View allAll Photos Tagged neuron
@ Sydney
I believe this piece of art work is supposed to be a neuron. Currently located in front of the Museum of Contemporary Art
It's a little sloppy on the edges, but I really like the colors and the effect of the branches. I'll be trying more of these in the future, for sure!
“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.”
#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.
La importancia de las neurociencias para el Derecho en México
Lunes 24 de septiembre
SUM - Universidad Anáhuac Oaxaca
Imagen: Comunicación institucional
Zentrales Nervensystem
Die technischen Methoden, mit deren Hilfe man in das Innenleben von Zellen blicken kann, werden immer raffinierter. So ist es heute möglich, Zellen mit mikroskopisch gesteuerten Laserpulsen auf Oberflächen zu bringen, die eine Durchleuchtung der Zellen zulassen. Das dazugehörige Instrument wird als "Laser Capture Microscope" bezeichnet. So kann das quirlige Innenleben der Neuronen bewundert und auf seine biochemischen Bestandteile hin analysiert werden. Der ästhetische Reiz entsteht durch den Kontrast der glatten Aussenwelt und der feinverästelten Innenwelt, aber auch dadurch, dass kein Ende des Strömens zu erkennen ist.
Weitere Infos bei SimplyScience
Copyright by F. Hoffmann-La Roche AG, Corporate Communications
Un dibujo de una neurona con sus respectivas partes en uno de mis cuadernos de biología.
A drawing of a neuron with their respective parties to one of my notebooks of biology.
Benefits of the Capsule Neuron include:
* Continuous assurance that vital signs data are automatically being transmitted from patient devices to enterprise information system(s)
* Immediate alerting at the bedside of connectivity problems for quicker troubleshooting
* Touch screen interface for easy access to additional device connectivity status information and history log of connectivity
* Wireless communication to the server to eliminate the need to pull Ethernet cabling to each bedside, reduce cable clutter, and provider greater flexibility for mounting and deployment
* Capsule’s platform of the future that will be field upgradeable to support an expanding set of solutions to enable improved bedside workflow and enhanced patient safety