Als Informatik-Student habe ich mich gefragt, ob es spezielle Datenstrukturen gibt, die vom Gehirn zum Speichern von Daten verwendet werden?
Ich interessiere mich besonders für die Datenstruktur von Hash-Tabellen. Wenn Daten in dieser Art von Datenstruktur gespeichert werden, können Sie sie unabhängig von der Größe der Daten (oder technisch gesehen in O (1)) in kurzer Zeit suchen, einfügen und löschen.
Ich habe mich gefragt, ob das Gehirn auf die gleiche Weise funktioniert oder nicht? Und wenn ja, wie geht das?
Das Gedächtnis im Gehirn ist nicht sehr gut verstanden, daher ist es mit rein biologischen Modellen nicht wirklich möglich, auf die Ebene von "Datenstrukturen" zu gelangen. Nicht, dass eine rein biologische Beschreibung ohnehin sehr sinnvoll wäre. Wenn Leute fragen, wie das Gehirn funktioniert, wollen sie normalerweise nicht gesagt bekommen: „Molekül A interagiert mit Molekül B, was Molekül C auslöst“.
Da Sie aus der Informatik kommen, gehe ich davon aus, dass Sie sich wahrscheinlich mehr für Modelle oder die "Datenstrukturen" (wie man Daten strukturiert, wie eine Liste oder einen Baum) interessiert, die wir einem Gehirn zuordnen. Eine Möglichkeit, biologisch plausible Gehirnmodelle zu erstellen, ist das Neurological Engineering Framework (NEF), und es wurden einige darauf basierende Datenstrukturen verwendet. Weitere Einzelheiten dazu finden Sie in meiner anderen Antwort " Wie wird der Speicher in der NEF berücksichtigt? "
Es ist jedoch wichtig zu beachten, dass das NEF ein Framework ist, daher wird viel daran gearbeitet, komplexere Datenstrukturen als die in dieser Frage erwähnten zu implementieren. Insbesondere hat Aaron Voekler unter Verwendung des Frameworks einen dynamischen heteroassoziativen Speicher implementiert, der in gewisser Weise wie eine Hash-Tabelle funktioniert.
Ich hoffe, diese Antwort gibt Ihnen einen guten Ausgangspunkt für weitere Untersuchungen.
Die Gehirnstruktur für Gedächtnis, Assoziation, Lernen und Denken funktioniert eher wie ein Netzwerk aus gewichteten, verbundenen Knoten.
Beim maschinellen Lernen und verwandten Bereichen sind künstliche neuronale Netze (KNNs) Rechenmodelle, die vom zentralen Nervensystem eines Tieres (insbesondere dem Gehirn) inspiriert sind. [...] Künstliche neuronale Netze werden im Allgemeinen als Systeme miteinander verbundener "Neuronen" dargestellt, die rechnen können Werte aus Eingaben und können dank ihrer adaptiven Natur sowohl maschinelles Lernen als auch Mustererkennung durchführen. [...] Beispielsweise wird ein neuronales Netz zur Handschrifterkennung durch eine Reihe von Eingabeneuronen definiert, die durch die Pixel eines Eingabebildes aktiviert werden können. Die Aktivierungen dieser Neuronen werden dann nach Gewichtung und Transformation durch eine (vom Netzwerkdesigner festgelegte) Funktion an andere Neuronen weitergegeben. Dieser Vorgang wird wiederholt, bis schließlich ein Ausgangsneuron aktiviert wird. Dies bestimmt, welches Zeichen gelesen wurde.http://en.wikipedia.org/wiki/Artificial_neural_network
Benutzer3116