Le cerveau biologique est un ensemble de composants individuels qui ont évolué. depuis des millions d'années. Les neurones et autres cellules interagissent dans un réseau complexe d'où émerge l'intelligence. Bon nombre des conceptions neuronales que l'on trouve dans le cerveau biologique ont été utilisés dans des modèles computationnels pour la puissance artificielle l'intelligence, avec les réseaux neuronaux profonds modernes qui stimulent une révolution dans le domaine de l'informatique vision, traduction automatique, traitement du langage naturel, et bien d'autres domaines encore. Cependant, les réseaux de neurones artificiels ne sont basés que sur un petit sous-ensemble de de la fonctionnalité biologique du cerveau, et se concentrent souvent sur les fonctions globales, homogènes et à un système complexe et localement hétérogène. Dans ce travail, nous avons d'examiner le cerveau biologique, des neurones simples aux réseaux capables de l'apprentissage. Nous examinons individuellement la cellule neuronale, la formation des connexions entre les cellules, et comment un réseau apprend au fil du temps. Pour chaque composant, nous utilisons l'évolution artificielle pour trouver les principes de conception neuronale qui sont optimisés pour les réseaux neuronaux artificiels. Nous proposons ensuite un modèle fonctionnel du cerveau qui peut être utilisé pour étudier plus en profondeur certains composants du cerveau, avec tous les des fonctions conçues pour l'optimisation automatique telles que l'évolution. Notre objectif est d'améliorer la performance des réseaux de neurones artificiels par les moyens suivants l'inspiration des neurosciences modernes. Cependant, en évaluant les effets biologiques de la dans le contexte d'un agent artificiel, nous espérons également fournir des modèles de le cerveau qui peut servir aux biologistes. |
The biological brain is an ensemble of individual components which have evolved over millions of years. Neurons and other cells interact in a complex network from which intelligence emerges. Many of the neural designs found in the biological brain have been used in computational models to power artificial intelligence, with modern deep neural networks spurring a revolution in computer vision, machine translation, natural language processing, and many more domains. However, artificial neural networks are based on only a small subset of biological functionality of the brain, and often focus on global, homogeneous changes to a system that is complex and locally heterogeneous. In this work, we examine the biological brain, from single neurons to networks capable of learning. We examine individually the neural cell, the formation of connections between cells, and how a network learns over time. For each component, we use artificial evolution to find the principles of neural design that are optimized for artificial neural networks. We then propose a functional model of the brain which can be used to further study select components of the brain, with all functions designed for automatic optimization such as evolution. Our goal, ultimately, is to improve the performance of artificial neural networks through inspiration from modern neuroscience. However, through evaluating the biological brain in the context of an artificial agent, we hope to also provide models of the brain which can serve biologists. |