Раздел 2. Методы повышения физической работоспособности

Рассмотрев некоторые методы оценки физической работоспособности, далее рассмотрим методы её повышения.

Рассматривая физические упражнения как одно из основных средств оптимизации двигательной активности, следует признать, что на современном этапе реальная физическая активность населения не отвечает взросшим социальным запросам физкультурного движения и не гарантирует эффективного повышения физического состояния населения. Системы специально организованных форм мышечной деятельности, предусматривающие повышение физического состояния до должного уровня “кондиции”, получили название “кондиционных тренировок” “оздоровительных”. Методы таких тренировок различаются по периодичности, мощности и объему.

Существуют три метода таких тренировок:

Первый метод предусматривает преимущественное использование упражнений циклического характера (ходьба” бег, плавание, велосипед), проводимых непрерывно 30 и более минут.

Второй метод предполагает применение упражнений скоростно-силового характера (бег в гору, спортигры, упражнения с оттягивающими, сопротивлением, тренажеры), деятельность работы от 15 сек до 3 минут с числом повторений 3-5 раз с периодами отдыха.

Третий метод использует комплексный подход к применению физических упражнений, стимулирующих как аэробную, так и анаэробную производительность, совершенствующих двигательные качеств.

 

29. Томографические методы исследования мозга.

Все более широко в настоящее время как в науке, так и в клинике применяются томографические методы исследования головного мозга человека. Они позволяют увидеть строение и особенности работы головного мозга человека, не повреждая его. Один из таких методов - метод магнитно-резонансной томографии. Головной мозг облучают электромагнитным полем, применяя для этого специальный магнит. Под действием магнитного поля диполи жидкостей мозга (например, молекулы воды) принимают его направление. После снятия внешнего магнитного поля диполи возвращаются в исходное состояние, при этом возникает магнитный сигнал, который улавливается специальными датчиками. Затем это эхо обрабатывается с помощью мощного компьютера и методами компьютерной графики отображается на экране монитора. Благодаря тому, что внешнее магнитное поле, создаваемое внешним магнитом, можно сделать плоским, таким полем как своеобразным «хирургическим ножом» можно «резать» головной мозг на отдельные слои. На экране монитора ученые наблюдают серию последовательных «срезов» головного мозга, не нанося ему никакого вреда. Этот метод позволяет исследовать, например, злокачественные образования головного мозга.

Еще более высоким разрешением обладает метод позитронно-эмиссионной томографии (ПЭТ). Исследование основано на введении в мозговой кровоток позитрон-излучающего короткоживущего изотопа. Данные о распределении радиоактивности в мозге собираются компьютером в течение 15-30 мин сканирования и затем реконструируются в трехмерный образ. Во время регистрации исследуемого просят заняться определенной интеллектуальной деятельностью, например почитать (про себя или вслух), послушать музыку или решить математическую задачу. Метод позволяет наблюдать в головном мозге очаги возбуждения, например, при продумывании отдельных слов, при их проговаривании вслух, что свидетельствует о его высоких разрешающих возможностях. Вместе с тем многие физиологические процессы в головном мозге человека протекают значительно быстрее тех возможностей, которыми обладает томографический метод. В исследованиях ученых немаловажное значение имеет также финансовый фактор, т. е. стоимость исследования. К сожалению, томографические методы очень дороги.

Виды томографии: Компьютерная томография (КТ) Ядерно-магнитно-резонансная томография мозга. Позитронная эмиссионная томография функционально магнитно резонансная томография мозга

Компьютерная томография (КТ) — новейший метод, дающий точные и детальные изображения малейших изменений плотности мозгового вещества. КТ соединила в себе последние достижения рентгеновской и вычислительной техники, отличаясь принципиальной новизной технических решений и математического обеспечения. В отличие от рентгена, где виден только один вид части тела, КТ позволяет увидеть поперечный срез.

Измеренные излучение и степень его ослабления получают цифровое выражение. По совокупности измерений каждого слоя проводится компьютерный синтез томограммы. Завершающий этап — построение изображения исследуемого слоя на экране дисплея. Для проведения томографических исследований мозга используется прибор нейротомограф.

Помимо решения клинических задач (например, определения местоположения опухоли) с помощью КТ можно получить представление о распределении регионального мозгового кровотока. Благодаря этому КТ может быть использована для изучения обмена веществ и кровоснабжения мозга.

В ходе жизнедеятельности нейроны потребляют различные химические вещества, которые можно пометить радиоактивными изотопами (например, глюкозу). При активизации нервных клеток кровоснабжение соответствующего участка мозга возрастает, в результате в нем скапливаются меченые вещества и возрастает радиоактивность. Измеряя уровень радиоактивности различных участков мозга, можно сделать выводы об изменениях активности мозга при разных видах психической деятельности.

Компьютерная томография стала родоночальницей ряда других еще более совершенных методов исследования: томографии с использованием эффекта ядерного магнитного резонанса (ЯМР-томография), позитронной эмиссионной томографии (ПЭТ), функционального магнитного резонанса (ФМР). Эти методы относятся к наиболее перспективным способам неинвазивного совмещенного изучения структуры, метаболизма и кровотока мозга.

При помощи компьютерной томографии можно получить множество изображений одного и того же органа и таким образом построить внутренний поперечный срез, или «ломтик» этой части тела. Томографическое изображение — это результат точных измерений и вычислений показателей ослабления рентгеновского излучения, относящихся только к конкретному органу.

Таким образом, метод позволяет различать ткани, незначительно отличающиеся между собой по поглощающей способности.

 

Методы прижизненной оценки включения областей мозга в процессы обработки информации. Изображения мозга

Френологи в свое время предполагали, что исследуя нервности на поверхности черепа, они могут понять работу мозга. Несмотря на то, что сегодня эти идеи кажутся смешными, однако идея визуализации мозга завораживала людей в течение многих лет. Теперь мы на самом деле можем заглянуть внутрь черепа благодаря современным технологиям. Современные сканнеры на основании различных методов позволяют увидеть нейроны, филаменты, кровоток или энергетический метаболизм в ткани мозга, и их нарушения.

Пути современной техники

В попытках исследовать связи между структурой и функцией неврологи и нейропсихологи достигли в свое время значительных успехов при посмертном изучении мозга. Именно таким образом были идентифицированы корковые центры речи Брока (Broca). Несмотря на успехи, такой подход имел существенные ограничения. Ведь не всегда можно сделать вывод, что потеря функции происходит именно из-заповреждения этой области мозга. Так, дефицит также может возникнутьиз-запоражения ассоциативных связей между областями мозга. Кроме того, неповрежденные участки мозга способны в определенной степени перенять утраченные функции – в этом и заключается пластичность. Наконец, крайне редко патологические процессы повреждают всего одну функциональную область мозга, и часто промежуток времени между изучением неврологического статуса пациента и мозговой структуры может занять несколько десятков лет.

Техники прижизненного изучения структуры мозга стали развиваться около 30 лет назад. Возможность функциональной визуализации привлекла особенное внимание неврологов. Ведь стало возможным буквально заглянуть внутрь черепа, увидеть, как человеческий мозг работает, думает, учится и даже видит сны.

Как это работает

Электрофизиологические техники для мониторинга нейрональной активности основаны на изменениях мембранного потенциала активированных нейронов. Мозг-сканнирующаятехника основана на энергетических изменениях, возникающих при работе нейронов.

Электрохимические градиенты, переносящие и выносящие заряженные ионы из нейронов (что лежит в основе синаптических потенциалов и потенциалов действия) требуют энергетических затрат, основным источником которых является окисление глюкозы. Кислород и глюкоза доставляются в мозг посредством кровотока. Особенностью церебральной гемодинамики является быстрое увеличение кровотока в активных участках. Современные аппараты измеряют изменения кровотока и используют их в качестве индекса нейрональной активности.

Среди функциональных методов исследования первой была открыта позитрон-эмиссионнаятомография (ПЭТ). Эта техника основана на введении радиоактивных меток, специфически соединяющихся с объектом исследования. Кольцевые детекторные установки вокруг головы фиксируют появление, локализацию и постепенное угасание активности изотопов. ПЭТ может быть использована для картирования церебрального кровотока. Эти измерения позволяют четко локализовать функциональные когнитивные, сенсорные и моторные центры мозга. Существуют и недостатки метода, среди которых основным считается применение радиоактивных меток. Это значит, что применение ПЭТ ограничено у детей и женщин детородного возраста, а также ограничена кратность сканирования.

Другая техника, основанная на ядерно-магнитнойрезонансной (ЯМР) томографии, является неинвазивной и не требует применения радиоактивных субстанций.

Слева: Доходы от продаж альбомов ”Битлз” позволили оплатить создание первых мозговых сканнеров.

Справа: Современный ЯМР сканнер. Исследуемый лежит на специальном столе, который проходит через сканирующие магнитные кольца. Процедура занимает от 30 минут до часа.

измененного кровотока в головном мозге.

Поэтому для ЯМР томографии нет возрастных ограничений, получаются довольно качественные изображения мозга, а новая техника на основе диффузного тензорного изображения (ДТИ) позволяет верифицировать также ассоциативные тяжи белого вещества, соединяющие различные участки мозга.

Но наиболее впечатляющим является получение функциональных изображений мозга (фЯМР). Техника исследования основана на разнице в магнетических свойствах оксигемоглобина и деоксигенированного гемоглобина в крови (и сигнал в фЯМР является зависящим от уровня оксигенации кислорода, BloodOxygenation- Level-Dependent signal – BOLD). Как только увеличивается активность нейронов и начинается ионный поток в энергетических помпах, увеличиваюся и траты кислорода и потребности в энергии. Это приводит к увеличению количества деоксигенированного гемоглобина и снижению сигнала, тогда как повышенное потребление кислорода следует всего через секунду за увеличением локальной перфузии. С увеличением кровотока возникает увеличение потрребления кислорода, таким образом, возникает относительное увеличение количества оксигемоглобина и увеличение сигнала. Точный механизм увеличения церебралной перфузии еще окончательно не выявлен, однако предполагается что здесь также вовлечены нейротрансмиттеры.

Применение на практике

Возможно, вы имеете способности в вычитании чисел. А пытались ли вычитать мозги? Поэтому и мальчик на рисунке внизу так сконфужен. Вычитание мозговых изображений на 2-3плоскостях предоставляет возможности для анаализа. Большинство фЯМР также измеряют BOLD сигналы. При сканировании производится мониторинг поведенческих реакций на различные стимулы. Например, можно подавать зрительные изображения на экран или слуховые стимулы через наушники. И таким образом становится возможным изучение феноменов восприятия, обучения, запоминания, мышления или планирования.

Часто ставятся две похожие задачи, решение которых требует последовательного разрешения каждой. Идея заключается в том, что первая должна включать заинтересованную область мозга, а вторая – нет. Полученные избражения мозга отнимаются друг от друга для получения пикселированного 2D изображения всех изменений, возникших при решении первой задачи. После этого два изображения соединяются друг с другом на компьютере для получения изображения уже в 3 плоскостях (см рисунок на предыдущей странице). Последния достижения техники позволяют измерять и фиксировать даже короткие мысли или же мозговые события (продолжительностью всего в несколько секунд). Сейчас это носит название события-зависимаяфЯМР томография. Надежные методды анализа информации позволяют верифицировать изменения интенсивности сигнала во время проведения эксперимента, так что эти тесты статистически достоверны. Сейчас широко используется пакет обработки получаемых изображений под названием статистическоепозволило выяснить, что понимание цвета (слева) происходит в V4, когда понимание движения (движущиеся точки справа) активирует V5.

параметрическое картирование (СПК). СПК карты часто даются в цвете, где желтым окрашены самые активные участки активности, а синим или черным

– наиболее пассивные участки.

Специалисты указывают на ‘включение’ определенных участков при выполнении задачи. Если испытуемый смотрит постоянно изменяющийся паттерн, у него активируется первичная зрительная кора. Применение движущихся окрашенных паттернов позволило выяснить строение человеческой зрительной системы. Похожие исследования были проведены для других чувствительных систем. Эта локализационная техника позволила идентифицировать участки мозга, вовлеченные в процесс чтения – трансформация зрительного изображения в фонологический код, группирование букв в слова, понимание смысла слов, и тд. Обучающие задачи, включая выявления участков мозга, вовлеченных в рецепцию и ожидание боли, также были исследованы.

Однако, с проведением исследований возникли и сюрпризы. Так, возникла неожиданная неспособность

Активация области V5 указывает на восприятие движения. Информационные связи этой области включают участок V2 коры и пулвинар (Pul) в глубине мозга. Задне-теменнаякора (posterior parietal cortex (PPC) контолирует поток информации. Совместная работа обеспечивает эффективное управление.

увидеть активацию медиальной теменной извилины при рутинных тестах на долгосрочную память. Однако, новые парадигмы, включая виртуальную реальность, доказали активность именно этой области мозга при обрабоке памяти наряду с префронтальной корой и прекунеус. После рассмотрения полученных данных с новыми нейропсихологическими тестами наше понимание системы памяти мозга было пересмотрено. Новые математические техники позволили выяснить, как нейрональная активность в различных участках мозга коррелирует дла выполнения поставленных комплексных задач - так называемые эффективные связи. Именно эти исследования позволяют понять комплексную работу различных участков мозга в составе ”одной команды”.

Существует надежда, что новые технологии, с мощными магнитами и более качественным изображением, позволят нам выявить динамические связи нейронов и нейрональных сетей во время выполнения совместных действий, мысли и восприятия.

Передовая наука

 

Нейрональные сети и искусственный мозг

Настоящий мозг похож на плотное желе. Нейроны, сосуды, заполненные ликвором желудочки, состоят из липидныйх мембран, белков и огромного количества воды. Вы можете щелкнуть по мозгу пальцем, разрезать его на микротоме, внедрить электроды, исследовать кровоток. Кажется, что изучение мозга твердо закреплено за биологией и медициной, однако, другая точка зрения привлекла пристальное внимание математиков, физиков, инженеров и программистов. Они при своем описании и изучении мозга пишут формулы, создают комьпютерные программы и даже устройства, имитирующие работу настоящих нейронов в мозге.

Настящий мозг имеет высокие адаптационные способности. Он может понять незнакомую речь и позволить принимать неправильные решения. Функции мозга сохраняются на всю жизнь, несмотря на неизбежную гибель клеток, и даже при старении мозг все еще способен к изучении новых ”трюков”. Современные роботы способны отлично выполнять ограниченную работу, для которой они были созданы – например, сборке части автомашины, и конечно, не могут позволить себе ошибаться.

Настоящий мозг состоит из многочисленных нейрональных сетей. И конечно же, для работы нейронам нужна энергия, а сетям – пространство. В состав нашего мозга входят приблизительно 100 миллиардов нервных клеток, 3.2 миллиона километров “проводов”, миллион-миллиардовсинапсов, и все это помещено в объеме 1.5 литров, весит около 1.5 кг и потребляет 10Вт энергии. Силиконовый аналог мозга для работы в аналогичном режиме потребовал бы 10 мегаваттов

– столько составляет потреблени электричества одного города. И конечно же, при этом выделялось бы столько тепла, что силиконовый мозг раславился бы! Так что нам еще предстоить выяснить, как же мозг так эффективно и экономично работает, и на основании тех же принципов создавать искусственный интеллект.

Твой мозг состоит из 100,000,000,000 клеток и 3,200,000 км проводов, 10х1014синапсов, и все это помещено в объеме 1.5 литров, весит около 1.5 кг, и использует энергию, равную потреблению всего одной лампочки!

Построение мозга в силиконе

Энергетические затраты передачи сигналов от одного нейрона к другому, возможно, явились

основными факторами при эволюции мозга.
Около 50-80%потребления энергии в мозге
приходится на потенциалы действия и
синаптическую передачу. Остальное тратится на
производство и поддержание. Это применимо как к
мозгу пчелы, так и человека. Тем не менее,
скорость проведения нервных импульсов		уступает
(несколько метров в секунду) значительно
скорости компьютеров. Такая скорость		проведения
в процессорах сделала бы их работу		невозможной.
Биологический мозг сконструирован на		нейронов
паралелльных сетях, и большинство
связаны с тысячей других. Мозг в полной мере
использует свою 3D структуру для компактной
упаковки всех функциональных соединений. В
отличие от натурального, даже скромное
количество связей на силиконовой пластине
ограничено только 2D структурой и размерами
пластины. Тем не менее, современные
высокоскоростные технологии позволяют
передавать несколько сигналов от различных
силиконовых нейронов через один провод. Таким
образом, инженеры	силиконовых нейронов
пытаются превзойти соединения биологических
нейронов.

Для снижения энергетических затрат и увеличения скорости биоинженеры стали задумываться о применении аналогового, а не цифрового кодирования. Так, Carver Mead, один из ‘гуру’ Силиконовой долины в Калифорнии, придумал термин ‘нейроморфическая инженерия’ для разъяснения переноса нейробиологии в технологию. Вместо цифрового кодирования в 0 или 1, аналоговые сети кодируют изменением вольтажа, как и нейроны в подпороговом состоянии (Глава 3). Подсчеты при этом могут проводиться меньшим количеством действий, как это позволяет физика силиконовых приборов.

Аналоговые компьютеры легко производят примитивные подсчеты – прибавление, вычитание, экспоненты и интегралы, сложные процедуры для цифровых машин. Когда нейроны – биологические или силиконовые – производят подсчеты или принимают решения, они посылают сигналы к другим клеткам. Так как пиковые сигналы энергетичеки дорого обходятся, в результате эффективного кодирования увеличивается количество информации, уменьшается излишнее количество потребления энергии. Кроме того, использование минимального количества активных нейронов также способствует сбережению энергии. Этот процесс носит название “редкого” кодирования и создает основы другого важного принципа, заложенного в основе строительства искусственных нейрональных сетей.

 

Силиконовая сетчатка

Одним из простых искусственых копий биологических структур явилась силиконовая сетчатка, улавливающая свет и автоматически приспосабливающаяся к условиям освещения. Она связана с двумя силиконовыми нейронами, которые, как нейроны в визуальной коре, улавливают информацию об углах и цветовых контрастах из изображения на ретине.

Нейроны такого прототипа называются

интегрирующие–и-запускающиенейроны и очень часто используются в нейроморфической инженерии Свое название они получили из-за того, что добавляют вольтаж подходящего к синапсу сигнала и запускают потенциал действия только при условии достижения пороговых величин. Сами силиконовые нейроны состоят из транзисторов, но для минимализации энергетических затрат они работают в подпороговом режиме. Именно так они действуют как клеточные мембраны настоящих нейронов. Дополнительные транзисторы предоставляют активные потоки, способные превзойти вольтаж- и время-зависимые потоки настоящих ионных каналов. Такая маленькая визуальная система является прототипом больших искусственных систем, находящихся в стадии создания, но и она уже способна показать как будет развиваться наука. Эта система способна выполнить свое предначертание – анализировать направление линий - и нейроученые уже используют силиконовые зрительные системы для проверки оборудования или обучения студентов. И, наконец, самое важное в искусственных системах это то, что они работают в реальном мире, времени и используют небольщое количество энергии.

Линзы камеры установлены на передней панели силиконовой ретины.

Искусственные нейрональные сети

Искусственные нейрональные сети (аrtificial neural networks, ANN) очень часто используются для изучения процессов обучения и памяти. Обычно они базируются на конвенциональном цифровом компьютере, состоят из нескольких простых процессоров, которые высоко интегрированы в сеть. Простой формой ANN является фид-форвардассоциатор, который состоит из взаимосвязанных слоев для входящих и исходящих сигналов. Ассоциативная память закодирована при помощи модификации силы, связывающей слои таким образом, что новый входящий паттерн анализируется и сравнивается с имеющимся (см. Математический Пазлящик на следующей странице). Более комплексаня сеть ANN составляет реккурентную нейрональную сеть, которая состоит из одного слоя, где каждая отдельная единица взаимосвязана и все единицы могут служить как проводники входящих, тк и исходящих сигналов. Как бы это не звучало странно, но такой дизайн позволяет сети больше сохранять паттерны, чем буквально пару единиц информации. Декодирование аутоассоциативной сети приводит к обнаружению сохраненного паттерна. В сети, состоящей из 1000 единиц можно восстановить около 150 паттернов прежде, чем ошибки в восстановленных паттернах станут слишком большими.

Похожесть ANN и мозга лежит в основе процессов сохранения и обработки информации. ‘Знание’ о том, что сам процесс происходит в самой системе. Нет дополнительного места сохранения памяти (как процессор цифрового компьютера), для которого арифметический процессор и адреса ячеек памяти разъедины. Вместо этого они обладают адресно-содержимымхранилищем. В ANN информация сохраняется в плотности связей точно так, как синапсы меняют свою силу при обучении. Никакая ANN не запрограммирована для производствакакой-либопроцедуры. Каждый 'нейрон' внутри системы - тупой, и просто отвечает на входящие сигналы. И все же, они могут обучиться умным вещам. Правило обучения заключается в модификации силы межнейрональных связей, как правило, при этом оцениваются входящий и исходящий сигнал, и сравниваются с желанным сигналом. Каждая ”ошибка” в сравнении в дальнейшем используется для достижения более близкого к желанному исходящему сигналу. Таким образом сеть сводит неправильные сигналы к минимуму. Это на самом дело работает, только очень медленно.

Ошибки являются важной составляющей – система не может обучиться при безошибочном функционировании. Последнее является признаком переобученной системы: безошибочно работающая сисема перестает отвечать на стимулы и только при единственном типе стимуляции возможен ответ. Такие системы метафорно называются ”бабушки” - по аналогии с мифическими “бабушкиными клетками” в головном мозге человека, которые должны безошибочно реагировать только на пояление бабушки! В принципе, это не так применимо в реальном мире, так как обучение новому потребует создания отдельной сети. Но надо указать, что ANN способны генерализовать входящие паттерны, с которымы они никогда не встречались в процессе обучения. Они видят взаимоотношения, схватывают ассоциации и обнаруживают повторения в паттернах. И как настоящий мозг, они могут ошибаться! Они все еще способны восстановить сохранненый паттерн даже в том случае, если входящий паттерн неполон и нечист. Этот факт является важной особенностью как биологического мозга, так и искусственных нейрональных сетей.

Парадокс современной компьютерной технологии

Парадоксом сегодняшнего дня является факт, что ANN	Математический пазл-ящик
можно симулировать математически на цифровом
компьютере. Их применение в реальном мире
ограничивается, так как симуляции требуют	Содержимо-адреснаяпамять
дополнительного времени, и таким образом,
ANNнеспособны оперировать в реальном времени. ANN	Представьте себе перекрещивающиеся 4
идеальны для вождения автомобиля или управления
самолетом, ведь они способны работать даже в условиах,	вертикальных и горизонтальных провода в
когда какие-тоединицы сети выходят из строя. Однако,	контактами в месте перекреста (рис. A). Это и есть
экспертные системы, заложенные в детерминированное	матрикс памяти. Информация представлена в виде
программное обеспечение атопилота, работают на	двоичных чисел (как 0011	или 1010), и синапсы
цифровых компьютерах и всегда дублируются. Но если в	включаются, когда 1 встречается с 1 (B, показано
самолете произойдет серьезный сбой, даже такая	серым). Здесь сохраняется эта пара чисел. Матрица
экспертная система не сможет овладеть ситуацией, и за	может сохранить другие числа над этой парой, как
штурвал должен сесть человек. Современные обучающие	1010 и 0110. Окончательный вариант матрицы
алгоритмы для ANN работают крайне медлено в	должен иметь 7 переходников как на рисунке С.
неотложных ситуациях. И чем больше мы понимаем	Если снова представитьпервое число - 0011 –
работу головного мозга, тем реальнее становятся наши	окончательному варианту матрицы, ток будет
возможности в создании искусственного интеллекта,	вырабатываться в вертикальных проводах, где
сопоставимого с человеческим мозгом.	локализованы переключатели (D), и вы увидите
	электрический поток от проводов, в основе
	пропорциональный числу 2120. Это не число 0011,
	сохраненное в начале. Но если вы разделите 2120
	на количество единиц (0+0+1+1 равно 2) с
	применением интеграционного разделителя, у вас
	получится 1010. Таким обазом, матрица
	“запомнила” что 0011 идет вместе с 1010, несмотря
	на наличие дополнительной сохраненной
	информации над ней. Конечно, вы можете
	проверить эту работу со второй парой чисел.
	A	B

NOMAD - пока еще суетливый, на уже полный мыслей предшественнник думающих машин. Его рост составляет 2 фута, тело цолиндрической формы, он имеет “глаза”, “уши”, “руки” и другие сенсоры для обеспечения навигации. NOMAD отличается от других машин тем, что он существует без закодированных инструкций или правил. Вместо этого он обладает компьютерным мозгом, состоящим из 10,000 ”клеток” и более миллиона контактов для обеспечения прецепции и реакций. Он может овладеть новой ситуацией и учиться на ошибках, ”пробовать на вкус” окружающий мир - окрашеннные кубики. Полосатые кубы обладают электорпроводимостью, что делает их ”вкусными”, окрашенные в горошек – не проводят электричества, что делает их невкусными. Путем собственных ошибок NOMAD научился искать вкусные полосатые кубики и избегать окрашенные в горошек.

C D

Этот тип памяти имеет специальную локализацию – как в компьютере. Вся информация распеределна по сети, сохранена в синапсах и может быть востребована в соответствии с содержанием. Проблема такой памяти заключается в том, что насыщение происходит слишком быстро, особенно когда там только 4 провода. Однако, при наличии 1000 пар проводов, матрикс может сохранить множество перекрещивающихся информационных сообщений.

		Соответствующие сайты: www.artificialbrains.com
	http://www.ini.unizh.ch/

30.