本研究提出了像人脑这样的人工智能模型,并将其应用于家庭服务机器人的任务。近年来,许多研究通过深度学习实现了人工智能。当在大型培训数据集上进行许多迭代培训时,深层的网络可以取得良好的结果。但是,单独学习无法通过深度学习来实现类似大脑的智力模型。可以通过两种类型的培训范例来训练人工智能模型。第一个范式是从大量经验中获得常识。获得的共同知识,例如“什么桌子”和“什么是茶”,适用于任何环境。深度学习对于共同的知识获取是有效的,因为可以收集许多有关综合知识的培训数据,并且深度学习的表现取决于培训数据的数量。第二个范式是从一些经验中获取本地知识。当地知识的典型例子是家庭的偏好和习俗。因为它使用了很少的培训数据,因此本地知识不能通过深度学习来有效地促进。要获得类似脑的艺术智能模型,需要用于第二个范式的学习系统。
未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本的版权持有人(该版本发布于2023年5月26日。; https://doi.org/10.1101/2023.05.25.542288 doi:biorxiv Preprint
人工智能、机器学习和深度神经网络的进步带来了人类和动物学习和智能的新发现。DeepMind 家族中最近推出的人工智能代理 muZero 可以在对其所处世界的信息有限且对当前和未来空间特征具有高度不确定性的情况下完成各种任务。为了执行此任务,muZero 仅使用三个功能,这些功能既通用又足够具体,可以在各种任务中进行学习,而不会在不同环境中过度概括。同样,人类和动物能够在复杂的环境中学习和改进,同时从其他环境中迁移学习,而不会过度概括。特别是,哺乳动物海马外系统 (eHPCS) 可以指导空间决策,同时编码和处理空间和上下文信息。与 muZero 一样,eHPCS 也能够根据环境变化和环境线索的程度和重要性调整上下文表示。在本意见中,我们将论证 muZero 功能与海马系统的功能相似。我们将展示 muZero 模型的不同组件为思考 eHPCS 中的可推广学习提供了一个框架,并且可以通过 muZero 等人工智能代理的进步来评估细胞表征在相似和不同情境之间如何发生转变。我们还将解释人工智能代理的进步将如何提供框架和预测,以研究状态变化和神经元放电之间的预期联系。具体来说,我们将讨论有关 eHPCS 的可测试预测,包括重放和重新映射的功能,这些预测是由 muZero 学习背后的机制提供的。最后,我们介绍了 muZero 等代理如何帮助阐明有关神经功能的潜在问题的其他方式,以及这些代理如何揭示潜在的预期答案。
生成模型的进步最近彻底改变了机器学习。与此同时,在神经科学中,长期以来一直认为生成模型是动物智能的基础。了解支持这些过程的生物学机制有望阐明生物学和人工智能之间的关系。在动物中,海马形成被认为可以学习和使用生成模型来支持其在空间和非空间记忆中的作用。在这里,我们介绍了海马形成的生物学上合理模型,该模型将我们应用于输入时间流的Helmholtz机器。我们模型的一个新成分是,快速的theta波段振荡(5-10 Hz)门是整个网络中信息流的方向,训练它类似于高频唤醒式睡算法。我们的模型可以准确地渗透高维感觉环境的潜在状态,并产生逼真的感觉预测。此外,它可以通过开发匹配以前的理论建议并在环境之间的环境传递此结构来学会通过开发环形连接结构来学习集成的路径。虽然许多模型具有一般性的生物学合理性,但我们的模型在一个生物学上合理的局部学习规则下捕获了各种海马认知功能。
摘要 局部场电位 (LFP) 的偏转和振荡定义了海马尖波涟漪 (SWR),这是大脑最同步的事件之一。SWR 反映了从认知相关的神经元集合中出现的放电和突触电流序列。虽然频谱分析已经取得了进展,但超密集记录的激增现在需要新的自动检测策略。在这里,我们展示了如何在高密度 LFP 海马记录上运行的一维卷积网络如何自动识别来自啮齿动物海马的 SWR。当无需重新训练就应用于新数据集和超密集海马范围的记录时,我们发现了与 SWR 出现相关的生理相关过程,从而促使制定新的分类标准。为了获得可解释性,我们开发了一种方法来查询人工网络的运行。我们发现它依赖于基于特征的专业化,这允许识别空间分离的振荡和偏转,以及重放典型的同步群体放电。因此,使用基于深度学习的方法可能会改变当前的启发式方法,以便更好地机械地解释这些相关的神经生理事件。
海马属于海马科,生活在热带和温带沿海地区,这些地区的海底柔软多沙,岩石和藻类之间,以及受海洋影响较大的泻湖中。海马是最受欢迎的动物之一,通常被当作治疗各种疾病的传统中药 (TCM) 销售。这些物种在全球范围内的贸易导致其数量大幅下降,并对海洋生态系统产生了负面影响。所有现存的海马物种现在都被记录在《濒危野生动植物种国际贸易公约》(CITES) 附录二中。在菲律宾,这些物种受到《菲律宾渔业法》(RA 8550)(经 RA 10654 修订)和《菲律宾野生动物法》(RA 9147) 的保护。然而,尽管有现行法律,但干海马和活海马的非法贸易仍然存在。这项研究旨在确定马尼拉大都会商店或市场上非法交易的海马物种。共计22只干海马是从马尼拉大都会的不同商店购买的。其中9只从马尼拉市岷伦洛区的中药店购买,13只从帕赛市Cartimar Pet Center的水生宠物店购买。对干海马样本进行了形态学分析和DNA条形码编码。对全部22只样本进行形态学鉴定后发现,上述市场上出售的海马有4种,包括Hippocampus kuda、Hippocampus comes、Hippocampus histrix和Hippocampus kellogi。所有样本均经过DNA提取、扩增和测序,其中15个样本序列可进行BLAST和聚类分析。聚类分析结果显示,12个样本聚类为Hippocampus kuda,其余3个聚类为H. comes。此外,结果还显示,三家 TCM 商店和两家水生宠物店出售的海马品种大多为 H. kuda,患病率分别为 78%(马尼拉 TCM 商店)和 62%(帕赛 Cartimar 宠物中心)。因此,这项研究表明该国存在持续的干海马非法销售,需要更有效、更严格的监控和有效的政策实施,以保护和养护海马和其他海洋野生动物。
基于静息态血氧水平依赖性信号,对人类海马记忆系统的有效连接进行了测量,以揭示连接的方向性和强度,研究者对参与人类连接组计划的 172 名参与者进行了测量。腹侧“什么”海马流涉及颞叶皮质、周嗅皮质和海马旁 TF 皮质以及内嗅皮质。背侧“哪里”海马流将顶叶皮质与后扣带皮层和扣带后皮质以及海马旁 TH 皮质连接起来,后者又投射到与海马体相连的前下托。第三条流涉及眶额皮质和腹内侧前额皮质,与海马体、内嗅皮质和周嗅皮质具有有效连接。与海马体的前向连接通常比后向连接强。因此,独立的“什么”、“哪里”和“奖励”流可以在海马体中汇聚,然后反向投射从那里返回到源头。然而,与简单的双流海马体模型不同,存在与奖励价值相关的第三条流;在到达海马体之前,这些系统之间存在一些交叉连接;海马体与内嗅皮层和前下托之前的处理阶段具有一些有效的连接。这些发现补充了扩散纤维束成像,并为人类海马体记忆系统运作的新概念奠定了基础。
1 鲁汶天主教大学发育与再生系子宫内膜、子宫内膜异位症和生殖医学实验室 2 比利时鲁汶天主教大学脑与疾病研究中心 VIB-鲁汶离子通道研究实验室和鲁汶天主教大学分子医学系
神经发生是一个复杂的过程,神经祖细胞(NPC)/神经干细胞(NSCS)通过该过程增殖并分化为新的神经元和其他脑细胞。在成年期,海马是具有更多神经发生活性的领域之一,它参与了情绪和认知海马功能的调节。这种复杂过程受许多固有和外在因素(包括营养)的影响。在这方面,在大鼠和小鼠中进行的临床前研究表明,高脂肪和/或糖饮食对成年海马神经发生(AHN)具有负面影响。相反,富含生物活性化合物的饮食,例如多不饱和脂肪酸和多酚以及间歇性禁食或热量限制,可以诱导AHN。有趣的是,越来越多的证据表明,在围产期期间,后代可能会受到孕产妇营养的影响。因此,从早期和整个生命中进行的营养干预措施是通过刺激神经发生来减轻神经退行性疾病的有前途的观点。养分和饮食因素影响AHN的潜在机制仍在研究中。有趣的是,最近的证据表明可能涉及其他外围介体。从这个意义上讲,微生物群 - 脑轴介导肠道和大脑之间的双向通信,并且可以充当营养因子与AHN之间的联系。这项迷你审查的目的是总结一下,最新发现与AHN的营养和饮食影响有关。还包括了母体营养在后代的AHN中的重要性以及微生物群 - 脑轴在营养神经发生关系中的作用。
引言 2 非人灵长类动物海马研究年表 3 20 世纪 50 年代之前的海马研究 3 总结 4 20 世纪 50 年代 5 20 世纪 50 年代的病变研究 5 20 世纪 50 年代的电生理和临床研究 5 总结 5 20 世纪 60 年代 5 20 世纪 60 年代值得注意的病变研究 5 20 世纪 60 年代的单神经元记录 10 总结 11 20 世纪 70 年代 11 关于 20 世纪 70 年代啮齿动物海马电生理学影响研究的说明 11 20 世纪 70 年代值得注意的病变研究 11 20 世纪 70 年代的单神经元记录 12 总结 12 20 世纪 80 年代 12 20 世纪 80 年代值得注意的病变研究 12 20 世纪 80 年代的单神经元记录13 总结 13 20 世纪 90 年代 13 20 世纪 90 年代值得关注的病变研究 13 20 世纪 90 年代的单神经元记录 14 总结 14 21 世纪 00 年代 15 21 世纪值得关注的病变研究 15 21 世纪的单神经元记录 15 总结 16 21 世纪 10 年代 16 总结 17 21 世纪 20 年代 17 讨论 17 海马体与记忆 18 海马体与空间 19 一种新方法:海马功能的神经心理学理论与计算理论 20 结论 21 参考文献 22