View allAll Photos Tagged neuron
4 designs inspired by the brain using lights to represent synapses and shapes influenced by neuron cells.
Life Of A Neuron @ Artechouse / NYC, Chelsea Market, New York, NY on Friday, August 12, 2022.
Life Of A Neuron
Step Into The Human Brain And Discover What Makes Us Unique At The Cellular Level. Experience The Next Dimension Of Storytelling While Exploring How The Brain Shapes The Universal Human Experience.
Life Of A Neuron Brings Together Decades Of Neuroscience Data And Research To Create A Cellular Level Journey Through The Human Brain. Created By Artechouse Studio In Partnership With Society For Neuroscience (Sfn), This Exhibition Is The Result Of Three Years Of Ardent Collaboration And Research And Reveals The Story Of A Universal Human Experience — The Story Of Ourselves.
Visitors Will Walk Into An Unprecedented, Real-Life 3D Model Of A Human Prefrontal Cortex Neuron — The “Thinking Cell” Of The Brain — And See It Grow From Birth Through Death.
EXPLORE, EXPERIENCE AND WONDER
Activities to stimulate, inspire and amuse your little grey cells....
Art and Science on the Brain
Wonder Street Fair 7-9 April 2013
Barbican Centre, London
Festival of Neuroscience - BNA 2013
A unique experience with outstanding speakers presenting the latest developments in research into the brain and CNS organised by British Neuroscience Association and supported by Wellcome Trust
Les astrocytes sont des cellules en forme d'étoile dont la fonction est de fournir les nutriments nécessaires et réguler l'environnement chimique des neurones, ainsi que de contrôler et moduler l'activité de ces derniers. Ici on peut visualiser des astrocytes qui ralentissent la croissance des neurones (en rouge) chez des souris transgéniques modèles pour la maladie de Steinert,
©Inserm, Agence National de Recherche, AFM-Téléthon.licence CC-BY-NC 4.0 international
En savoir plus :
(), ́ , est une maladie neuromusculaire héréditaire qui touche des patients de tous âges. S’il s’agit d’une pathologie rare, elle fait tout de même partie des myopathies les plus fréquentes, touchant 5 000 à 8 000 personnes vivant en France.
L'altération des cellules neuronales et non neuronales est fréquemment impliquée dans les maladies neurologiques, comme la maladie de Steinert. Cependant, les cellules non neuronales font plus rarement l’objet de recherches.
Dans une étude, publiée en 2022 dans Nature Communications, des scientifiques de l'Inserm ont démontré pour la première fois l’implication dans la maladie de Steinert des astrocytes, des cellules cérébrales qui ont longtemps été considérées comme de simples cellules de soutien des neurones. Ce travail, mené chez des souris modèles de la pathologie, révèle des dysfonctionnements au niveau des astrocytes, dans lesquelles s’accumulent des agrégats d’ARN toxiques.Ces agrégats auraient notamment un effet délétère sur la morphologie complexe et ramifiée des astrocytes, ce qui pourrait compromettre leur capacité à soutenir et à réguler la fonction synaptique (qui permet la transmission de l'information d'un neurone à l'autre) dans le cerveau.
“Every neural network we looked at, we would find a dedicated neuron for Donald Trump. That was the only person who had always had a dedicated neuron.” — Chris Olah, Anthropic’s head of mechanistic interpretability (trying to make sense of these neural nets after they have been trained), from the Lex Fridman podcast
This is a purely emergent phenomenon, not designed in, and it’s part of a broader resonant homology across neural networks, biological and artificial.
Chris: “This, actually, is indeed a really remarkable and exciting thing, where the same elements, the same features and circuits, form again and again. You can look at every vision model, and you’ll find curve detectors, and you’ll find high-low-frequency detectors. And in fact, there’s some reason to think that the same things form across biological neural networks and artificial neural networks. So, a famous example is vision models in the early layers. They have Gabor [edge-detecting] filters, and Gabor filters are something that neuroscientists are interested in and have thought a lot about. We find curve detectors in these models. Curve detectors are also found in monkeys. We discover these high-low-frequency detectors, and then some follow-up work went and discovered them in rats or mice. So, they were found first in artificial neural networks and then found in biological neural networks.” — from the Lex Fridman pod, and it’s quite interesting from this point onward
This field of study has fascinated me from my first exposure to neural networks in 1989 (when I started a PhD in EE to study them). How fascinating that artificial neural nets recapitulate some of the developmental processes and resulting structures seen in our sensory cortex!
But the biological analogy also carries over to the problem of interpretability. The complex artifacts created by an iterative algorithm — whether brain or LLM — are inherently inscrutable. I first wrote about this in the MIT Tech Review in 2006, concluding: “If we artificially evolve a smart AI, it will be an alien intelligence defined by its sensory interfaces, and understanding its inner workings may require as much effort as we are now expending to explain the human brain.”
So, I respect the difficulty of Mechinterp, and the appeal, unweaving the beauty of transcendence.
Chris concludes: “Biology has these simple rules, and it gives rise to all the life and ecosystems that we see around us. All the beauty of nature, that all just comes from evolution and from something very simple in evolution. And similarly, I think that neural networks build, create enormous complexity and beauty inside and structure inside themselves that people generally don’t look at and don’t try to understand because it’s hard to understand. But I think that there is an incredibly rich structure to be discovered inside neural networks, a lot of very deep beauty if we’re just willing to take the time to go and see it and understand it.”
¿ nyur-uh-KANTH-us ? -- Greek: neuron (vein, nerve); ákantha (thorn, spine); spiny vein ... Dave's Botanary
¿ tet-ra-gon-uh-STAK-ee-us ? -- from the Greek tetragono (four-angled) and stachys (flower spike) ... Dave's Botanary
¿ try-NER-vee-us ? -- three-veined ... Dave's Botanary
commonly known as: three-veined neuracanthus • Gujarati: મોટા ગંઠેર mota ganther • Kannada: ನೀಲಿ ಹೂವು ಕಡ್ಡಿ nili huuvu kaddi • Marathi: निळगोंडा nilgonda
botanical names: Neuracanthus tetragonostachyus subsp. trinervius (Wight) Bidgood & Brummitt ... homotypic synonyms: Neuracanthus trinervius Wight ... POWO, retrieved 21 November 2023
@ Sydney
I believe this piece of art work is supposed to be a neuron. Currently located in front of the Museum of Contemporary Art
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.
Uno e Due,
i neuroni che vivono nel mo cervello,
(Uno, con la crescita ferma a tre anni, burlone e pauroso,
e Due, quello precisino, maniaco di numeri e paranoico all’inverosimile),
oltre ad avere la passione per le pennichelle e il gelato,
fare casino negli armadi dei ricordi,
e usare troppo detersivo nella lavatrice, cosicché ogni tanto mi si inonda il cervello di schiuma e non ci si capisce più niente,
oltre a tutto ciò,
dicevo,
fanno collegamenti assurdi che incidono in maniera definitiva sui miei gusti.
Per esempio:
se devo pensare alla ricchezza,
quella ‘vera’, quella ‘definitiva’,
penso a una casa con gli affreschi sul soffitto.
Che, voglio dire:
degli ottimi ‘indicatori di ricchezza’
potrebbero essere una villa con piscina, otto maggiordomi e mostruose vetture parcheggiate sotto immense palme...
Ma no:
Uno e Due hanno deciso che per me la ricchezza più ricca
è determinata da una casa con gli affreschi sui soffitti.
Così,
ogni volta che vado in giro per il Corso,
nella mia città,
guardando per terra, come sempre, perché io inciampo anche nelle ombre degli altri,
e cadere è una cosa che mi viene bene,
c’è un momento esatto in cui la testa fa ‘sboing’ e si alza, automaticamente:
si alza, lì, perché proprio in quel punto, guardando a destra, fra le persiane che spero aperte,
posso vedere un incanto di soffitto affrescato.
Azzurri, nuvole, putti, di tutto e di più:
un vero soffitto come quelli che dico io, quelli che trasudano la ricchezza ricca,
la ricchezza che non è fatta di soldi, piuttosto di ricordi e famiglie e storie,
la ricchezza che non mi appartiene e mai apparterrà,
e che come ‘comunista’ dovrei schifare, ma che sempre mi abbaglia…
Uno e Due,
affacciati al balcone della loro casa nel mio cervello,
guardano con me il dipinto,
sospirano,
sognano.
Poi, da neuroni proletari quali sono,
chiudono le finestre, si mettono a giocare a nascondino,
e io torno a guardare per terra,
per non inciampare nelle ombre degli altri.
Excitatory pyramidal neuron of cortex highlighting structure of dendrites, branches that receive synaptic input from axons of other cells.
Render by Amy Sterling from reconstructions by Seung Lab, Princeton Neuroscience Institute using images acquired by The Allen Institute. Funded by IARPA MICrONS. Rendered in Cinema 4D using Otoy Octane GPU renderer.