Υπολογιστική νευροεπιστήμη

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια
 Το λήμμα δεν περιέχει πηγές ή αυτές που περιέχει δεν επαρκούν. Μπορείτε να βοηθήσετε προσθέτοντας την κατάλληλη τεκμηρίωση. Υλικό που είναι ατεκμηρίωτο μπορεί να αμφισβητηθεί και να αφαιρεθεί.
Η σήμανση τοποθετήθηκε στις 18/03/2022.

Η υπολογιστική νευροεπιστήμη[1], επίσης γνωστή και ως θεωρητική νευροεπιστήμη ή ως μαθηματική νευροεπιστήμη, είναι κλάδος της νευροεπιστήμης που χρησιμοποιεί μαθηματικά μοντέλα, μαθηματική ανάλυση και προσεγγιστικά προς τον εγκέφαλο μοντέλα για να κατανοήσει τις αρχές ανάπτυξης, δομής, φυσιολογίας καθώς και των γνωστικών[2] (ή γνωσιακών) ικανοτήτων του νευρικού συστήματος [3][4][5][6]

Η υπολογιστική νευροεπιστήμη κάνει χρήση υπολογιστικών προσομοιώσεων[7] για να επικυρώσει την αντιστοίχιση και στη συνέχεια να λύσει μαθηματικά μοντέλα. ΄Έτσι, μπορεί να ειδωθεί ως υποπεδίο της θεωρητικής νευροεπιστήμης. Συχνά όμως τα δυο αυτά ερευνητικά πεδία θεωρούνται συνώνυμα[8]. Συχνά ο όρος μαθηματική νευροεπιστήμη χρησιμοποιείται για να περιγράψει ένα διευρυμένο ερευνητικό πεδίο αυτής της περιοχής.

Η υπολογιστική νευροεπιστήμη εστιάζει στην περιγραφή των βιολογικών νευρώνων καθώς και των δικτύων αυτών καθώς και στη φυσιολογία και τη δυναμική τους, εμμέσως δε με μη ρεαλιστικά (από βιολογικής άποψης) μοντέλα που χρησιμοποιούν η συνδετικότητα, η Θεωρία ελέγχου, η Επιστήμη συστημάτων, ποσοτική ψυχολογία, η Μηχανική μάθηση, τα τεχνητά Νευρωνικά δίκτυα, η Υπολογιστική νοημοσύνη και η υπολογιστική θεωρία μάθησης [9][10][11][12] καθώς και συνδυασμούς δυο ή περισσότερων από αυτές τις επιστημονικές περιοχές. Ας σημειωθεί ότι πολλές φορές οι περιοχές αυτές της έρευνας παρουσιάζουν συνάφεια ή/και επικαλύψεις, και τελικά ο σαφής προσδιορισμός των περιοχών αυτών να εξαρτάται από τους ερευνητικούς στόχους και συνεπώς τα αντικείμενα της έρευνας.

Τα μοντέλα στη Θεωρητική νευροεπιστήμη αναπαράγουν προσεγγιστικά τις ουσιώδης ιδιότητες των βιολογικών συστημάτων σε πολλαπλές χωροχρονικές κλίμακες, από τα ηλεκτρικά φορτία της κυτταρικής μεμβράνης και τις χημικές συζεύξεις μέσω δικτυακών ταλαντώσεων κιονοειδών και τοπογραφικών αρχιτεκτονικών, μέχρι και ψυχολογικών λειτουργικών τομέων όπως η μνήμη, η μάθησης και η συμπεριφορά. Τα υπολογιστικά αυτά μοντέλα περιγράφουν υποθέσεις λειτουργίας οι οποίες έχουν προηγουμένως ελεγχθεί με βιολογικά και ψυχολογικά πειράματα.

Ιστορική εξέλιξη.[Επεξεργασία | επεξεργασία κώδικα]

Μόλις το 1985, σε ένα συνέδριο για τη θεμελίωση ανάπτυξης συστημάτων "Systems Analysis Foundation" που οργάνωσε στο Karmel της Καλιφόρνια ο Eric L. Schwartz ο όρος υπολογιστική νευροεπιστήμη εμφανίζεται στο προσκήνιο. Μέχρι τότε τα θέματα που εντάσσονται σε αυτήν την περιοχή, εμφανιζόταν με διάφορους όρους, όπως μοντελοποίηση νευρονικού συστήματος, θεωρία της σκέψης και νευρονικά δίκτυα. Τα πρακτικά του συνεδρίου εκείνου δημοσιεύτηκαν το 1990 με τίτλο Υπολογιστική Νοημοσύνη. Την ίδια χρονιά οργανώνεται στο CalTech και το πρώτο πρόγραμμα μεταπτυχιακών σπουδών Computational and Neural Systems Ph.D. Ήδη το 1989 οι James M. Bower και John Miller οργάνωσαν στο San Francisco, California την πρώτη από τη σειρά των διεθνών συναντήσεων με θέμα την Υπολογιστική Νευροεπιστήμη.

Το πρώτο μεταπτυχιακό εκπαιδευτικό πρόγραμμα στην υπολογιστική νευροεπιστήμη οργανώθηκε ως Ph.D. πρόγραμμα στο Ινστιτούτο Τεχνολογίας της Καλιφόρνια το 1985.

Οι πρώιμες ιστορικές ρίζες του πεδίου μπορούν να ανιχνευθούν στο έργο ανθρώπων όπως οι Louis Lapicque, Hodgkin & Huxley, Hubel and Wiesel και David Marr. Ο Lapicque εισήγαγε το μοντέλο ολοκλήρωσης και πυρκαγιάς του νευρώνα σε ένα σημαντικό άρθρο που δημοσιεύθηκε το 1907,[17] ένα μοντέλο που εξακολουθεί να είναι δημοφιλές για μελέτες τεχνητών νευρωνικών δικτύων λόγω της απλότητάς του (βλ. πρόσφατη ανασκόπηση[18]).

Περίπου 40 χρόνια αργότερα, οι Hodgkin & Huxley ανέπτυξαν τον σφιγκτήρα τάσης και δημιούργησαν το πρώτο βιοφυσικό μοντέλο του δυναμικού δράσης. Οι Hubel & Wiesel ανακάλυψαν ότι οι νευρώνες στον πρωτογενή οπτικό φλοιό, την πρώτη περιοχή του φλοιού που επεξεργάζεται πληροφορίες που προέρχονται από τον αμφιβληστροειδή, έχουν προσανατολισμένα δεκτικά πεδία και είναι οργανωμένοι σε στήλες.[19] Η εργασία του David Marr επικεντρώθηκε στις αλληλεπιδράσεις μεταξύ των νευρώνων, προτείνοντας υπολογιστικές προσεγγίσεις στη μελέτη του τρόπου με τον οποίο οι λειτουργικές ομάδες νευρώνων εντός του ιππόκαμπου και του νεοφλοιού αλληλεπιδρούν, αποθηκεύουν, επεξεργάζονται και μεταδίδουν πληροφορίες. Η υπολογιστική μοντελοποίηση βιοφυσικά ρεαλιστικών νευρώνων και δενδριτών ξεκίνησε με το έργο του Wilfrid Rall, με το πρώτο πολυδιαμερισματικό μοντέλο που χρησιμοποιεί τη θεωρία του καλωδίου.

Παραπομπές[Επεξεργασία | επεξεργασία κώδικα]

  1. ↑ https://www.biosim.ntua.gr/gr/research/neuroscience
  2. ↑ https://eclass.upatras.gr/modules/document/file.php/BIO410/%CE%9C%CE%91%CE%98%CE%97%CE%9C%CE%91%203.pdf[νεκρός σύνδεσμος]
  3. ↑ Trappenberg, Thomas P. (2002). Fundamentals of computational neuroscience. Oxford: Oxford University Press. ISBN 0-19-851582-0. 48835124. 
  4. ↑ Sejnowski, Terrence J.; Koch, Christof; Churchland, Patricia S. (1988-09-09). «Computational Neuroscience». Science 241 (4871): 1299–1306. doi:10.1126/science.3045969. ISSN 0036-8075. http://dx.doi.org/10.1126/science.3045969. 
  5. ↑ Bear, Elizabeth (2018-01-18). «Frankenstein Reframed;». The MIT Press. doi:10.7551/mitpress/9780262533287.003.0010. http://dx.doi.org/10.7551/mitpress/9780262533287.003.0010. 
  6. ↑ Kistler, Werner M.· Naud, Richard (2014). Neuronal dynamics : from single neurons to networks and models of cognition. Cambridge. ISBN 978-1-107-44761-5. 885338083. 
  7. ↑ https://el.wikipedia.org/w/index.php?search=%CE%A0%CF%81%CE%BF%CF%83%CE%BF%CE%BC%CE%BF%CE%AF%CF%89%CF%83%CE%B7&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C:%CE%91%CE%BD%CE%B1%CE%B6%CE%AE%CF%84%CE%B7%CF%83%CE%B7&profile=advanced&fulltext=1&ns0=1
  8. ↑ Trappenberg, Thomas P. (2010). Fundamentals of computational neuroscience (2η έκδοση). Oxford. ISBN 978-0-19-102944-8. 869736152. 
  9. ↑ Kriegeskorte, Nikolaus; Douglas, Pamela K. Cognitive Computational Neuroscience. https://ui.adsabs.harvard.edu/abs/2018arXiv180711819K/abstract. 
  10. ↑ Encephalos Journal. www.encephalos.gr.. Ανακτήθηκε στις 2018-02-20.. 
  11. ↑ Paolo, E. (2003). «Organismically-inspired robotics : homeostatic adaptation and teleology beyond the closed sensorimotor loop». Psychology. 
  12. ↑ Brooks, Rodney (22-02-2012). «. Is the brain a good model for machine intelligence?». Nature 482: 462–463. 2012. https://www.nature.com/articles/482462a. 
Ανακτήθηκε από "https://el.wikipedia.org/w/index.php?title=Υπολογιστική_νευροεπιστήμη&oldid=10458664"