compcogneuro/web: synergies

+++ Categories = [“Computation”, “Neuroscience”] bibfile = “ccnlab.json” +++ このページでは、[[Axon]] フレームワークに存在する機能的相乗効果と生物学的相乗効果の一部を収集します。ここでは、[[computational cognitive neuroscience]] に関与するさまざまな [[levels of analysis]] の特性が一緒に収束します。これらの相乗効果は、これらのさまざまなレベルの分析にまたがって取り組むことで、最終的には完全な一般知能を含む人間のさまざまな認知機能を脳がどのようにサポートしているかを理解するという複雑な問題の解決に役立つという考えを裏付けています。

• [[neocortex]] の顕著かつ十分に確立された特性である興奮性ニューロン内の [[Bidirectional connectivity]] は、[[constraint satisfaction]] と [[error-driven learning]] の両方、および [[top-down attention]]、イメージ、および [[perception]] の多くの側面を含む広範囲の認知機能において重要な機能的役割を果たします。

• 新皮質の特殊な種類の介在ニューロンによって実装される広範な [[inhibition]] は、双方向接続から生じる正のフィードバック ループの暴走を制御するために必要です。また、神経応答の非相関化と [[distgributed representations]] の堅牢性の最大化に役立つ [[competition]] を課すことにより、[[attention]] の学習に大きな利点をもたらします。

• さらに、幅広いモデルにわたる学習に最適な [[inhibition]] の特定の形式は、高速コンポーネントと低速コンポーネントの組み合わせに大きく依存します。これは、新皮質でこの抑制を駆動する 2 つの主要な介在ニューロン タイプ (それぞれ PV と SST) の特性とよく一致しています。

• [[neuron channels#NMDA]] チャネルと [[neuron channels#GABA-B]] チャネルの相補的かつ相乗的な特性は、スパイキング ネットワークでの学習と処理に必要な [[stable activation]] にとって重要であり、[[conscious awareness]] をサポートするためにも不可欠です。

• 高レベルの阻害と広範囲のびまん性結合を含む [[hippocampus]] の詳細な生物学は、新しい [[episodic memory

  episodic memories]] を迅速に学習する際のその独特の役割、および難治性てんかんを予防するために海馬を切除した患者 HM からの注目すべきデータと適合します。海馬の計算モデル ([[hippocampus simulation]])) は、これらの生物学的詳細がどのようにして高レベルの「パターン分離」を生成し、記憶を高度に明確に保ち、​​それによって壊滅的なレベルの干渉を引き起こすことなく迅速な学習を可能にするかを示しています。

• ドーパミン、大脳基底核、および前頭前皮質の間の接続に関する詳細な生物学は、以前の報酬履歴に基づいて意思決定を行い、どの情報を保持しておくことが重要で、どの情報は無視してもよいかを学習するための計算要件と適合します。これらの原則は、[[Rubicon]] フレームワークに取り込まれており、[[dopamine]] システムが、後の有用性をどの情報を保持するかという早期の決定に変換するために必要な一種のタイムトラベルをどのように発揮できるかを示しています。そして、[[basal ganglia]] と [[prefrontal cortex]] の間の相互作用により、大脳基底核の決定が前頭前野で維持され、それに作用するものに影響を与えることが可能になります。ここには多くの部分がありますが、それらがすべて機能モデルに非常によく適合しているという事実、およびそれらの多くの側面が直接実験のテストに耐えているという事実により、これが実際に起こっていることである可能性が非常に高くなります。

• [[basal ganglia]] の詳細な生物学、段階的並列処理および関連する [[credit assignment]] メカニズムをサポートすることで、システムは高次元の状態およびアクションの感覚運動空間を効率的に検索して [[reinforcement learning]] 問題を解決できます。