a
Maria Sokolova
нуууу чисто технически оно возникло благодаря эволюции приматов, которые вместо того, чтобы есть бананы и прыгать по лианам захотели выжигать себе кодом глаза
Ахаха
Size: a a a
2020 January 25
γσ
да попрыгать
.
Короче суть в том, что в программирование принесли дохера всего прежде всего из биологии, а потом уже из математики и всего остального
a
Ahuet сколько text (bukvi)
AE
Они, как известно, участвуют в prediction errors сигналах
a
Где текст
AE
They, как известно, участвуют в prediction errors signals
.
Где текст
Бля, соре
.
Где текст
Интересный текст про точку соприкосновения computer science и neuroscience. Рассказывают про недавнюю статью из nature, где попытались уточнить вычислительную функцию дофаминовых нейронов – они, как известно, участвуют в prediction errors сигналах. То есть сигнализируют об ошибке в ожиданиях, а потому усиливают обучение там, где эта ошибка произошла.
В общем, дофаминергические нейроны, похоже, имеют разные уровни пессимизма и оптимизма (почему бы и не назвать нейрон пессимистом – так забавнее). Получается, что предсказания о вознаграждении у каждого нейрона (или популяции, скорее) свои, а потому и сигналы об ошибках в ожидании тоже подчиняются индивидуальным колебаниями. Возможно, так поддерживаются более сложные и комплексные репрезентации событий. А ещё такой же принцип работает в модификации reinforcement learning алгоритмов, используемых в создании ИИ. А конкретно – в distributional reinforcement learning алгоритме, которым и вдохновлялись при проведении исследования.
https://deepmind.com/blog/article/Dopamine-and-temporal-difference-learning-A-fruitful-relationship-between-neuroscience-and-AI
В общем, дофаминергические нейроны, похоже, имеют разные уровни пессимизма и оптимизма (почему бы и не назвать нейрон пессимистом – так забавнее). Получается, что предсказания о вознаграждении у каждого нейрона (или популяции, скорее) свои, а потому и сигналы об ошибках в ожидании тоже подчиняются индивидуальным колебаниями. Возможно, так поддерживаются более сложные и комплексные репрезентации событий. А ещё такой же принцип работает в модификации reinforcement learning алгоритмов, используемых в создании ИИ. А конкретно – в distributional reinforcement learning алгоритме, которым и вдохновлялись при проведении исследования.
https://deepmind.com/blog/article/Dopamine-and-temporal-difference-learning-A-fruitful-relationship-between-neuroscience-and-AI
AE
Больше английских слов в русском тексте, прошу
AE
А то читать неудобно
.
Телега лагает
a
Интересный текст про точку соприкосновения computer science и neuroscience. Рассказывают про недавнюю статью из nature, где попытались уточнить вычислительную функцию дофаминовых нейронов – они, как известно, участвуют в prediction errors сигналах. То есть сигнализируют об ошибке в ожиданиях, а потому усиливают обучение там, где эта ошибка произошла.
В общем, дофаминергические нейроны, похоже, имеют разные уровни пессимизма и оптимизма (почему бы и не назвать нейрон пессимистом – так забавнее). Получается, что предсказания о вознаграждении у каждого нейрона (или популяции, скорее) свои, а потому и сигналы об ошибках в ожидании тоже подчиняются индивидуальным колебаниями. Возможно, так поддерживаются более сложные и комплексные репрезентации событий. А ещё такой же принцип работает в модификации reinforcement learning алгоритмов, используемых в создании ИИ. А конкретно – в distributional reinforcement learning алгоритме, которым и вдохновлялись при проведении исследования.
https://deepmind.com/blog/article/Dopamine-and-temporal-difference-learning-A-fruitful-relationship-between-neuroscience-and-AI
В общем, дофаминергические нейроны, похоже, имеют разные уровни пессимизма и оптимизма (почему бы и не назвать нейрон пессимистом – так забавнее). Получается, что предсказания о вознаграждении у каждого нейрона (или популяции, скорее) свои, а потому и сигналы об ошибках в ожидании тоже подчиняются индивидуальным колебаниями. Возможно, так поддерживаются более сложные и комплексные репрезентации событий. А ещё такой же принцип работает в модификации reinforcement learning алгоритмов, используемых в создании ИИ. А конкретно – в distributional reinforcement learning алгоритме, которым и вдохновлялись при проведении исследования.
https://deepmind.com/blog/article/Dopamine-and-temporal-difference-learning-A-fruitful-relationship-between-neuroscience-and-AI
К чему это
AE
Телега лагает
Сама русские слова changes на English ones
.
К чему это
Выше писал
d
да ногти просто под Юки косит, тот ведь тоже типа дохуя биолог
.
да ногти просто под Юки косит, тот ведь тоже типа дохуя биолог
Фу