Arquivo

Posts Tagged ‘neurociência’

Novo livro de Miguel Nicolelis

quarta-feira, 30 mar 2011; \13\UTC\UTC\k 13 1 comentário

O neurocientista brasileiro Miguel Nicolelis publicou recentemente nos Estados Unidos um novo livro de divulgação científica sobre seu trabalho: Beyond Boundaries (trad. livre: Além das fronteiras, A nova neurociência que conecta cérebros a máquinas). O livro já está disponível para compra nos EUA e tem seu próprio blog com fotos e filmagens referentes a pesquisa do grupo.

Ontem, Nicolelis deu uma entrevista sobre o livro no Daily Show com Jon Stewart. Durante a entrevista, Nicolelis fala sobre o projeto o qual ele está envolvido de construir um exoesqueleto robótico para pessoas com paralisia de membros que poderia ser controlado exclusivamente com pensamentos, sem necessidade do indivíduo apertar nenhum botão. Isso seria a extensão para humanos do trabalho demonstrado com macacos (que também apareceu na palestra TED do post anterior).

Atualizarei o post quando eu tiver notícia de uma edição em português. Se você não quiser esperar, pode comprar inglês importado em uma livraria. Por exemplo, aqui.

Atualização 1, 16/06/2011: o livro em português no Brasil entitula-se Muito além do nosso eu e já está disponível nas lojas.

Neurociência e o Projeto Ersätz-Brain…

quarta-feira, 8 dez 2010; \49\UTC\UTC\k 49 Deixe um comentário

ResearchBlogging.org

Bom pessoal, como anunciado anteriormente, vamos falar um pouco sobre um certo aspecto da Neurociência: o da modelagem de redes neurais via sistemas dinâmicos, modelo de Potts e, por que não, teorias de gauge (cf. What is a gauge?, Gauge theories (scholarpedia), Preparation for Gauge Theory e Gauge Theory (José Figueroa-O’Farrill)).

O nome-do-jogo, aqui, é Projeto Ersätz-Brain, e a idéia é a de se construir uma “arquitetura” análoga a de um cérebro para aplicações cognitivas. A base dessa arquitetura são as estruturas de audição e de visão do cérebro: ao contrário do que ingenuamente se imagina, ambas essas estruturas são altamente hierarquizadas e distribuídas. Ou seja, grupos diferentes (e espacialmente distribuídos) de neurônios lidam com ‘pedaços’ diferentes da informação sendo recebida, enquanto que um outro grupo de neurônios “integra” essas informações, numa camada hierárquica superior as anteriores.

Então, a motivação é a de se construir uma arquitetura distribuída e hierárquica — ou, no jargão que nós usamos, uma “rede [neural] de redes [neurais]”: ou seja, estamos dando um passo na direção da “recursividade” da arquitetura usual de redes neurais. Alguns chamariam tal passo de meta redes neurais” e outros de rede neurall Gödeliana, ambos os nomes aludindo à natureza auto-referencial da arquitetura: “redes de redes”.

Pra dar um exemplo concreto dum problema que estamos atacando atualmente, vamos pensar em termos do Código Morse: imagine que o nosso EB é como uma criança que ainda não aprendeu a falar e se pergunte: “Como é que uma criança aprende um idioma?” Agora vamos fazer de conta que o idioma não é uma das línguas faladas ao redor do globo, mas sim Código Morse… e, ao invés de termos uma criança, temos uma arquitetura de redes neurais, um EB. 😉

O que a gente pretende fazer é colocar um sinal de código Morse como dado de entrada para o EB e, do outro lado dessa “caixa preta”, tirar a mensagem descodificada. O EB tem que aprender código Morse e identificá-lo com os símbolos usuais do alfabeto, pra assim poder dar como saída a mensagem apropriada.

Quem está acostumado com o paradigma usual de redes neurais e Teoria de Hebb já deve ter percebido que esse tipo de approach não vai funcionar no caso do EB. A pergunta, então, se põe sozinha: “E agora, José?” 😉

O insight é não pensar em termos de “memória”, mas sim em termos de “dinâmica de informação”. Ou seja, ao invés de tentarmos ficar memorizando padrões em cima de padrões, pra depois associar a outros padrões, e assim por diante… a idéia é se notar que, assim como em Teorias de Gauge, há muita informação repetida e muito ruído nesse problema. Então, se Teorias de Gauge funcionam tão bem na Física… por que não tentar implementar um pouco delas em Redes Neurais?! 😈

É exatamente isso que estamos fazendo atualmente, criando um modelo para o EB em termos de Teorias de Gauge. Ou seja, há dois tipos de “dinâmicas” em jogo, uma “interna” e outra “externa” (por falta de nomes melhores). A “interna” é como a simetria de gauge em Física, e fornece a dinâmica dos graus-de-liberdade das partículas de gauge, enquanto que a “externa” é a dinâmica dos campos propriamente ditos. Dessa forma a gente estabelece dum modo bem claro uma relação de ‘recursividade’: a dinâmica “interna” determina o estado “externo” e vice-versa (num sistema de feedback).

Então, a gente pode pensar num Modelo de Potts com 3 estados: ponto, espaço, e ‘espaço branco’ (entre palavras). Esses 3 estados estão sujeitos a uma certa “dinâmica interna” — à la BSB, cf. Learning and Forgetting in Generalized Brain-State-in-a-Box (BSB) Neural Associative Memories — que é descrita por um sistema dinâmico (BSB), e o resultado dessa dinâmica “interna” seleciona um determinado estado para a dinâmica “externa”, que é guiada, por exemplo, por uma dinâmica do tipo BSB também (mas pode ser algum outro tipo, isso não é muito relevante no momento).

Pra apimentar ainda mais esse paradigma, nós estamos implementando ‘operadores de nós’ (knot operators), que são estados topológicos e robustos perante uma gama de “perturbações” do EB. Como esses estados são robustos, é fácil transportá-los hierarquicamente, de um nível hierárquico para outro. O que leva a algumas especulações bastante não-triviais sobre o “aprendizado” do EB — ao contrário do que é normalmente feito em “Teoria Habbiana”.

Bom, por enquanto é só… quem quiser ler um pouco mais sobre o trabalho, pode dar uma olhada num artigo (um pouco antigo, é verdade — o novo vai sair quando eu acabar de escrever 😉 ) disponível no livro abaixo:

Żak, S., Lillo, W., & Hui, S. (1996). Learning and Forgetting in Generalized Brain-state-in-a-box (BSB) Neural Associative Memories Neural Networks, 9 (5), 845-854 DOI: 10.1016/0893-6080(95)00101-8

SciBloWriMo…

segunda-feira, 8 nov 2010; \45\UTC\UTC\k 45 1 comentário

O mês de Novembro é conhecido no meio literário como NaNoWriMo, National Novel Writing Month.

Um pessoal da Matemática decidiu pegar carona nessa idéia de criar o MaBlogWriMo: Math Blog Writing Month. A idéia, como descrita no link, é a de se escrever todo dia um post com até 1.000 palavras sobre matemática. 😎

Então, parafraseando ambos esses eventos, vou começar o SciBloWriMo: Science Blog Writing Month! 😈

Eu vou aproveitar que vou dar uma palestra na conferência Miami 2010 e pegar uma carona pra falar dum tema que eu já venho trabalhando há algum tempo: o espaço de soluções (aka moduli space) de teorias quânticas de campo e suas simetrias. Esse será um dos temas do SciBloWriMo aqui no AP.

O outro tema é o de um trabalho que eu venho realizando atualmente, em colaboração com um pessoal da Neurociência, sobre o funcionamento hierárquico e maçissamente paralelo do cérebro, chamado Ersätz-Brain.

Assim que os posts forem ficando prontos, eu os linko aqui,

  • Álgebra, Teoria da Representação e Picard-Lefschetz;
  • Neurociência e o Projeto Ersätz-Brain: Teoria de Gauge, Variáveis de Nós e o Funcionamento Hierárquico do Cérebro.

É isso aí: espero que ninguém esteja com medo do frio! 😉

“Eu acho que vi um gatinho…”

quinta-feira, 25 jun 2009; \26\UTC\UTC\k 26 2 comentários

Parece haver espirais verdes e azuis — na verdade, elas são idênticas (R=0, G=255, B=150).

Parece haver espirais verdes e azuis — na verdade, elas são idênticas (R=0, G=255, B=150).

A razão delas parecerem diferentes é porque nosso cérebro avalia a cor dum objeto por comparação com as cores ao redor. Nesse caso, algumas das espirais não são contínuas como parecem: as laranjas não atravessam as azuis, e as magentas não atravessam as verdes — basta dar um zoom pra perceber. 😉

O padrão é em espiral porque nossos cérebros gostam de preencher lacunas dum padrão. Apesar das espirais não serem da mesma cor ao longo de todo comprimento, o fato delas se cruzarem (e criarem lacunas que o cérebro gosta de preencher) faz com que nosso cérebro pense que elas o são.

Portanto, fica a lição: Não acreditem naquilo que vcs vêm com seus próprios olhos! 😎 Os olhos não são câmeras tirando fotos fiéis de toda a verdade absoluta que está ao nosso redor. Há filtros, e nosso cérebro tem que interpretar todas as informações que lhe são enviadas. Cores não são o que parecem ser, formas não são o que parecem ser!

Então, muito cuidado com aquilo que vcs vêm por aí… 😈

%d blogueiros gostam disto: