Модели разума В марте вышла научно-популярная книга “Модели разума: как физика, инженерия и математика сформировали наше понимание мозга” Грейс Линдсэй - про теоретическую нейробиологию (на английском). Мой предзаказ из британии прочно застрял на границе после брекзита, так что я не удержалась и, чувствуя на это моральное право, спиратила книгу - я была в полном восторге уже после трех глав! https://www.bloomsbury.com/us/models-of-the-mind-9781472966421 Каждая глава посвящена попыткам математики или физики смоделировать какой-либо процесс в нейробиологии, отдел мозга или даже отдельный нейрон. А самое крутое, что автор рассказывает не просто про идею в вакууме - вот, к примеру есть перцептрон и его работа похожа на нейрон - но и всю предысторию идей, которые привели к моделям мозга в таком виде, которыми мы сейчас их знаем. В случае нейронных сетей история начинается с трактата “Principia Mathematica” Уайтхеда и Рассела, пытающихся свести всю математику к логическим операциям, после чего появилась модель Маккалока-Питтса, показавшая, что нейроны могут производить сложные вычисления, пользуясь простой бинарной логикой. Их модель была дискретной, то есть нейроны принимали только значения 0 и 1. И уже позже появился перцептрон, получивший преимущество в вычислениях за счет более гибких недискретных весов. Причем Розенблатт рекламировал перцептрон так, как будто он уже построил мозг, который - еще чуть-чуть - и сможет решать все проблемы человечества, пока Марвин Минский не показал ограничения перцептрона, и вскоре появились многослойные нейронные сети. Совсем другая история (и глава) - про сверточные нейронные сети, которые довольно успешно используются в нейробиологии для моделирования зрительной системы и в особенности ее иерархической обработки зрительных стимулов. Но нейронные сети - это мейнстрим, и в книге гораздо больше клевых тем, типа сетей с аттракторами, моделей сбалансированного возбуждения и ингибирования в мозге, теории информации, теории графов, байесовской статистики и моделей принятия решений, включая reinforcement learning. Мой личный бонус - я наконец-то поняла значение термина “unconscious inference” - всегда, когда я его встречала раньше, он мне казался настолько абстрактным и замыленным, что за этим терялся смысл. Так вот, термин придумал Гельмгольц еще в 19 веке, заметив одну особенность восприятия - какие-то вещи в окружающем мире могут казаться неоднозначными - из-за освещения, перспективы или чего-то еще. Но мозг должен как-то быстро схлопнуть все пространство возможностей и интерпретировать, что он видит перед собой, чтобы затем быстро действовать. Преимущественно это происходит бессознательно, поэтому и unconscious inference. Этот термин описывает весь процесс, начиная с того, как неоднозначная информация поступает в сенсорные отделы мозга, обрабатывается и передается дальше, по ходу мозг отфильтровывает лишнее, и в итоге приходит к самому вероятному объяснению воспринятого. Вообще эта весна богата на хорошие нейробиологические релизы. Только что вышла книга Марка Хамфрис “The Spike” (у него крутой одноименный блог), которой удалось прорваться ко мне через границу и я уже начала читать - это история того, что происходит в мозге за 2.1 секунды с момента того, как он замечает печеньку на столе, принимает решение схватить ее и генерирует действие https://press.princeton.edu/books/hardcover/9780691195889/the-spike А в июне выходит “Projections” отца оптогенетики Карла Дессеройта, и ее я жду с большим нетерпением, так как сейчас я как раз занимаюсь поиском анатомических связей между разными отделами мозга (мышиного) https://www.penguinrandomhouse.com/books/600209/projections-by-karl-deisseroth/