شبکه های عصبی: آیا مغز شما مانند کامپیوتر است؟

شبکه های عصبی: آیا مغز شما مانند کامپیوتر است؟

حدود سه سال پیش ، هنگامی که منتظر پسرم بودم ، یکی از دوستان نسخه ای از لیز الیوت "آنچه در آنجا می گذرد؟" را به من هدیه داد. این یک انحراف بسیار خوشایند برای من از تمام کتابهای فرزندپروری بود که اصرار داشت به من بگوید چگونه زندگی من با شبهای بی خوابی ، خستگی و عدم سلامت عقل به جهنم تبدیل می شود. بنابراین من شروع به مطالعه کتاب کردم و به زودی متوجه شدم که این مهمترین چیزی است که در آماده سازی برای والدین قریب الوقوع خواندم. این کتاب در مورد رشد مغز در انسان از بدو تولد تا اوایل کودکی صحبت می کند. این به خودی خود یک موضوع جذاب است ، اما بیشتر در زمینه هوش مصنوعی بود.

از نظر عصبی ، مغز انسان از طریق شبکه ای از نورون ها - یا سلول های عصبی - که برای برقراری ارتباط با یکدیگر در تعامل هستند ، عمل می کند. پردازش اطلاعاتی که بر اساس آن می بینیم ، می شنویم ، حرکت می کنیم ، فکر می کنیم ، تصمیم می گیریم و به طور کلی عمل می کنیم. سیستم عصبی مرکزی و شبکه عصبی آن در قلب همه فعالیتهایی که در بدن اتفاق می افتد قرار دارند. کامپیوترها با پیچیده ترین واحد پردازشی که تا به حال وجود داشته است ، یعنی مغز انسان ، بسیار نزدیک هستند. برای یک لحظه به اصول اولیه بازگردیم - هر سیستم پردازش اطلاعات شامل 5 جزء اصلی است - ورودی ، خروجی ، ذخیره سازی ، پردازش و برنامه. ما می توانیم برای هر یک از این عناصر موازی بین مغز و رایانه ترسیم کنیم.

1. ورودی: ورودی ها محرک ها ، داده ها و اشیایی هستند که اساس عمل را انجام می دهند. فرمت هایی مانند تصاویر ، متن و داده های ساخت یافته. برای مغز انسان ، ورودی از طریق محرک های داخلی و خارجی ارائه می شود. "دستگاه" ورودی برای مغز شامل سلول های حسی (آنهایی که با دیدن ، شنیدن ، لمس کردن ، چشیدن مزه) ، سلولهای حرکتی/ماهیچه ای و حتی برخی از سلولهای درون مغز مرتبط هستند. این سلول ها محرک ارائه شده را می گیرند و برای پردازش بیشتر می برند.

2. خروجی: خروجی اطلاعات یا عملی است که در نتیجه پردازش ورودی به وجود می آید. بر اساس یک الگوریتم ، شناسایی الگوها و غیره فشار ، ضربان قلب ، دما) ، تصمیم گیری ، حل مسئله ، احساسات ، رفتار اجتماعی و غیره

3. ذخیره سازی: این مکانی است که مواردی مانند اطلاعات ورودی ، اطلاعات خروجی و برنامه ها در آن نگهداری می شوند.

کامپیوترها دارای دو نوع ذخیره سازی هستند. یک حافظه کوتاه مدت ، که ما معمولاً از آن به عنوان RAM یاد می کنیم ، مقدار محدودی از اطلاعات (داده ها یا برنامه ها) مورد نیاز کامپیوتر را برای انجام یک کار فوری ذخیره می کند. و ذخیره سازی طولانی مدت با ظرفیت بسیار بیشتر در قالب هارد دیسک ، اپتیکالدیسک ها ، نوارها و غیره سیستم حافظه مغز انسان بسیار شبیه به این ساختار است. ذخیره سازی کوتاه مدت مغز "حافظه کاری" نامیده می شود که از حافظه و توانایی های مغز در فواصل کوتاه برای انجام وظیفه فوری استفاده می کند (به عنوان مثال به یاد آوردن آنچه معلم هنگام یادداشت برداری در کلاس می گوید). ذخیره سازی طولانی مدت برای انسان از طریق "حافظه بلند مدت" یا عملکرد LTM آنها است که آنها را قادر می سازد تا اطلاعات نامحدودی را برای مدت نامحدود ذخیره کنند. این شامل حافظه (یا ذخیره) مواردی مانند رویدادهای خاص ، اطلاعات واقعی و تجربیات است.

4. پردازنده: این احتمالاً ساده ترین موازی برای درک است. این به مدار پردازش مرکزی اشاره می کند که دستورالعمل های ارائه شده را انجام می دهد. در رایانه ، این توسط CPU آن مدیریت می شود ، در حالی که برای انسانها این سیستم عصبی مرکزی است که از مغز و نخاع و مدارهای داخلی آنها تشکیل شده است.

5. برنامه: یا "کد" ، به زبان رایانه. عملکردهایی که باید به ترتیب مشخص و در پارامترهای تعریف شده انجام شوند. این قلب چیزی است که ما امروز در مورد آن صحبت می کنیم. در انسان ، این کد از طریق نورون های موجود در مغز اجرا می شود. نورون ها با یکدیگر ارتباط برقرار می کنند که از طریق آنها سیگنال هایی را منتقل می کنند که برای دستیابی به عمل مورد نظر پردازش می شود ، کل فرایند توسط سیستم عصبی مرکزی کنترل می شود. تبادل سیگنال یا اطلاعات از طریق ساختارهای بسیار مهم سیستم عصبی به نام Synapses اتفاق می افتد. برنامه های کامپیوتری از طریق کد ماشین اجرا می شوند که الگوهای بیت هستند (یعنی واحدهای دوتایی اطلاعات مانند "1" و "0"). به طور مشابه ، مغز انسان "کد" خود را از طریق الگوهای سیگنالهای شیمیایی یا الکتریکی که از یک نورون به سلول دیگر منتقل می شود ، ایجاد می کند.

شبکه های عصبی مصنوعی (یا ANN ها) دقیقاً مانند بیولوژیکی عمل می کنند. یکی شبکه های عصبی شبکه ای از نورون های مصنوعی هستند که سیگنال هایی را به یکدیگر ارسال می کنند. این شبکه ها درست مانند مغز عمل می کنند ، از طریق دیدن یاد می گیرند ، بدون نیاز به برنامه ریزی خاص. در نظر بگیرید که چگونه کودک سگ را برای اولین بار تشخیص می دهد - شما به او سگ نشان می دهید ، کلمه "سگ" را می گویید ، این کار را چندین بار انجام می دهید ، و اکنون مغز نوزاد یاد گرفته است که الگوی بینایی سگ و اصطلاحی که برای آن استفاده می شود یک ماشین دقیقاً به همان شیوه یاد می گیرد.

جالب است که هوش بشر ، درست مانند هوش مصنوعی ، باید توسعه یابد. در سالهای اولیه رشد مغز (معمولاً از لقاح تا 4 تا 5 سالگی) ، سیناپسهایی ایجاد می شوند که نورونها را به هم متصل می کنند. از نظر علم داده ، این مرحله تا حدودی شبیه "آموزش مدل" است - هرچه کودک بیشتر در معرض چیزهای بیشتری قرار گیرد ، سیناپس های مرتبط با آن بیشتر ساخته می شود. یک مثال خوب زبان است - هرچه کودک در سالهای اولیه بیشتر در معرض زبان شناسی قرار گیرد ، ناحیه مغز او تکامل یافته تر است.در ارتباط با زبانها است در مورد سایر توانایی های شناختی و غیرشناختی.

این برای من وحیانی بود و نگاه من به دوران کودکی را تغییر داد. نتیجه نهایی برای من این بود که ، هرچه بیشتر در روزهای اولیه فرزند خود را در معرض چیزهای مختلف قرار دهید ، سیناپس های او قوی تر و بهتر آموزش داده می شود. به عبارت دیگر ، هوش انسان را می توان درست مانند نمونه مصنوعی آن شکل داد. این درک همچنین در اصل بحث طبیعت در مقابل پرورش است که ما اغلب در مورد آن می شنویم.

درک ما از معماری مغز انسان و عملکرد آن هنوز در حال توسعه است و جنبه های متعددی وجود دارد که ما هنوز به آنها توجه نکرده ایم. شروع به خاراندن سطح اطراف کنید برای من ، همه چیز به یک پرسش واحد برمی گردد: آیا همه عملکردهای مغز محاسباتی هستند ، یعنی آیا می توان همه آنها را به معادله "ورودی-پردازش-خروجی" خلاصه کرد که از نظر تئوری می تواند در دنیای فیزیکی ، هر چند پیچیده باشد ، تکرار شود. پردازش 'جنبه آن یا بخشهایی از نقشهای مغز انسان (مانند هوشیاری ، اراده آزاد ، طبقه بندی حافظه و غیره) وجود دارد که فقط قابل برنامه ریزی نیستند؟

هیئت منصفه در این باره تصمیم گیری می کند و محدودیت های هوش مصنوعی بستگی دارد تا حد زیادی در پاسخ به این سال.

چرا من دیگر Ethereum را به عنوان "رایانه جهانی" توضیح نمی دهم

چرا من دیگر Ethereum را به عنوان "رایانه جهانی" توضیح نمی دهم

نکات مورد بحث در ارائه من - "آشنایی با DAOs"

برخی از نکات مکالمه خود را یادداشت کرده ام سخنرانی در جلسه اتریوم ورشو در 28.04.2016 ارائه شد. برای TL ؛ DR می توانید اسلایدها را مرور کنید: https://speakerdeck.com/maciejolpinski/introduction-to-daos-ethereum-meetup-warsaw

افراد برای همکاری انتزاعی ایجاد می کنند.

شما نمی دانید چه کسی لباس های شما را ساخته است. شما نمی دانید دستگاهی که در حال مطالعه آن هستید توسط چه کسی ساخته شده است. اکثر اشیاء فیزیکی و مجازی که ما روزانه با آنها در ارتباط هستیم توسط یک نفر ایجاد نشده است. به اطراف خود نگاه کنید و متوجه شوید آنچه می بینید نتیجه تلاش اقتصادی هماهنگ تعداد زیادی از مردم است.

چگونه می توانیم تعداد زیادی از افراد را برای کار در جهت یک هدف هماهنگ کنیم؟ انسانها انتزاعی را ابداع می کنند که به آنها امکان همکاری می دهد. پول ، شرکتهای سهامی و حتی دولتهای ملی اختراعاتی هستند که مردم از آنها برای هماهنگی تلاشهای خود استفاده می کنند.

این انتزاعات که واقعاً خارج از ذهن بشر وجود ندارد ، به مردم اجازه می دهد تا اهداف اقتصادی خود را با یکدیگر همسو کنند. سازماندهی تلاش برای تولید همه چیزهایی که در اطراف خود می بینید.

تجمیع منابع و توزیع ریسک/پاداش.

اختراعاتی مانند شرکت سهامی مکانیزم های همراستایی اقتصادی ایجاد کردند که به چندین فرد اجازه می داد خطرات و پاداشها در مشاغل مولد.

مدل شرکت سهامی به شرکتهای جهانی تبدیل شد ، اما بین سهامداران ، کارکنان و مشتریان منافع فزاینده ای وجود دارد.

عصر دیجیتال نیاز به چکیده های جدید دارد

ایجاد مشاغل مولد جدید در دنیای دیجیتال یک فعالیت با ریسک بالا/پاداش بالا (استارتاپ ها) است. به احتمال زیاد شما شکست خواهید خورد اما اگر برنده شوید - شما برنده بزرگی هستید.

اکثر استارتاپ های امروزه پلتفرم هایی هستند که بر ایجاد ارزش غیر متمرکز توسط کاربران خود تکیه می کنند. کار غیر متمرکز است (با نوشتن این کلمات در Medium ، من برای سهامداران Medium ارزش ایجاد می کنم) اما پاداش ها متمرکز است - بیشتر در دره سیلیکون ، زیرا در اینجا بودجه اکثر سیستم عامل ها تأمین و گنجانده شده است.

مدل صنعتی مازاد اقتصادی را از طریق مشاغل و حقوق توزیع می کند. مدل عصر دیجیتال مازاد اقتصادی را عمدتاً از طریق حقوق صاحبان سهام در سیستم عامل ها توزیع می کند.

اما در حالی که همه افراد دارای تلفن هوشمند می توانند در تبادل اطلاعات در سیستم عامل ها شرکت کنند ، تعداد کمی از افراد منتخب می توانند در حقوق صاحبان سهام شرکت کنند.

بیت کوین - سازمانی که بر اساس مشوق های نرم افزاری ساخته شده است

بیایید لحظه ای بیت کوین را به عنوان یک دارایی فراموش کنیم و بر بیت کوین "سازمان" تمرکز کنیم.

بیت کوین ثابت کرد که می توان انگیزه ها را تعبیه کرد در نرم افزار به گونه ای که بدون ایجاد اشخاص حقوقی ، امضای موافقت نامه ها ، قراردادهای کاری و غیره به همان سطح هماهنگی و کارآمدی دست یافت.

در مدل صنعتی نقش آنها مانند کارفرما ، کارمند ، سهامدار ، مدیرعامل و غیره ثابت شد و مشارکت های مورد انتظار به وضوح مشخص شده است. در مدل بیت کوین ، این نقش ها روان هستند. کاربران فقط بسته به مشوق های ارائه شده و منابع یکبار مصرف (دانش ، سرمایه ، اشتیاق برای ریسک و غیره) به "سازمان بیت کوین" ارزش می دهند.

از نظر عملکردی ، مردم فقط کارهای بیت کوین را "انجام می دهند" مانند کارفرمای خود شبکه کنند. آنها زیرساخت های فناوری اطلاعات را ارائه می دهند ، کد می نویسند ، بازاریابی می کنند و غیره. آنها در جهان فیزیکی اقداماتی انجام می دهند زیرا انگیزه های بیت کوین این کار را سودآور می کند.

بیت کوین ثابت کرد که هماهنگی اقتصادی در مقیاس جهانی که قبلاً بسیار پرهزینه بود در حال حاضر با نرم افزار خالص امکان پذیر است.این پیشرفت واقعی بیت کوین است. این واقعیت که اولین محصول "سازمان بیت کوین" یک دارایی شبیه پول است مهم است اما در اینجا ثانویه است. جهان از همان الگویی که بیت کوین پیشگام آن بود ، استفاده می کند.

اتریوم برای DAOs همان چیزی است که Blogger برای انتشار آنلاین بود

بیت کوین نیاز به دانش تخصصی برای آزمایش سایر مدل های تشویقی داشت و مدل امنیتی آن محدوده آزمایش بر روی محصولات مشابه ارز.

اتریوم ایده بیت کوین را به سطح بعدی می برد. این پلت فرم زیرین را خلاصه می کند تا بتوانید بر ایجاد سایر ساختارهای تشویقی تمرکز کنید. به عبارت دیگر ، می توانید مکانیسم های هماهنگی را برای گروه های دیگر از افراد ایجاد کنید ، که می توانند ریسک ها و پاداش ها را به شیوه های جدیدتر از طرح معمولی ارزهای رمزنگاری شده تقسیم کنند.

Blogger به نویسندگان اجازه داد تا بر مهمترین مطالب تمرکز کنند ، و HTML ، سرورهای وب و زیرساخت های فناوری اطلاعات را فراموش کنید.

اتریوم همین کار را برای DAO ها انجام می دهد. DAO ها سازمانی نیستند که ما معمولاً آنها را تصور می کنیم (چیزهای خود را در دنیای فیزیکی داشته باشید ، کارمند داشته باشید و غیره). DAO ها مکانیزم های هماهنگ اقتصادی محض هستند. با توزیع خطرات و پاداش ها ، DAO ها می توانند افرادی را که هرگز یکدیگر را ملاقات نکرده اند به منابع مشترک کمک کنند.

ما می توانیم بگوییم که DAO ها به نتایج مشابهی با سازمان های سنتی دست می یابند (ایجاد ارزش با ترکیب مهارت ها و دارایی های شرکت کنندگان) اما با استفاده از وسایل تا حدودی متفاوت. (استعداد ، دانش ، سرمایه و غیره) محصول این مبادله چیست؟ موفق هستید؟ موفقیت در مدل شما به چه معناست؟

اتریوم به عنوان "رایانه جهانی" استعاره بدی است.

در حالی که از نظر فنی دقیق است ، ارتباطات ذهنی اشتباه ایجاد می کند برای بیشتر مردم. (خارج از گروه باریک خودی) این امر باعث می شود مردم در مورد "محاسبه" به عنوان برنامه اتریوم فکر کنند.

اما محاسبه در اتریوم کند و گران است. برای محاسبه ، جایگزینهای بهتر ، ارزانتر و سریعتری وجود دارد که نیازی به بلاک چین و همه اینها ندارند.

ارزش پیشنهادی اتریوم در محاسبه نیست.

اتریوم می تواند اشکال مختلف اقتصادی ایجاد کند هماهنگی ، هدف مشترک و هماهنگی بین هزاران نفر از افراد ناشناس ، با کسری از هزینه در مقایسه با جایگزین ها (چارچوب های قانونی). در حال حاضر هیچ جایگزینی برای آن وجود ندارد.

بگذارید یک مثال برای شما بیاورم.

شما می توانید این پست را بخوانید و اگر با من موافق هستید ، می توانیم دیدگاه مشترکی در مورد جهان داشته باشیم. اما ما اهداف اقتصادی مشترکی نداریم.

به احتمال زیاد ، ما در کشورهای مختلف زندگی می کنیم ، با ارزهای مختلف حقوق می گیریم ، برای کارفرمایان مختلف کار می کنیم. هیچ هدف اقتصادی مشترکی در اینجا وجود ندارد.

اما اگر ما همان رمز DAO (BTC ، ETH یا سایر موارد) را خریداری کنیم ، ناگهان هر دوی ما به موفقیت آن DAO علاقه مند می شویم. ما مجبور نیستیم یکدیگر را بشناسیم ، به یک زبان صحبت کنیم اما از نظر اقتصادی متناسب با سهم خود در DAO هستیم. ما شروع به خواندن همان وب سایت ها می کنیم ، به همان انجمن های reddit ملحق می شویم ، داستانهای مشابهی را در مورد اینکه DAO عالی است به دوستانمان می گوییم.

از شبکه های اجتماعی (وب 2.0) تا شبکه های تشویقی (وب 3.0).

نشانه های رمزنگاری نمایانگر پروفایل های مختلف خطر/پاداش هستندو دارندگان آنها شبکه های مختلف تشویقی ایجاد می کنند.

وب 1.0 - شبکه های اسناد ایستا - وب صفحات ایستا که از طریق لینک ها به هم متصل می شوند.

وب 2.0 - شبکه های اجتماعی - وب افراد متصل از طریق پیوندهای اجتماعی (دوست دارد ، دنبال می شود).

وب 3.0- شبکه های تشویقی- وب افرادی که از طریق پیوندهای اقتصادی (نشانه ها) به هم متصل شده اند.

هر الگوی بعدی بر رفتار مدل قبلی تأثیر می گذارد. وب 2.0 بر ظاهر وب 1.0 تأثیر داشت - شبکه های اجتماعی بر نحوه طراحی وب سایت ها تأثیر گذاشت.

وب 3.0 در حال حاضر وب 2.0 را تحت تأثیر قرار داده است - فقط به آنچه در reddit در حباب های رمزنگاری ، تصادفات ، مسدود کردن بحث ها و غیره اتفاق می افتد نگاه کنید. هنگامی که بحث های پیشنهادی DAO آغاز می شود ، میزان نویز تشدید می شود. برای رفع این مشکل ، باید بتوانیم انگیزه هایی را در پس رفتارها مشاهده کنیم.

چگونه یک رابط مغز و رایانه بسازیم-و چرا باید ذهن خود را به هم وصل کنیم

چگونه یک رابط مغز و رایانه بسازیم-و چرا باید ذهن خود را به هم وصل کنیم

راه هایی برای تبدیل توری عصبی به واقعیت

ارتباطات به پیشرفت بشریت در وضعیت کنونی کمک کرد ، از تکامل توانایی صحبت کردن و درک حرکات ، تا ساخت ابزارها - مانند ابزارهای نوشتاری ، ماشین چاپ ، رادیو ، کامپیوتر و اینترنت. در حال حاضر ، در حال حاضر ، اکثر تولیدات تکنولوژیکی و خلاق بشریت نیاز به ضربه زدن ماهرانه به انگشتان خود بر روی صفحه کلید دارد - و این جایی است که همه چیز در حال تغییر است.

"توری عصبی" را وارد کنید ، یک داستان تخیلی دستگاهی از رمان های فرهنگ Iain M. Banks ، که می تواند با مغز انسان ها ارتباط برقرار کرده و به آنها اجازه برقراری ارتباط ، ذخیره و بازیابی اطلاعات ، رابط کاربری با ماشین ها و تنظیم عملکردهای بیولوژیکی آنها را بدهد. به همین ترتیب ، نویسنده رمز نعام یک داروی نانو با اتصال بی سیم به نام Nexus را توصیف می کند که امکان برقراری ارتباط ذهن ، ذهن و همکاری و افزایش هوش و توانایی های بشریت را فراهم می کند.

منبع تصویر: گرگ دان

چرا در این مورد می نویسم؟ امروزه برخی از شرکتهای باورنکردنی به طور جدی روی ایجاد این فناوری کار می کنند ، از جمله Kernel ، Neuralink و گروههای تحقیقاتی متعددی که من به آنها اشاره می کنم. این می تواند مهمترین جهش تکنولوژیکی باشد که بشریت در سالهای آینده انجام خواهد داد ، و عظمت چالش های مهندسی و پیامدهای اجتماعی چنین فناوری می تواند بسیار دلهره آور باشد ، اما همانطور که خواهید دید ، می تواند به همان اندازه نیز الهام بخش باشد.

در این مقاله من "توری عصبی" را از حوزه علمی تخیلی بیرون می آورم و توضیح می دهم که چگونه می توانیم یک رابط مغزی ایجاد کنیم ، از اصول درجه اول ، تا محدودیت های فنی و آنچه با فیزیک امروزی ، پیشرفت های فعلی در مورد نحوه استخراج داده های معنایی از افکار خود امکان پذیر است. و سرانجام اینکه چرا اتصال مغز ما با این فناوری می تواند برعکس ما را بیشتر از همیشه انسان سازد.

بیایید مستقیماً وارد فناوری شویم ... (برای اینکه مستقیماً به دلیل آن بپردازیم ، به نیمه دوم این مقاله بروید) < /p>

شروع از سلول عصبی

در ابتدا ، ما باید بتوانیم داده ها را مستقیماً از قسمتی از مغز خود ارسال یا دریافت کنیم ، و برای انجام این کار ، باید هر دو را حس کنیم و باعث شلیک نورون های فردی می شود. با این محدودیت ها ، من تکنیک هایی مانند EEG را که تنها می تواند سیگنال کلی حاصل از شلیک میلیاردها سلول عصبی را اندازه گیری کند ، و fMRI یا fNIRS ، که فعالیت عصبی را به طور غیر مستقیم از طریق جریان خون اندازه گیری می کند ، کنار می گذارم و بنابراین خوانده می شود. -تنها ، و وضوح مکانی و زمانی نسبتاً پایینی دارد.

نورونها دارای کارآیی کوانتومی و ترمودینامیکی تقریباً کاملی هستند ، که از نظر تکاملی برای پستانداران مانند ما با جرم مغز به بدن بالا بسیار عالی است. نسبت ، اما همچنین به این معنی است که آنها دارای سطح سیگنال بسیار ضعیفی هستند. یکی از راه های مطمئن برای تشخیص شلیک نورون ، تماس مستقیم و اندازه گیری پتانسیل عمل یا جریان یونی در غشای سلولی است. ابزاری که می توانیم برای این کار استفاده کنیم ، گیره وصله نام دارد که از مکش برای اتصال فیزیکی به یک نورون استفاده می کند و غالباً عمدا غشای سلولی را در این فرآیند می شکند. زیرا اینها برای آنها مناسب نیستآرایه های بزرگ ، عدم تهاجم و ماندگاری مورد نیاز برای رابط کامپیوتر مغزی ، ما می توانیم آنها را فعلا رد کرده و ادامه دهیم.

گیره وصله متصل به نورون (منبع)

یک جایگزین استفاده از الکترود است که به اندازه کافی نزدیک یک نورون قرار گرفته است. در حالی که این الکترودها می توانند شلیک چندین نورون مجاور را افزایش دهند ، منابع این سیگنال ها را می توان به راحتی جدا کرد ، به ویژه اگر الکترودها در یک آرایه ثابت قرار گیرند. اما خروج سیگنال از چنین الکترودهایی از مغز یک چالش است - و یکی از این راهها سیم کشی است. بانک ها ، می توانیم از سیم کشی فوق العاده ای الهام بگیریم ، هنگامی که یکی از شخصیت ها شخصاً با یک توری عصبی برخورد می کند:

"این یک بسته کوچک از آنچه نازک به نظر می رسید بود نخ آبی ، در یک کاسه کم عمق قرار گرفته است. یک تور ، مانند چیزی که در انتهای چوب قرار داده اید و برای ماهیگیری در رودخانه ماهیگیری می کنید. سعی کرد آن را بردارد ؛ آن را به طرز غیرقابل قبولی slinky و مواد از طریق انگشتان او مانند روغن؛ حفره های شبکه بسیار کوچک بودند تا بتوان یک نوک انگشت را از بین برد. سرانجام او مجبور شد کاسه را بالا بکشد و مش آبی را در کف دست خود بریزد. محدودیت ها.

یک آرایه چند الکترود یوتا (منبع)

این آرایه ها معمولاً خوشه هایی هستند که در شبکه های محکم با هم الکترود شده اند در نکات یا نقاط تماس متعدد در هر سنبله. آرایه های معمولی ، مانند یوتا ، تا 100 امتیاز دارند ، بنابراین سیم کشی در اینجا پیچیده است - اما عامل محدود کننده نیست. با یک آرایه سفت و سخت ، محدودیت بیشتر تعداد الکترودهایی است که می توانند در یک ساختار به اندازه کافی کوچک ساخته شوند و بتوانند بدون ایجاد آسیب ، زخم یا التهاب در مغز قرار بگیرند.

کاوشگرهای فیلم نازک می توانند انعطاف پذیری و تولید آن آسان تر است ، اما محدود بودن به صفحه دو بعدی تعداد الکترودها و آثار را به میزان قابل توجهی محدود می کند و با تا زدن یا لایه بندی ، مزایای انعطاف پذیری را به سرعت از دست می دهد.

نوع دیگری از آرایه الکترود "توزیع شده" و با محدودیت کمتر ، مش مشکی تزریقی است. این ساختار باز و انعطاف پذیر شبیه به بافت مغز دارد - به نورون ها اجازه می دهد از طریق ساختار نفوذ کرده و خطر التهاب یا زخم کمتری داشته باشند. Neuralink ، روشی را برای دستیابی به این معامله با استفاده از یک دستگاه وارد کننده سفت اما دستگاه کاشته انعطاف پذیر توصیف می کند]

مش الکترونیکی تزریقی با سرنگ (منبع)

در حالی که اینها نشانه های امیدوار کننده ای از پیشرفت به نظر می رسند ، مشکلات درج این آرایه های سیمی به طور ایمن و دائمی با تعداد نقاط افزایش می یابد ما در حال تلاش برای رابط و سیمهای اتصال مورد نیاز هستیم ، و تصور اینکه چگونه می توانیم تقریباً 100 میلیون ارتباطی را که چشم انسان دارد ، تطبیق دهیم دشوار است.مبهم به نظر می رسد ، مقداری نور در انتهای تونل وجود دارد. مغز در حال حاضر یک مسیر فیزیکی تقریباً کامل دارد که دسترسی به تقریباً هر سلول عصبی را امکان پذیر می کند. این شبکه از مسیرها همزمان با تکامل مغز تکامل پیدا کرد تا اطمینان حاصل شود که هر سلول عصبی دارای اکسیژن ، مواد مغذی و حذف زباله است-شبکه قلبی عروقی.

این در حال حاضر مسیری است که ما برای ارسال از آن استفاده می کنیم. داروها و داروها به عنوان دستورالعمل های یک طرفه برای تغییر عملکرد مغز ما هستند. علیرغم همه پیشرفت ها در زمینه مواد مخدر ، برای ارتباطات مغزی ، این یک رویکرد ذاتاً محدود است که می توان آن را با ریختن بدون تبعیض اعلامیه های تبلیغاتی مقایسه کرد که سالها طول می کشد تا از طریق ماشین چاپ ، جایی که ما در عوض ، امید به دستیابی پیام های فوری است.

استفاده از این شبکه قلبی عروقی برای سیم کشی دسترسی به سلول های عصبی ممکن است چندان غیرقابل تصور نباشد. قطر بهترین مویرگها تقریباً 10 میکرومتر است ، در حالی که نانولوله های کربنی ، یک ساختار فوق العاده قوی که می تواند سیگنال هایی را از نورون های مجاور منتقل کند ، می تواند تقریباً 10 هزار برابر باریک تر باشد ، به این معنی که تا زمانی که اینها جریان خون را مسدود نکنند ، می توان فضای زیادی را در اختیار داشت. وجود این ساختارها در مویرگهای ما ما می توانیم یک شبکه خودساز و خوددرمان را با گره هایی در داخل عروق بزرگتر که توانایی تجمع ، تقویت یا دیجیتالی شدن سیگنال ها را دارند ، و با قابلیت رشد و یا شکستن بی خطر ساختارهای انعطاف پذیر شاخه های نانولوله را با استفاده از هیچ چیز غیر قابل ملاحظه تصور کنیم. مقدار کمی کربن و انرژی از جریان خون. و از همه مهمتر ، آنها باید از عملکرد سالم سیستم قلبی عروقی اطمینان حاصل کنند یا حتی آن را در وضعیتی سالم تر از حضور این شبکه ها حفظ کنند.

این تلاش مستلزم تسلط بی سابقه ای بر فناوری نانو و زیست شناسی مصنوعی و شامل برخی از پیچیده ترین طرح های سیم کشی خود سازماندهی شده است که می توانیم تصور کنیم. اگرچه ممکن است روزی این امر امکان پذیر باشد ، اما ممکن است اقدامات واسطه ای تا آن زمان انجام شود.

شرکتی به نام Synchron در حال آزمایشات بالینی برای دستگاهی است که آنها توسعه داده اند و می تواند کمتر تهاجمی باشد. از طریق یک ورید از طریق کاتتر تحویل داده می شود و طوری طراحی شده است که خود را در یکی از رگ های خونی بزرگتر گسترش دهد ، جایی که می تواند نورون های مجاور را اندازه گیری کند.

استنترود از Synchron

رویکرد دیگری برای رابط های مغزی برای جلوگیری از پیچیدگی یا تهاجمی بودن سیم کشی می تواند استفاده از نوعی مبدل باشد که می تواند به راحتی در مجاورت یک نورون قرار می گیرد ، که می تواند سیگنال ضعیف نورون را به محیط دیگری تبدیل کند که به راحتی به دستگاهی خارج از مغز و از آن منتقل می شود. بیایید برخی از گزینه ها را سرگرم کنیم… مانند سری Nexus ارتباط برقرار کنید. ما در حال حاضر اطلاعات زیادی در مورد پروتکل های آدرس دهی به میلیاردها گره ، شبکه مش و تکنیک های به اشتراک گذاری طیف EM داریم. و معلوم می شود که جالب ترین سلول های عصبی که برای فرایندهای فکری سطح بالاتر با آنها ارتباط برقرار می کند ، احتمالاً در لایه های بیرونی مغز خواهد بود ،نزدیکتر به سطح ، که امیدوارم به سیگنال کمک کند.

اما حتی اگر بتوانیم تمام این قابلیت را در چنین بسته بندی کوچکی فشرده کنیم ، به سرعت با محدودیتهایی که می توان با فیزیک به دست آورد ، برخورد می کنیم ، یعنی

قدرت سیگنال بی سیم با فاصله به شدت کاهش می یابد ، به ویژه در بدن انسان که بیشتر از آب تشکیل شده است اندازه و کارایی آنتن توسط طول موج EM تعیین می شود ، محدودیت سختی در اندازه این تراشه ها

برای به دست آوردن قدرت ، اندازه و پهنای باند مطلوب سیگنال ، ما باید قدرت و/یا فرکانس را به میزان قابل توجهی افزایش دهیم - هر دو منجر به مقدار بیشتری انرژی می شود ، و از بین رفت.

اینجاست که همه چیز به سرعت مشکل ساز می شود. مغز در مقایسه با سیستم های محاسباتی فعلی ما با بازده حرارتی بی سابقه ای عمل می کند ، بنابراین ارائه و دفع ایمن این انرژی از تمام این گره ها در حال حاضر از دستیابی به این رویکرد جلوگیری می کند.

یک رویکرد سالم

< p> یک رویکرد بی سیم دیگر برای برقراری ارتباط با نورونهای ما بدون برخی از مشکلات تشعشع EM ، استفاده از صدا است - یا به طور خاص ، سونوگرافی هدفمند ، که دو مزیت اصلی آن است:

امواج صوتی می توانند به راحتی از طریق بافت بدن نسبت به تابش الکترومغناطیسی ، بنابراین سیگنال کمتری کاهش می یابد از آنجا که سرعت صدا بسیار کمتر از نور است ، طول موج بسیار کوچکتر است و بنابراین دستگاه ها ممکن است "آنتن" کوچکتری داشته باشند. محدودیت های اندازه نظری کمتر

این مفهوم پشت گرد و غبار عصبی است ، یک پروژه هیجان انگیز خارج از دانشگاه برکلی ، که شامل دستگاه ها یا موت هایی است که حدود یک چهارم اندازه یک دانه برنج را شامل می شود. این موت ها حاوی یک کریستال پیزو برای تبدیل این حرکات کوچک در اثر امواج اولتراسوند به ولتاژ الکتریکی و یک ترانزیستور برای حس کردن یا تحریک یک نورون متصل است.

می توان پراکندگی اولتراسوند را از یکی از هزاران موت در یک منطقه معین با استفاده از تشکیل پرتو اندازه گیری کرد تا امواج اولتراسوند را به نوبت به هر مکان دقیق متمرکز کند. از معایب صدا این است که از نظر میزان نور بسیار کندتر است ، زمان رفت و برگشتی که برای رسیدن صدا به نقطه و بازگشت به طول می انجامد زمانی اهمیت پیدا می کند که از طریق شمارش چند گره به صورت جداگانه و انتظار برای پاسخ ، تعداد موارد قابل خواندن را محدود کرده است. به خوشبختانه ، مانند بسیاری از مشکلات ، با ریاضی می توان از این طریق با استفاده از تکنیکی به نام تجزیه چند قسمتی ، سیگنال ها را جدا کرد و به چندین (حدود 1000) گره امکان رسیدگی همزمان را داد.

این گرد و غبار عصبی بسیار کوچک هستند ، اما هنوز از نظر مقیاس نورونها قابل توجه هستند. گفته می شود که تیم در حال کار بر روی آنها به اندازه 50 میکرون مکعب است که کاهش چشمگیری خواهد داشت ، اما هنوز بسیار بزرگ است که به طور ایمن از طریق رگ های خونی به مغز منتقل نشود ، و بنابراین احتمالاً هنوز نیاز به جراحی برای قرارگیری دقیق در بدن است.

روش دیگری برای ایجاد اصطلاحاً "مبدل ها" بر روی نورون ها وجود دارد که می تواند کمتر تهاجمی باشد ...

روشن کردن راه

ممکن است نور حتی بهتر باشد به عنوان یک رسانه انتقال بی سیم از طریق مغز و جمجمه. در حالی که هنوز تابش الکترومغناطیسی است ، وجود دارد"پنجره نوری" مناسب از طول موج که بافت بدن تا حد زیادی شفاف است ، در مرز نور مرئی و نامرئی ، محدوده مادون قرمز نزدیک (NIR) نامیده می شود. این پنجره در بین نوارهای جذب هموگلوبین و آب قرار دارد ، همانطور که در نمودار زیر نشان داده شده است.

بنابراین بیایید این ایده را سرگرم کنیم: اگر می توانستیم ماشین های نانو را برای هر یک از سلول های عصبی ارسال کنیم ، چه چیزی می تواند با دریافت این نور ، فعالیت عصبی را تحریک کند و همچنین فعالیت عصبی را به نور قابل تشخیص تبدیل کند. ؟ یا بهتر است بگوییم که این کار را با ارسال دستورالعمل مونتاژ برای این ماشینهای نانو به صورت غیرتهاجمی انجام دهید و آیا نورونهای ما این واحدها را مستقیماً روی خودشان ایجاد می کنند؟

این به نام اپتوژنتیک نامیده می شود و به لطف نور کار می کند. پروتئین های حساس به نام اوپسین دستورالعمل های ایجاد این پروتئین ها را می توان با استفاده از ژن درمانی در انواع نورون های مغز قرار داد و کانال های یونی حساس به نور ایجاد کرد. و بنابراین می توان به جای عمل جراحی ، این "مبدل نور" را از طریق دستورات ژنتیکی که در ویروس اصلاح شده حمل می شود وارد مغز کرد. نه تنها به بافت ها عمیق تر نفوذ می کند ، بلکه به راحتی متمرکز می شود. بنابراین دو رویکرد برای اینکه بتوانید به طور دقیق به سلول های عصبی بپردازید ، با هدف قرار دادن ویژگی ژنتیکی انواع سلول ها و انتخاب نورون هایی که به چه نوری حساس می شوند ، و دوم با تمرکز دقیق نور ، با استفاده از تکنیک های هولوگرافی دیجیتال.

یک نمونه هولوگرام با 50 هدف نورونی ، برای استفاده در اپتوژنتیک (منبع) < /img>

این رشته فوق العاده هیجان انگیز و امیدوار کننده است ، اما به ژن درمانی نیاز دارد. در حالی که ما اینجا هستیم و از سونوگرافی و هولوگرافی صحبت می کنیم ، روش دیگری برای BCI وجود دارد که این رویکردها را ترکیب می کند و ممکن است به زودی سال آینده برای نمایش آماده شود.

ترکیب نور و صدا برای fMRI بهتر < /h4>

شرکتی به نام OpenWater در حال کار بر روی سونوگرافی هدفمند و هولوگرافی دیجیتالی به روشی منحصر به فرد برای اندازه گیری اساساً فعالیت عصبی با تشخیص تغییرات جریان خون در مغز با وضوح بالاتری بالاتر از fMRI موجود است ، اما با یک دستگاه تهاجمی و پوشیدنی.

موفقیت اصلی در استفاده از هولوگرافی معکوس برای بازسازی نور از یک منبع نقطه ای و سپس معکوس پراکندگی است که با پرتاب نور از ذرات در راه خود در مغز و جمجمه انسان رخ می دهد. به به طور معمول این نور پراکنده فقط مانند نویز تلقی می شود و بنابراین سیگنال با عمق به صورت تصاعدی کاهش می یابد ، زیرا بافت اندازه ای بیش از جذب خود پراکنده می کند. از آنجا که پراکندگی یک فرایند قطعی است ، از طریق تکنیکی به نام ترکیب فاز نوری (که در اینجا نیز روی آن کار می شود) برگشت پذیر است. به لطف پیشرفت های بی وقفه در تولید صفحه نمایش و دوربین ، آوردن این سطح از دستکاری نور در دستگاه های مقرون به صرفه و پوشیدنی ، و پیشرفت هایی که در مبدل های مافوق صوت با دستگاه میکرو ماشین انجام می شود ، بسیار ساده تر است.

در این رویکرد ، نور به مغز ارسال می شود و سونوگرافی روی نقطه مورد نظر متمرکز می شود و باعث می شود نور برگشتی از این نقطه به طول موج کمی کوتاهتر تغییر رنگ دهد. با ارائه یک پرتو مرجع با همان طول موج کوتاه تر ، aالگوی هولوگرام را می توان از نوری که از این نقطه می آید ، ساخت. با CMOS چند لایه ای که امکان پردازش سریع داده ها را فراهم می آورد ، می توان خط موج نور را از روی الگوی هولوگرام بازسازی کرد. (نظم در اینجا برعکس شده است - چون صدا کندتر حرکت می کند ، اولتراسوند باید ابتدا ارسال شود تا همزمان با نبض نور به مقصد برسد)

تصویر عملکرد دستگاه OpenWater که نور منعکس شده رنگی را به رنگ نارنجی نشان می دهد و مفهوم کیت توسعه برای انتشار در سال آینده (منبع)

قبلاً روش های fMRI یا fNIRS را به دلیل این واقعیت که آنها فقط می توانند اندازه گیری غیر مستقیم پاسخ همودینامیکی فعالیت نورون ها را انجام دهند. اما اگر یا زمانی که این فناوری بتواند به قطعنامه های نظریه پردازی شده دست پیدا کند ، می تواند توانایی استخراج بینش های بسیار دقیق از فعالیت مغز را باز کند. (بنیانگذار ، مری لو جپسن ، معمولاً به برخی از کارهای انجام شده برای ترسیم فعالیتهای fMRI به آنچه که افراد مشاهده می کنند ، اشاره می کند ، تا الهام بخشیدن به امکانات تخیل شده از آنچه می توان با وضوح دقیق تر "fMRI های پوشیدنی" انجام داد) و تا آنجا که به نوشتن دسترسی دارد مغز ، مری لو اشاره می کند که سونوگرافی متمرکز بر قدرت بالا که برای تغییر طول موج نور استفاده می شود ، می تواند برای فعال کردن مناطق دقیق مغز نیز مورد استفاده قرار گیرد. توسعه رابط های مغز و رایانه ، مزایایی که آنها می توانند از طریق تشخیص ارزان تر و زودتر تومورها ، لخته شدن ، و همچنین بینش بیشتر در مورد بیماری ها ، اختلالات و عملکرد بدن ما ، حتی ستودنی تر و هیجان انگیزتر باشد. -الهام بخش.

پس از این ، ممکن است به زودی بتوان فعالیت عصبی را مستقیماً با استفاده از نور خواند/نوشت و از شر محدودیت وضوح زمانی پایین خلاص شد. این چیزی است که بنابر گزارشها ساختمان 8 فیس بوک برای ایجاد "رابط گفتار خاموش" روی آن کار می کرد.

اکنون که ایده ای از نحوه برخورد با نورون های فردی داریم ، باید بفهمیم چگونه ما با ذهن و از آن ارتباط برقرار می کنیم. خوشبختانه مغز ما نسبت به نحوه استفاده از ورودی و خروجی بسیار خوب است و از بدو تولد این کار را برای کمک به تعامل با جهان پیرامون انجام می دهد.

چگونه می توان به ذهن متصل شد؟ < /h1>

کشف پلاستیسیته عصبی باورنکردنی مغز منجر به پیشرفت هایی در استفاده از این قابلیت پیکربندی مجدد برای افزودن ورودی ها یا حواس جدید ، مانند استفاده از سطح زبان برای ارسال سیگنال های نوری به مغز ، یا جلیقه پوشیدنی که گفتار را تبدیل می کند ، شده است. به ارتعاشات و توانایی کنترل خروجی ها مانند مکان نما کامپیوتر یا اندام مصنوعی. در اینجا وعده این است که با این اتصالات فیزیکی جدید به مغز ما ، می توانیم یاد بگیریم که چگونه مستقیماً با رایانه یا جریان داده ارتباط برقرار کرده و ارتباط برقرار کنیم ، گویی گسترش بدن یا حس دیگری است.

در صورت امکان نیک بوستروم در مورد راههای ظهور "فوق هوش" نکاتی را در مورد نقش رابط های مغز و رایانه بیان می کند. او استدلال می کند که برای بهبود پهنای باند اطلاعات ، ما باید نه تنها ورودی پهنای باند بالا را وصل کنیم ، بلکه باید آن را ارتقا دهیم.مغز ، زیرا محدودیت فعلی ما سرعت ورودی نیست ، بلکه این است که چقدر سریع مغز می تواند داده ها را درک کند. نمونه ای که او استفاده می کند چشم انسان است که در حال حاضر 10 میلیون بیت در ثانیه می گیرد و مخصوصاً برای تولید این داده ها به منظور معنا دادن به این داده ها ، ظروف مرطوب را تکامل داده و بهینه کرده است. روش فعلی ما برای وارد کردن داده ها به ذهن ما از طریق نمایش داده ها بر روی شبکیه چشم به عنوان نمادهای بصری ، یا روی حلزون گوش به عنوان صداها است ، که به دلیل نحوه درک و تفسیر این داده ها از نمایندگی آن ، به برخی از پردازش های سنگین نیاز دارد. در دنیای واقعی.

به عنوان مثال ، پردازش و لایه های شبکه های عصبی مورد نیاز برای تبدیل سیگنال های رنگ خام به لبه ها ، بافت ها ، اشکال ، ویژگی ها و در نهایت به یک مفهوم انتزاعی مانند "بازیابی طلایی هیجان زده" ممکن است لازم نباشد اگر بتوانیم آن را دور بزنیم و فقط مفهوم انتزاعی را مستقیماً بیان کنیم. این مفهوم انتزاعی همچنین نیازی به انتزاع یا بی تصویری ندارد ، هنگام خروجی - با استفاده از یک فرایند مولد مانند GAN ، می توانیم "بازیگر طلایی هیجان زده" تصور شده خود را با جزئیات کامل و باشکوه برای دیگران ارائه دهیم ، به طور بالقوه ظرافتها را به اندازه کافی سریع به ارمغان می آورد. تلاش برای به تصویر کشیدن چنین تصویری مفصل ممکن است برای فرد متصور نامحسوس باشد. به این ترتیب ما می توانیم برخی از تولید و رمزگشایی ویژگی های سطح پایین را به سخت افزار خارجی منتقل کنیم و نیاز به پهنای باند داده خام را محدود کنیم.

هنگام در نظر گرفتن ارتباط مستقیم با یک توری عصبی ، باید در نظر بگیریم که مغز از فرمت های استاندارد ذخیره سازی و نمایش داده ها استفاده کنید ، بلکه هر یک از مغزهای ما نمایانگر متمایز خود از محتوای سطح بالاتر را توسعه می دهد. بنابراین ، برای ترسیم الگوهای شلیک نورون در یک مغز بر الگوهای شلیک معادل معنایی دیگر ، نیاز به تجزیه آنها به نمادها بر اساس برخی از قواعد مشترک است که به آنها اجازه می دهد تا به درستی تفسیر شوند - که عملکرد زبان است. این ممکن است به ما نیاز داشته باشد یا منجر به ایجاد نوعی جدید از زبان شود ، در حالی که از الزامات خودداری کنیم تا بتوانیم به راحتی آن را از طریق حنجره در امواج صوتی قابل تفسیر رمزگذاری کنیم.

چرا باید یک رابط مغزی ایجاد کنیم؟ < /h1>

اگر چند لایه اضافی از ماده قشری وجود نداشت ، بشریت در وضعیت فعلی قرار نمی گرفت. شرط بندی گران قیمتی که تکامل بر توسعه این ماده خاکستری اضافی گذاشت ، همه تفاوتهایی را ایجاد کرد که به ما اجازه می داد مشکلات بیشماری را حل کرده و به پتانسیل های جدید برسیم. اگر بخواهیم به جلو بگوییم ، ممکن است هیچ محدودیتی برای گسترش پتانسیل ذهن ما وجود نداشته باشد ، و اینکه بتوانیم با یکدیگر ارتباط برقرار کنیم و همکاری کنیم ، ممکن است به ما این امکان را بدهد. فضیلت چنین فناوری از طریق نقل قول یکی از قهرمانان به جهان عرضه می شود: نتیجه همکاری گروه های انسانی است. "

ما می توانیم تصور کنیم که چگونه این توانایی های شناختی اضافی می تواند به ما این امکان را بدهد که به طور مشترک طوفان فکری ، طراحی یا تدوین سطوح جدیدی از اختراع و بیان را انجام دهیم.یا اینکه چگونه آنها ما را قادر می سازند تا داده های مربوط به جهان پیرامون خود را تجسم ، تفسیر و احساس کنیم ، و درک های جدید ، انتزاعات سطح بالاتر و مدل های ذهنی را ایجاد کنیم و به اشتراک بگذاریم که پیش از این غیرممکن بود. ما همچنین می توانیم دنیایی را بدون نمایشگرها یا رابط های غیر ضروری تصور کنیم و در عوض فقط با درخواست اطلاعات در ذهن خود از دمای خانه ، وضعیت محصول ، قیمت سهام ، وضعیت پروژه یا موقعیت یک دوست عزیز آگاهی داشته باشیم. و این توانایی های شناختی می تواند ذهن انسان را در جریان نگه داشتن ما در جهت پیشرفت در ساختن هوش مصنوعی با انتزاعات فکری بالاتر قرار دهد و احتمال بیشتری برای همسویی و کنترل آینده ای که می سازیم را تضمین می کند.

فراتر از توانایی های شناختی اضافی ، ممکن است مانند تلاش برای توضیح رنگ برای یک فرد نابینا باشد. اما ما می توانیم با شبیه سازی مواردی که ما یا دیگران ، ورودی حسی گسترده یا احساس ارتباط با دیگران را تجربه کرده ایم ، احساس آن را احساس کنیم. تجربیاتی مانند ارتباط عاطفی با ذهن دیگر ، تماس فیزیکی با معشوق یا برعکس بیزاری از زندان انفرادی ، تنهایی یا سندرم محبوس. ما می توانیم به ارزشی که برای احساسات متنوعی که می توانیم تجربه کنیم ، توجه کنیم ، از عادی تا عمیق ، و برعکس ، رنجی را که کسانی تجربه می کنند که توانایی خود را از طریق آسیب یا فلج ، یا از نظر احساسی از طریق افسردگی از دست داده اند ، تجربه می کنند. یا با همدلی با شادی و سرگردانی شدید هنگامی که فردی که نابینا یا ناشنوا است می تواند برای اولین بار ببیند یا بشنود.

ما این احساسات را به عنوان اوج تجربیات بشری تشخیص می دهیم. اگر ارتباط و ارتقاء ذهن ما در پی افزایش و گسترش این تجربیات است ، ایجاد چنین فناوری می تواند به انسان بیشتر از همیشه کمک کند. و قبل از رسیدن به آن نقطه ، ما بدون شک راههای جدیدی را برای درمان بیماری ها ، طولانی شدن عمر ، و نحوه عملکرد پیچیده ترین ساختار جهان ، یعنی ذهن ما ، کشف خواهیم کرد. به همین دلیل است که من معتقدم کار روی این موضوع بسیار مهم است.

راه پیش رو

بشریت هرگز فقط با قوانین بازی نکرده است ، بلکه برای بازنویسی آنها تلاش کرده است تا آنچه را که هست تغییر دهد از نظر فیزیکی امکان پذیر است این امر به ویژه هنگام گسترش توانایی های شناختی ما با واسط های مغزی صادق است. همانطور که ما این فناوری را ایجاد می کنیم که زمینه بازی را به طور اساسی تغییر می دهد ، باید به طور جدی هوشیار باشیم که بهترین آینده را برای همه ایجاد می کنیم. این فضا را تماشا کنید.

اگر لذت بردید یا مفید بودید لطفاً در زیر کف بزنید یا به اشتراک بگذارید.

در صورت تمایل با سوالات ، نظرات یا انتقادات خود در j@justinalvey.com یا @با من تماس بگیرید. justLV در توییتر.

همچنین ، اگر از جنبه های فنی و فلسفی ایجاد محصولات سخت افزاری لذت می برید ، برخی از نوشته های دیگر من را مطالعه کنید

جمع بندی بد UX #12: به آن تعامل انسان و رایانه می گویند یک دلیل.

جمع بندی بد UX #12: به آن تعامل انسان و رایانه می گویند یک دلیل.

تجربه کاربر همه چیز درباره اتحاد انسان و ماشین است. اگر توجه کرده اید ، ممکن است متوجه شوید که ما کمتر وابسته به فناوری نیستیم. کاملاً برعکس. در نقطه ای ، خط بین فلز و گوشت بسیار مبهم می شود تا مفید واقع شود. س Theال این است ، آیا هیبرید حاصله شبیه ما خواهد بود؟

درست مانند ادغام شرکت ها که در آن همیشه یک شرکت غالب ظاهر می شود ، ادغام بین انسان و ماشین نیز برنده ای را در پی خواهد داشت. آیا گونه های ما تبدیل به ابرانسان های تقویت شده با سیلیکون می شوند ، یا ظرف هایی برای الگوریتم های بی روح تبدیل می شوند؟

اگر بخواهیم با ادغام با فناوری مان جلو برویم ، باید از آن فناوری جلو برویم. این فناوری باید به گونه ای طراحی شود که به ما خدمت کند و نه عکس آن. اگر اطلاعات دیجیتالی به روشی که ما درک می کنیم ارائه نشود ، مردم تسلیم پیچیدگی می شوند و به ماشین ها اجازه می دهند تا برای ما تصمیم بگیرند تا زمانی که ما مانند شخصیت های Wall-E به جز احمقانه عمل کنیم.

ما هیچ گاه در برابر ماشین ها شانس نخواهیم داشت افرادی که از آنها استفاده می کنند یا کاملاً نسبت به آن کاربران بی احترامی می کنند. در این قسمت ، من شش مثال از اشتباهات UX ناشی از امتناع از طراحی در مورد نقاط قوت و محدودیت های ذهن انسان ارائه می دهم.

در Notes for Mac ، دکمه حذف فایل بیشتر شبیه یک راه است برای مشاهده سطل زباله.

این رابط Apple Notes در مک است.

خوشه دکمه ها را در بالا سمت چپ مشاهده می کنید؟ اینجا از نزدیک است:

دو دکمه روشن سمت چپ حالت های نمای تغییر می کند. مورد اول فهرستی از پوشه ها را که یادداشت های شما در آن سازماندهی شده است باز می کند ، و فایل دوم فایلهای پیوست موجود در همه یادداشت های شما را نشان می دهد (دکمه گوشت مرموز بی معنی UX بد است).

این دو دکمه های سمت راست در واقع داده ها را تغییر می دهند. دومی (راست) ، همانطور که باید کاملاً واضح باشد ، یک فایل یادداشت جدید ایجاد می کند. با این حال ، مورد اول (چپ) ، فایلی را که مشاهده می کنید یا ویرایش می کنید حذف می کند. شاید فکر می کردید که شما را به فهرستی از یادداشت های حذف شده شما می برد؟ ممکن است با یک شگفتی ناخوشایند روبرو شوید.

اگر روی نماد سطل زباله کلیک کنید ، یادداشت فعلی شما بدون درخواست تأیید حذف می شود ، مهم نیست که فایل چقدر بزرگ است یا مدت زمانی که کار می کنید بر روی آن. می توانید یادداشت خود را بازیابی کنید ، اما مراحل رسیدن به آنجا مشخص نیست. سطل زباله در لیست پوشه ها قرار دارد که از طریق اولین دکمه سمت چپ به آنها دسترسی پیدا می کنید.

اگر قبلاً این کار را انجام داده اید ، مراحل بیش از حد سنگین نیستند ، اما قطعاً بصری نیستند. اگر کاربری کار می کندتحت فشار ، شاید در نیم ساعت یادداشتی برای یک ارائه مهم بنویسید ، و آنها دکمه سطل زباله را فشار دهند ، فایل یادداشت آنها بدون هیچگونه نمای بصری از محل ناپدید شدن ناپدید می شود. اگر کاربر در وهله اول چنین اشتباهی را مرتکب شده باشد ، ممکن است به این دلیل باشد که آنها هرگز نمی دانند سطل زباله یادداشت های واقعی کجاست ، به این معنی که احتمالاً در حال حاضر عصبی نیستند که متوجه شوند. اگر آنها در حالت وحشت کامل هستند ، خراب می شوند.

برای اینکه کاربر به این نقطه برسد ، اپل مجبور شد چندین مورد را اشتباه متوجه شود. در اینجا آنها عبارتند از: اگر زمینه آن را روشن کند ، ممکن است خوب باشد ، اما… دکمه حذف بسیار دورتر از فایل واقعی است که باید حذف شود تا روی آن نشسته باشد ، بنابراین مشخص نیست که بر روی یک فایل عمل می کند. دکمه حذف در دسته ای از دکمه ها قرار دارد که دو مورد از آنها دستور تغییر view هستند و هیچ چیز نشان نمی دهد که این دستور نیز یک دستور تغییر View نیست ، به عنوان مثال یکی که نمای را به سطل زباله تغییر می دهد. سطل آشغال واقعی در پشت منوی نمای پوشه پنهان شده است.

اپل می تواند 90٪ از مشکلات ناشی از طراحی فعلی را با رفع هرگونه مشکل برطرف کند. یکی از آن نقاط شکست شاید روزی آن را برطرف کنند ... جهنم ، شاید یک صفحه کلید ارگونومیک طراحی کنند. آنها تغییر می کنند. دکمه های جداگانه ای که دسته بندی های مختلف عملکرد را انجام می دهند جدا کنید. از نمادهای گوشت مرموز اجتناب کنید. به یاد داشته باشید که بازیابی خطا باید آسان باشد زیرا کاربرانی که دارای خطاهای رخ داده اغلب تحت فشار قرار می گیرند.

فیس بوک هیچ قفل ایمنی برای دوست نداشتن با فردی ندارد.

اگرچه بازیابی خطا در یادداشت های اپل دست و پا چلفتی است ، اما می توانید اشتباهات خود را بدون هیچ آسیبی جبران کنید انجام شده. همین را نمی توان در مورد فیس بوک گفت. اگر شما یک کلیک ماوس اجباری یا عصبی هستید ، ممکن است به طور تصادفی دوست خود را دوست نکنید. چگونه می پرسید؟

احتمالاً با این منو آشنا هستید که در نمایه هر دوست ظاهر می شود:

چیزی که ممکن است متوجه آن نشده باشید این است که با یک کلیک موس باز نمی شود. این یک منوی شناور است. با حرکت دادن موس روی دکمه ، منو باز می شود. اگر روی دکمه Unfriend در پایین کلیک کنید ، هیچگونه تأییدیه ای ندارد. دوستی شما با کسی می تواند به همین سادگی "خراب" شود. این بدان معناست که شما تنها با یک کلیک از عدم دوست شدن با کسی فاصله دارید.

اگر به طور تصادفی در زمانهای خوب با یک دوست نزدیک دوست نشوید ، احتمالاً هیچ تاثیری بر دوستی شما نخواهد داشت ، زیرا دوست هر دلیلی دارید که تصور کنید تصادف نبوده است. با این حال ، اگر شما به هم نزدیک نیستید ، یا دوست شما موضوعی قطبی از نظر سیاسی ارسال کرده است ، یا شما دو نفر اخیراً لحظات سختی را پشت سر گذاشته اید ، عدم دوست شدن با آنها ممکن است بذری از شک و تردید را در ذهن آنها ایجاد کند که حذف آنها دشوار است. هر گونه دوستی که در زمینه کاملاً محکم نیست می تواند باشدبا این حال ، توسط یک دوست ناخواسته آسیب دیده است. cdn-images-1.medium.com/max/426/0*H-OXJy842O-aY342.">

با قرار دادن گزینه ای در تنظیمات می توان از یک گزینه تأیید در مقابل هر گزینه ای جلوگیری کرد دستورات Unfriend ، یا حتی غیرفعال کردن دوست را مگر اینکه کاربر رمز عبور خود را وارد کند ، که علاوه بر این از عدم دوست عمدی اما تکانشی جلوگیری می کند. برای کسانی که آن تنظیم را روشن نکرده اند ، گزینه «دوستان نزدیک» (که در حال حاضر برای نشان دادن همه چیزهایی که شخص ارسال می کند به شما نشان داده می شود) می تواند شما را ملزم به تایید قبل از عدم دوستی کند.

واقعاً تعجب آور نیست که فیس بوک به این نتیجه برسد این اشتباه است ، با توجه به اینکه بنیانگذار شبیه روبات آنها روابط انسانی را درک نمی کند.

درسهای مهم

وقتی محصول شما بر روابط شخصی افراد تأثیر می گذارد ، باید مراقبت بیشتری انجام دهید. وقتی اقدامات داده شامل شخص ثالث می شود ، هرگز نمی توانید یک واگرد کاملاً تمیز داشته باشید. در این مورد طراحی کنید. به کاربران اجازه دهید سطح حفاظت از خطای خود را کنترل کنند.

در Reddit ، "top" ، به طور پیش فرض ، تنها 24 ساعت گذشته را نشان می دهد.

در صفحه اصلی Reddit ("صفحه اول اینترنت") و همچنین هر SubReddit ، می توانید جریان گسترده ای از محتوا را به روشهای مختلف فیلتر کنید. نمای پیش فرض "داغ" است که ترکیبی از تجدید نظر و رتبه بندی بالای کاربران است. با این حال ، اگر فقط می خواهید کرم مطلق تمام محصولات را ببینید ، باید روی "بالا" کلیک کنید.

یا حداقل این چیزی است که شما فرض می کنید. در واقع ، به طور پیش فرض ، نمای "بالا" فقط 24 ساعت گذشته را نشان می دهد.

در حالی که امکان تغییر تنظیمات به "همه زمان ها" وجود دارد ، این سوال باقی می ماند که چرا Reddit به طور پیش فرض به 24 ساعت ناچیز می پردازد. با توجه به اینکه فیلتر "داغ" برای محتوای اخیر دارای رتبه بالا ، حالت پیش فرض "بالا" را تقریباً بی فایده می کند. وقتی شخصی مطالب برتر را جستجو می کند ، فرض بر این است که او بهترین ها را می خواهد. این به معنای کاربرد مجدد نیست.

حداقل Reddit به ما این امکان را می دهد که محتوای برتر همه زمان ها را مشاهده کنیم ، اما آنها با متن کوچک و محو شده آن را بسیار نامفهوم کردند. با توجه به اینکه Reddit با الگوهای تیره غریبه نیست ، به ویژه با "ممنوعیت سایه" بدنام آنها ، نمی توانم از خود بپرسم که آیا انگیزه شوم وجود دارد.

درسهای مهم

عملکردها باید آنچه را که کاربران از آنها انتظار دارند انجام دهد. تنظیمات پیش فرض باید با رایج ترین موارد استفاده مطابقت داشته باشد.

فیس بوک به شما تعداد کاراکتر نمی دهد تا به شما اطلاع دهد می تواند در یک پست رنگی قرار گیرد.

اگر از فیس بوک استفاده می کنید ، با این ویژگی آشنا هستید که یک پس زمینه رنگارنگ به وضعیت خود اضافه کنید ، که سال گذشته اضافه شد. این اساساً کارهایی را که مردم سالها انجام می دادند ، خودکار می کند ، یعنی قرار دادن کلمات در پس زمینه و ارسال آنها به عنوان یک تصویر.

البته همه چیز قیمت خود را دارد. شما نمی توانید کل Paradise Lost را تایپ کنید و انتظار داشته باشید که در یکی از این زمینه ها قرار بگیرد. بنابراین ، پست های رنگی در فیس بوک دارای محدودیت 130 کاراکتر هستند. با این حال ، با توجه به این که به شما نشان نمی دهد چند شخصیت دارید ، این را نمی دانیدسمت چپ.

فقط باید تایپ کنید تا رنگارنگ پس زمینه و گزینه های آن ناپدید می شوند. توییتر سالهاست به شما نشان می دهد که چقدر فاصله دارید یا چقدر از حد مجاز فراتر رفته اید. فیس بوک این ویژگی را به مدت طولانی از بین برده است و هیچ بهانه ای وجود ندارد. بسیار شلخته است.

درسهای مهم

اطلاعات لازم را برای انجام وظیفه در اختیار کاربر قرار دهید. وقتی مسابقه به درستی رسید ، کپی کنید.

برنامه BECU باعث نمی شود شما وارد سیستم شوید.

همه از وارد کردن گذرواژه متنفر هستند. این یه حقیقته. اگر چیزی بیش از وارد کردن گذرواژه از افراد متنفر است ، وارد کردن گذرواژه در صفحه کلید لمسی ناچیز است که حروف ، اعداد و نویسه های ویژه در صفحه های جداگانه قرار دارند.

خوشبختانه تلفن های همراه امروزی دارای همه انواع ویژگی های امنیتی مانند اثر انگشت و تشخیص چهره و دستمال مرطوب اطلاعات از راه دور ، به این معنی که برنامه های موجود در برنامه می توانند اقدامات امنیتی خود را کمی آرام کرده و بدون نیاز به ورود مداوم گذرواژه های حساب به آنها دسترسی آزاد داشته باشند. اگر فقط BECU (اتحادیه اعتباری کارکنان بوئینگ) آن یادداشت را دریافت می کرد.

همانطور که واضح است می بینید ، برنامه BECU یک کادر تأیید "به خاطر داشته باش" دارد ، که نشان می دهد ، پس از ورود به سیستم ، به شما اجازه می دهد آزادانه از برنامه بدون ورود مداوم به سیستم استفاده کنید.

< p> مطمئناً اینطور نیست. اگرچه روی "به خاطر داشته باش" کلیک کرده اید ، اما نمی توانید بدون وارد کردن گذرواژه خود ، موجودی خود را مشاهده کرده یا چک واریز کنید. این درد بزرگی است و در صورت تعجب ، این مسئله نوعی رعایت مقررات نیست. هیچ دلیلی برای انجام این کار وجود ندارد.

BECU قبلاً در Roundups من نشان داده نشده است ، اما این در حال تغییر است. درک آنها از فناوری شرم آور است. از BECU بیشتر انتظار داشته باشید. اگر موسسه مالی شما تجربه دیجیتالی بدی دارد ، به من اطلاع دهید و به من اطلاع دهید. خوشحال می شوم آنها را در حالت انفجار قرار دهید. (به عنوان مثال "مرا به خاطر بسپار" باید شما را به خاطر بسپارد)

چاپگرهای اپسون به شما اجازه نمی دهند که سیاه و سفید را چاپ کنید اگر از هر یک از جوهرهای رنگی خارج شده اید.

من این گوهر را به صورت آنلاین پیدا کردم. به پیام خطای زیر توجه کنید.

چاپگر از چاپ یک فایل سیاه و سفید خودداری می کند زیرا جوهر فیروزه ای و سرخابی خالی است ، حتی اگر جوهر سیاه پر باشد. این به وضوح ترفندی برای فروش بیشتر جوهر است ، که گاو نقدی واقعی برای تولیدکنندگان چاپگر است. من معتقدم که ما یک الگوی تاریک جدید کشف کرده ایم.

درسهای مهم

محدودیت های دلخواه را در محصول خود ایجاد نکنید.

آخرین پروژه من را ببینید

به جای نوشتن مقالات وبلاگ که مدیوم آنها را مدفون خواهد کرد ، من یک ابزار یادگیری جدید ایجاد کرده ام. این یک برنامه وب است که به شما می آموزد که الفبای خارجی مانند کره ای را بخوانید. برخلاف روشهای حفظ گنگ که سایتهای دیگر از آن استفاده می کنند ، سریع و بدون درد است. به آن Alphaliterate می گویند. کاملاً رایگان است و من روی افزودن الفبای جدید مانند عربی ، ژاپنی و تایلندی کار می کنم.

به Alphaliterate خوش آمدید اگر شما یاد بگیرید ، یادگیری نیستدر حال یادگیری زبانی هستید که از سیستم نوشتاری غیر از لاتین استفاده می کند ، برای… alphaliterate.com

همچنین ، اگر می خواهید من را دنبال کنید ، به این صفحه بروید و برای لیست پستی من ثبت نام کنید. < /p>

آیا به اندازه کافی UX بد ندارید؟

من تحت پوشش شما هستم. در اینجا چند مقاله دیگر من وجود دارد.

جمع بندی بد UX #11: بودجه های بزرگ ، مغزهای کوچک زمانی که این مجموعه را شروع کردم ، تأکید کردم که حتی شرکت های بزرگ با بودجه مانگو می توانند و می توانند به طرز وحشتناکی درآمد داشته باشند ... کار سخت است.uxplanet.org Bad UX Roundup #8: مجموعه ای متنوع از طراحی ناخوشایند. سال 2018 است و طراحی بد هنوز هم مانند افراد غیرقابل استفاده در تجمع آنتیفا ادامه دارد. با توجه به همه موارد تأیید شده ... uxplanet.org

جان یک دانشمند بود ، او به LSD وابسته بود ، به کنترل ذهن و نحوه نگه داشتن کلید میمون علاقه مند بود.

چشم انداز رایانه ای برای ردیابی

چشم انداز رایانه ای برای ردیابی

نسخه به روز شده این مقاله در https://www.thinkautonomous.ai/blog/؟p=computer-vision-for-tracking منتشر شده است در Computer Vision ، یکی از جالب ترین زمینه های تحقیق تشخیص موانع با استفاده از شبکه های عصبی عمیق مقالات زیادی منتشر شد ، همه به SOTA (پیشرفته ترین هنر) در تشخیص موانع با دقت بسیار بالا دست یافتند. هدف این الگوریتم ها پیش بینی لیستی از کادرهای محدود کننده از یک تصویر ورودی است. یادگیری ماشین به خوبی در بومی سازی و طبقه بندی موانع در زمان واقعی در یک تصویر تکامل یافته است. با این حال ، هیچ یک از این الگوریتم ها مفهوم زمان و تداوم را شامل نمی شوند. هنگام تشخیص یک مانع ، این الگوریتم ها تصور می کنند که هر دفعه یک مانع جدید است.

در اینجا یکی از محبوب ترین الگوریتم های تشخیص شی ، به نام YOLO (شما فقط یکبار نگاه می کنید) است.

من برنده شدم در اینجا به جزئیات الگوریتم نپردازید ، اما می توانید به این ویدیو از سراج راوال نگاه کنید که آن را به خوبی توضیح می دهد.

برگرفته از دوره ردیابی موانع من

خروجی الگوریتم لیستی از کادر محدود کننده ، در قالب [کلاس ، x ، y ، w است ، ساعت ، اعتماد]. کلاس یک شناسه مربوط به یک عدد در یک فایل txt است (0 برای ماشین ، 1 برای عابران پیاده ،…). x ، y ، w و h پارامترهای جعبه محدود را نشان می دهند. x و y مختصات مرکز هستند در حالی که w و h اندازه آن (عرض و ارتفاع) است. اطمینان یک عدد است که در٪ بیان می شود.

چگونه می توانیم از این جعبه های محدود استفاده کنیم؟

تا کنون از جعبه های محدود کننده برای شمارش موانع یک کلاس در جمعیت ، در اتومبیل های خودران ، هواپیماهای بدون سرنشین ، دوربین های نظارتی ، روبات های خودران و انواع سیستم ها با استفاده از Computer Vision. با این حال ، همه آنها یک محدودیت دارند: موانع کلاس یکسان هستند و نمی توان آنها را از هم جدا کرد. این جعبه های محدود کننده را مستقل تعریف کنید و چگونه می توان آنها را در طول زمان ردیابی کرد؟ همانطور که می بینید ، با انسداد نیز کار می کند. چگونه؟ دلیل آن استفاده از فیلتر کالمن و الگوریتم مجارستان است. یک الگوریتم مجارستانی می تواند تشخیص دهد که آیا یک شی در فریم کنونی همان شیء موجود در قاب قبلی است یا خیر. فیلتر Kalman یک الگوریتم است که می تواند موقعیت های آینده را بر اساس موقعیت فعلی پیش بینی کند. فیلتر Kalman یک الگوریتم است. همچنین می تواند موقعیت فعلی را بهتر از آنچه سنسور به ما می گوید برآورد کند. از آن برای ارتباط بهتر استفاده می شود.