают работать не так активно (2).
Наш ум не только получает и обрабатывает информацию, но и одновременно использует ресурсы на управление руками и согласование действий с видимыми изменениями на экране. Приводит к тому, что чувство быстрее наступает усталость. Но при умеренном подходе, такую особенность можно применять для тренировки когнитивных функций.
Еще одной сферой влияния компьютера на нашу жизнь стало социальное взаимодействие и, при этом – обеднение эмоциональной сферы.
Когда работе с гаджетами уделяется избыточное время, человеческое мышление теряет привычную эмоциональность, становится более прагматическим, сухим. Мы теряем навыки прямого межличностного общения, воспринимаем информацию и эмоции собеседника менее серьезно, поверхностно.
Особенно сильно от постоянного присутствия компьютера в жизни страдают дети.
У них еще не полностью сформировались социальные навыки, они не умеют контролировать себя.
Испытывают трудности с тем, чтоб оценить степень собственной усталости или чрезмерной возбужденности.
Опасное влияние компьютера на мозг
Излишняя привязанность к современным технологиям не может не сказаться отрицательно на человеке.
Каждый вид воздействия имеет свои положительные и отрицательные стороны. Компьютер и прочие гаджеты, вошедшие в нашу жизнь, оказывают негативное влияние, если их становится слишком много.
Отрицательные аспекты воздействия компьютера на мозг:
- Повышенная утомляемость. Причина в навязанном непривычно высоком темпе работы и повышенной нагрузке на глаза, ограниченной подвижности. Человек быстрее начинает испытывать усталость, а чтоб избавиться от нее, требуется больше времени. Детям трудно сосредотачиваться, ухудшается внимательность ребенка, успеваемость.
- Чрезмерное эмоциональное перевозбуждение. Как правило, такой эффект встречается у заядлых геймеров, выбирающих развлечения, требующих быстрой ответной реакции на действия противника. После затянувшейся игровой сессии человек перевозбужден, при этом чувствует сильную усталость.
- Возникновение игровой зависимости. И это проблема, так как люди, увлеченные мирами компьютерных игр, не замечая, проводят за ними многие часы. В случае лишения этого хобби, они ощущают сильный психологический дискомфорт.
- Деградация навыков социального взаимодействия. Общаясь только через компьютер, пусть и с людьми по сети, человек постепенно утрачивает навык общения в реальном мире. Появляются проблемы с соблюдением общественных рамок и норм. Страдает понимание чужих эмоций без специальных опознавательных значков. Может сформироваться страх общения вживую и другие черты аутического спектра.
Как и любые новые технологии, гаджеты с доступом в интернет способны изменить человеческую жизнь (4). Но как конкретно компьютер влияет на мозг человека – напрямую зависит от самого пользователя и используемых им методов.
Чтобы получать только положительный результат для себя и детей, следите за тем, как используются современные технологии. И, при необходимости – корректируйте этот процесс.
Ребенок и взрослый не могут учиться без определенного развития головного мозга. Чтобы запоминать, читать, воображать и мыслить нужны нейроны и связи между ними. Но верно и обратное — чем больше человек учится, тем сильнее развивается его мозг. Разбираемся, как обучение влияет на мозг и как еще больше помочь мозгу «прокачаться».
Как говорил сами знаете кто, учиться никогда не поздно. Подписывается под этим всей редакцией и хором добавляем: «. и полезно»!
Не занимайтесь самолечением! В наших статьях мы собираем последние научные данные и мнения авторитетных экспертов в области здоровья. Но помните: поставить диагноз и назначить лечение может только врач.
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.
Intel VS. мозг homo sapiens…
Синаптическая задача
В 2006 году в исследовательском подразделении IBM задумались над вопросом, нельзя ли построить компьютер, отступив от архитектуры фон Неймана и взяв за образец принципы построения биологического мозга. Это послужило толчком к появлению в 2008 году проекта с говорящим именем SyNAPSE, финансируемого агентством передовых оборонных разработок DARPA.
«Цель проекта, в работе над которым приняли участие множество исследовательских центров и ведущих университетов по всему миру, вполне отражена в его названии. SyNAPSE — это Systems of Neuromorphic Adaptive Plastic Scalable Electronics, нейроморфные адаптивные масштабируемые электронные системы, — объясняет "Популярной механике" Билл Риск, один из руководителей группы разработчиков подразделения IBM Research в Алмадене. — Если говорить более простыми словами, то это создание компьютера, основанного на совершенно новой архитектуре, позаимствованной у человеческого мозга. Ведь это удивительно эффективное устройство. Мозг способен одновременно получать большое количество сигналов — от зрительной системы, слуха, осязания, обоняния — и обрабатывать их. Причем зачастую очень неординарными способами. Вот, например, вы смотрите на изображение розы, но при этом вспоминаете ее запах и ощущение колючек на стебле, хотя ни от обоняния, ни от осязания сигналов в этот момент не поступает: в мозгу нет строгого разделения на поступающие данные, память, инструкции по обработке и команды; все это кодируется с помощью одних и тех же принципов — конфигурации нейронов и синапсов (структуры связей) и передачи нервных импульсов».
Новые технологии VS эволюция и естественный отбор…
Чтобы помочь мозгу, нужно заниматься регулярно и иметь цель
Для того, чтобы обучение влияло на развитие мозга, нужно не просто заниматься, а заниматься регулярно. Достаточно 10-15 минут в день тренировать новый навык — это не сделает вас профессионалом, но поможет мозгу формировать новые связи между нейронами.
При этом лучше раз в неделю изучать новый навык или вырабатывать новую привычку — это также помогает укреплять нейронные связи. Навыки или привычки могут быть разнообразными. Можно сделать упор на здоровый образ жизни: первую неделю приучить себя делать зарядку, вторую — завтракать сухофруктами, третью — раньше вставать. Или, к примеру, заниматься творчеством: одну неделю читать каждый день стихи, вторую — собирать поделку из бумаги. При этом понравившуюся практику стоит закрепить, сделать постоянной — это также позитивно влияет на формирование нейронов и нейронных связей.
Если не нравится художественное творчество, можно решать задачи, использовать приложения для развития мозга или игры-головоломки, изучать языки программирования. Важно найти язык под свой уровень и постепенно поднимать планку. Это не только поможет мозгу формировать новые нейронные связи, но и прокачает логическое мышление. Программирование подойдет для любого возраста — детям будет интересно разобраться, как устроены любимые игры, взрослые смогут создать полезное приложение.
Мозг поощряет движение к значимым целям. Поэтому в начале обучения важно не только поставить цель, но и придумать для себя значимую награду. В идеале она должна быть связана с едой, комфортом или приятными эмоциями — такую награду мозг воспримет лучше.
Также мозг лучше работает, если в течение дня уделять время физическим упражнениям. Исследования Гарвардского университета показывают, что достаточно ходить в быстром темпе 120 минут в неделю, чтобы улучшать результаты обучения.
Ключевая разница
Все современные компьютеры построены по так называемой архитектуре фон Неймана, которая предусматривает наличие процессора и памяти, в которой хранятся данные и логические инструкции по их обработке — программы. Обмен данными между процессором и памятью осуществляется по специальному каналу, который является самым узким местом, ограничивающим производительность такой системы. Операции выполняются последовательно, дирижируют ими внутренние часы (тактовый генератор), и чем больше частота тактов, тем быстрее выполняется обработка данных. И тем выше энергопотребление процессора.
Второе поколение нейросинаптических чипов – плод восьми лет труда группы разработчиков IBM Research, а также многих других исследовательских центров и ведущих университетов. Потребление энергии чипа с 256 миллионами синапсов составляет 0,1 Вт. В перспективе – компьютер, содержащий 1 трлн синапсов с потреблением 4 кВт.
Биологический мозг устроен совершенно по-другому. Основная задача, для которой эволюция путем проб и ошибок создала эту сложную нервную структуру, — обработка большого количества сенсорных сигналов и выдача в ответ на эти сигналы сложных команд. Мозг состоит из множества нервных клеток (нейронов), образующих между собой межклеточные соединения — синапсы. Для такой структуры не существует разделения на «процессор» и «память», язык мозга — это импульсы возбуждения, передаваемые от одного нейрона к другим с помощью синапсов, а инструкции и данные кодируются динамической структурой связей. Такая обработка данных происходит параллельно, то есть не требует высоких тактовых частот внутренних часов, а это означает, что по энергоэффективности такая система не имеет себе равных, на много порядков превосходя самые лучшие изделия рук человеческих.
Традиционные процессоры базируются на архитектуре фон Неймана и работают под управлением тактового генератора (то есть на протяжении всего времени). Нейросинаптические процессоры, как нейроны мозга, управляются потоком событий, и потому работают только малую часть времени. Это снижает энергопотребление на несколько порядков.
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.
При обучении в мозге формируются новые нейроны и синапсы, а также растут связи между ними
Раньше считалось, что «нервные клетки не восстанавливаются». Однако исследование 2013 года показывает, что взрослые и пожилые люди производят столько же новых нейронов, как и молодые люди. Причем нейроны образуются в частях мозга, связанных с обучением, памятью и эмоциями. Ученые предполагают, что чем больше эти зоны задействованы, чем больше человек учится и работает с информацией, тем чаще будут появляться новые нервные клетки.
Но для правильной работы мозга важно не только количество нейронов, но и связи между ними. Нейроны передают информацию друг другу через синапсы, зоны на концах клеток и между ними. У человека постоянно меняются и количество синапсов — во время сна их становится меньше, а вот во время обучения и запоминания появляются новые синапсы, а также растут старые. Это помогает нейронам создавать связи, обмениваться информацией и в итоге запоминать ее.
Также в процессе обучения нейроны получают свою специализацию — каждый раз сталкиваясь с определенной проблемой мозг берет часть нейронов, модифицирует их и затем снова использует их же, сталкиваясь с этой проблемой еще раз. И эта группа нейронов будет отвечать за определенный навык в течение всей жизни. Это означает, что человек не забывает усвоенные навыки, просто иногда ему так кажется.
Чем больше мозг обучается, тем он устойчивее к деменциям
Исследование 2019 года доказывает, что чем больше у человека «когнитивный резерв», тем меньше риск развития деменции. Под когнитивным резервом ученые понимали уровень образования и уровень умственной и социальной активности, как в течение всей жизни, так и за несколько лет до исследования. Оказалось, что люди с высоким когнитивным резервом переносят или компенсируют патологические изменения в мозге. При этом у части пациентов с высоким когнитивным резервом были диагностированы болезнь Альцгеймера или сосудистые патологии, при этом их интеллект и социальная активность не снижались.
Ученые считают, что в когнитивном резерве более важна постоянная ментальная активность. У человека может быть низкий уровень образования, но если он постоянно решает новые задачи, общается с другими людьми и узнает новое, его мозг будет работать эффективнее и медленнее стареть. И чем больше видов активности, тем лучше. Ученые показали, что чем больше видов умственной активности использует испытуемый, тем сильнее снижается риск развития деменции.
Эффективность обучения зависит от вознаграждения
Человек считает, что он сам определяет важность информации — «мне нужно запомнить все, что шеф говорил на планерке, а не запоминать ролики, которые я посмотрел на ютубе». Но мозгу виднее — исследования, проведенные в Колумбийском университете, показывают, что за ночь мозг сортирует наши воспоминания и лучше запоминает те, которые приведут к высокому вознаграждению. Если ролик вызвал у вас положительные эмоции, то и запомните вы его лучше, чем наставления начальника.
Intel VS. мозг homo sapiens…
Кирпичики мозга
В мозгу мыши насчитывается 16 млн нейронов, образующих разветвленную сеть с помощью 128 млрд синапсов. Это не так уж и много: человеческий мозг образован сетью из 220 трлн синапсов, объединяющих 22 млрд нейронов. Но, несмотря на серьезное количественное различие на несколько порядков, принципы построения мозга и у человека, и у мыши сходны. На макроскопическом уровне можно выделить отдельные области мозга, отвечающие за выполнение тех или иных специализированных задач: зрительная кора, соматосенсорная, моторные области, ассоциативная кора и другие. При более глубоком рассмотрении оказывается, что мозг состоит из так называемых модулей (колонок кортекса), групп нейронов, которые можно рассматривать в качестве строительных блоков коры.
Разработчики TrueNorth полны оптимизма, считая, что в будущем станет возможным построить систему, состоящую из 10 млрд нейронов и 100 трлн синапсов, занимающую объем менее 2 л и потребляющую менее 1 кВт (всего лишь в 50 раз больше человеческого мозга). Подобные технологии могут быть использованы в самых различных областях, таких как системы видеонаблюдения в целях общественной безопасности, системы распознавания образов, помогающие слепым ориентироваться в окружающем мире, более безопасный транспорт или здравоохранение.
Компьютер – изобретение относительно недавнее, а в повседневную жизнь человека он вошел всего несколько десятилетий назад. Но уже успел изменить жизнь и здоровье людей по всему миру.
Даже взрослые чувствуют результат влияния компьютера на мозг человека. При том, что больше других страдают дети. Они получили доступ к полной интеграции в мир информационных и игровых технологий. С первых лет знакомятся с планшетами и смартфонами и оказываются под их влиянием. Порой, становятся зависимыми.
Человек vs машина в будущем
Существует развивающаяся область вычислительной нейробиологии, которая пытается построить компьютерную модель функциональности нервной системы. Один известный пример проект Human Brain. Они считают, что моделирование для всего человеческого мозга потребует суперкомпьютер с 500 петабайтами памяти. Чтобы понимать современный суперкомпьютер имеет 1,5 петабайт . Таким образом необходима система более чем в 300 раз больше. Такие машины не ожидается в этом десятилетии. Human Brain ожидает, что такие машины будут доступны в 2023 году.
Надеюсь, что после почтения у Вас появилось хоть немного новых синаптических связей ;).
Суперкомпьютеры, способные совершать триллионы математических операций в секунду, занимают гигантские помещения, а потребляемая мощность их сравнима с небольшим заводом. Мозг человека, предназначенный для тех же задач, имеет объем в пару литров и потребляет энергии меньше слабенькой лампочки. Так почему бы не создать компьютер, основанный на принципах работы мозга?
С момента появления первого микропроцессора в 1971 году тактовые частоты увеличились на три порядка. «Некоторые склонны рассматривать это как эволюцию в области компьютерных технологий, но ее направление явно расходится с эволюцией биологического мозга, — говорит Дхармендра Модха, директор по науке подразделения Cognitive Computing лаборатории IBM Research в Алмадене. — Тактовые частоты современных компьютеров выше, чем у мозга, в сто миллионов раз, но и удельный расход энергии (на логический элемент) у них в десять тысяч раз больше. При попытке же полномасштабного моделирования функционирования мозга со 100 трлн синапсами все выглядит еще печальнее: даже при использовании Sequoia, одного из самых производительных суперкомпьютеров мира, основанного на архитектуре IBM Blue Gene/Q, функционирование структуры можно воссоздать не в реальном времени, а на скорости в 1500 раз медленнее.
И это при том, что Sequoia состоит из 96 стоек, занимает площадь в 300 м 2 и имеет потребляемую мощность около 8 МВт. А чтобы «догнать» мозг, нужен гипотетический компьютер, потребляющий около 12 ГВт! Для сравнения: потребляемая мощность человеческого мозга составляет около 20 Вт. Столь большая разница объясняется двумя факторами: технологией и архитектурой. Человеческий мозг использует в качестве элементной базы органические нейроны, а микропроцессоры — неорганические кремниевые транзисторы. Но с этим пока ничего сделать невозможно, и мы решили сосредоточиться на втором факторе — архитектуре».
Параметры нейронов и синапсов процессора TrueNorth требуется заранее конфигурировать. По словам Билла Риска, такое решение было принято сознательно, чтобы уменьшить вероятность ошибок и снизить сложность разработки многоядерного чипа на первых этапах. Тем не менее на одной из следующих фаз разработчики планируют сделать процессор «самообучаемым»: конфигурация нейронов и синапсов будет меняться в зависимости от внешних сигналов и результатов их обработки в реальном времени.
Из-за обучения синапсы тренируются и мозг работает эффективнее
В процессе обучения синапсов не только становится больше — они тренируются и начинают передавать информацию быстрее.
Чтобы импульс перешел через синапс от нейрона к нейрону, в синапсе выделяется специальное вещество нейромедиатор. Нейромедиатор воздействует на принимающий нейрон и на него передается импульс. Но бывают ситуации, когда в нейроне недостает медиатора, запасы еще не пополнены. Без медиатора информация не сможет перейти дальше. Исследования показали, что обучение тренирует синапсы — они запасают больше медиатора или быстрее восстанавливают его объем. Это помогает информации закрепляться и передаваться быстрее.
Читайте также: