Цифровое бессмертие для одного червяка: моделирование нейронной сети C. Elegance
В трансгуманистической тусовке часто обсуждается идея цифрового бессмертия человека. В то время как для высших животных такое "переселение в компьютер" потребовало бы практически недостижимых вычислительных мощностей, простейшие животные вполне могут попробовать что это такое. Мы же можем присмотреться и примерить для себя.
В хорошей статье: Varshney et al, Structural Properties of the Caenorhabditis elegans Neuronal Network, Plos CompBiology, 2012, представлена схема нейронной сети C. Elegance.
Нейронная сеть представляет собой набор из 302 нейронов, 6393 синапсов, 890 щелевых соединений, 1400+ контактов нейронов и мышц.
В статье представлены модели распространения как электрических так и химических сигналов в модели нейронной сети. Обе сети оказываются масштабно инвариантными, типичными представителями т.н. small world networks.
В то время как статистические свойства обоих сетей в каком-то смысле ожидаемы и как бы "тривиальны", спектральные свойства показывают текущие возможности реконструкции и моделирования нейронных сетей реальных животных. Так например в модели электрической компоненты сети никто не знает ни емкостей каждого из нейронов, ни сопротивления каждой из щелей. Никто не знает нелинейных свойств каждого из нейронов. Тем не менее, предположив, что все свойства всех нейронов одинаковы, а нетривиальные свойства сети возникают как следствие связности, авторы анализируют нормальные моды распределения заряда (активности нейронов). В рамках такой модели нейронная сеть недиссипативна, не обучается и порождает конечное количество предопределенных откликов. Одну или две из найденных мод удалось приблизительно ассоциировать с наблюдаемыми экспериментальными моделями поведения (откладывание яиц и некоторые социальные "программы").
Примечательно, что после об'единения линейных моделей электрического и химического (нейромедиаторного) сигналинга порождает систему с комплексными собственными частотами. Это значит что нейромедиаторы отвечают за нарастание или затухание нервных сигналов (что вполне соотв. их интуитивно ожидаемой роли). Комбинированная электрическая и химические подсистемы порождают более сложные собственные моды, такие как переодическое возбуждение мышц, ответственное за движение червя.
Вопросы:
- безмаштабные свойства биологических нейронных сетей аналогичны степенным корреляторам генетических регуляторных сетей, качественно должно быть связанно с устойчивостью (см. robustness analysis)
- предположения об однородности свойств всех компонент сети (емкостей, сопротивлений и т.д.) для нейронной сети звучит дико, однако даже тут приводит к каким-то похожим на правду решениям (моды, оттождествленные с биологически-значимым поведением). Интуиция и опыт сравнения с экспериментом (три "угаданные" моды из сотен) в биологическом примере четко показывают несостоятельность предположения. Гугл пользуется таким же, что, очевидно, накладывает суровое ограничение на способность гугла понять смысл индексированной информации.
- последнее ограничение касается и генетических сетей, и любого другого приложения, в котором используется NMA для нелинейных и неоднородных систем (например, для изучения конформационных движений белков).
- требование robustness должно помогать NMA, буду искать литературу
- спекулятивный вопрос (для адептов крионики): авторы утверждают что межклеточные щели должны быть определены точно с ошибкой менее чем в 1%, а синапсы должны быть определены с ошибками менее чем в 0.5% процентов случаев, чтобы первые 100 мод сохранили свою идентичность. Это для системы в 300 нейронов и нескольких тысяч контактов. Вопрос: с какой точностью надо сохранить данные о нервной системе человека чтобы сохранить, скажем те из нормальных мод, отвестственных за высшую нервную деятельность?
И последний вопрос: как вы думаете, чувствует ли червяк (или черви), погубленные в процессе подготовки экспериментальных данных, использованных в статье, себя бессмертным?
В хорошей статье: Varshney et al, Structural Properties of the Caenorhabditis elegans Neuronal Network, Plos CompBiology, 2012, представлена схема нейронной сети C. Elegance.
Нейронная сеть представляет собой набор из 302 нейронов, 6393 синапсов, 890 щелевых соединений, 1400+ контактов нейронов и мышц.
В статье представлены модели распространения как электрических так и химических сигналов в модели нейронной сети. Обе сети оказываются масштабно инвариантными, типичными представителями т.н. small world networks.
В то время как статистические свойства обоих сетей в каком-то смысле ожидаемы и как бы "тривиальны", спектральные свойства показывают текущие возможности реконструкции и моделирования нейронных сетей реальных животных. Так например в модели электрической компоненты сети никто не знает ни емкостей каждого из нейронов, ни сопротивления каждой из щелей. Никто не знает нелинейных свойств каждого из нейронов. Тем не менее, предположив, что все свойства всех нейронов одинаковы, а нетривиальные свойства сети возникают как следствие связности, авторы анализируют нормальные моды распределения заряда (активности нейронов). В рамках такой модели нейронная сеть недиссипативна, не обучается и порождает конечное количество предопределенных откликов. Одну или две из найденных мод удалось приблизительно ассоциировать с наблюдаемыми экспериментальными моделями поведения (откладывание яиц и некоторые социальные "программы").
Примечательно, что после об'единения линейных моделей электрического и химического (нейромедиаторного) сигналинга порождает систему с комплексными собственными частотами. Это значит что нейромедиаторы отвечают за нарастание или затухание нервных сигналов (что вполне соотв. их интуитивно ожидаемой роли). Комбинированная электрическая и химические подсистемы порождают более сложные собственные моды, такие как переодическое возбуждение мышц, ответственное за движение червя.
Вопросы:
- безмаштабные свойства биологических нейронных сетей аналогичны степенным корреляторам генетических регуляторных сетей, качественно должно быть связанно с устойчивостью (см. robustness analysis)
- предположения об однородности свойств всех компонент сети (емкостей, сопротивлений и т.д.) для нейронной сети звучит дико, однако даже тут приводит к каким-то похожим на правду решениям (моды, оттождествленные с биологически-значимым поведением). Интуиция и опыт сравнения с экспериментом (три "угаданные" моды из сотен) в биологическом примере четко показывают несостоятельность предположения. Гугл пользуется таким же, что, очевидно, накладывает суровое ограничение на способность гугла понять смысл индексированной информации.
- последнее ограничение касается и генетических сетей, и любого другого приложения, в котором используется NMA для нелинейных и неоднородных систем (например, для изучения конформационных движений белков).
- требование robustness должно помогать NMA, буду искать литературу
- спекулятивный вопрос (для адептов крионики): авторы утверждают что межклеточные щели должны быть определены точно с ошибкой менее чем в 1%, а синапсы должны быть определены с ошибками менее чем в 0.5% процентов случаев, чтобы первые 100 мод сохранили свою идентичность. Это для системы в 300 нейронов и нескольких тысяч контактов. Вопрос: с какой точностью надо сохранить данные о нервной системе человека чтобы сохранить, скажем те из нормальных мод, отвестственных за высшую нервную деятельность?
И последний вопрос: как вы думаете, чувствует ли червяк (или черви), погубленные в процессе подготовки экспериментальных данных, использованных в статье, себя бессмертным?