Un neurone (la cellule vivante) mesure de l'ordre de 10 à 20 microns
http://nte-serveur.univ-lyon1.fr/phy...at_neurone.htm
approximativement ça occupe un volume de 10 à 20 micromètres cube....
quelle est la dimension d'un circuit silicium équivalent?
en surface? davantage peut-être?
en volume?
Avec une vitesse de traitement incomparablement plus grande......
Alors, qu'est-ce qui va limiter la compétition entre le cerveau bio et sa copie en silicium?
rien ne sert de penser, il faut réfléchir avant.... (Pierre Dac...)
Si c'est une copie, le traitement est adapté aux fréquences des flux en entrée et en sortie.Envoyé par Bounoume
Donc si le traitement est trop rapide, il est désynchronisé avec les flux et ça ne marche pas.
je me suis mal fait comprendre en parlant de 'copie' :
il s'agit de comparer la structure biologique (réseaux complexes de neurones physiques)
...........................; et un modèle 'analogue' en silicium, constitué aussi d'éléments neuronaux discrets connectés en réseaux organisés, l'organisation étant inspirée par la structure biologique.
ça n'a pas grand' chose à,voir avec une émulation de réseau(x) en C++, basée sur un (plutôt des) processeurs, des mémoires et un logiciel émulant les interactions entre les 'objets' neurone matérialisés en données mémoire .
Je parle de circuits hardware dédiés, pour lesquels bien sûr les questions de synchronisation (ou plutôt d'asynchronisme) sont résolues depuis longtemps.
Bien sûr je suppose aussi que nos savons organiser et conduire ces circuits pour les faire travailler/répondre/penser/réfléchir selon notre bon vouloir...... *
*je ne parle volontairement pas de 'programmation', terme obsolète quant on a affaire à des réseaux neuronaux élaborés
* en plus des projets IBM, j'ai entendu d'un certain circuit 'réseau de neurones' sorti chez Nvidia ?.??
rien ne sert de penser, il faut réfléchir avant.... (Pierre Dac...)
le fait que c'est une (très) pâle copie...
en gros, on ne sait pas vraiment comment le cerveau apprend...
Jusqu'ici tout va bien...
Bonjour,
On arrive à faire des neurones artificiels très proches de ceux biologiques. Le modèle "leaky integrate-and-fire" permet d'obtenir des caractéristiques tels que l'excitabilité, des périodes réfractaires ou des sommations temporelles.
Construire un réseau nécessite par contre de relier les neurones entre eux et de trouver un procédé d'apprentissage hardware.
Tout à fait d'accord avec cette analyse, dés le début des années 2000, on a commencé à communiquer puis à "discuter" avec des neurones biologiques, il y a 2 techniques, soit par excitation/lecture électrique ponctuelle avec un neurone spécifique soit par Multi Electrode Array avec un groupe de neurones complet (c'est un de mes sujet d'étude). De plus, avec l’avènement des Induced Pluripotent Cells (en gros on régénère des cellules souches), on peut maintenant utiliser facilement des neurones humains. Il y a même un groupe qui avait appris à de tels neurones à contrôler le roulis et tangage sur un simulateur de vol (le papier est dispo online je crois), même si cela avait peu d'intérêt en pratique, la démarche a frappé les esprits. Un autre excellent papier est intitulé "AI without the A", et reprend bien ton concept.
Dernière modification par fred3000gt ; 04/03/2018 à 16h04.
