Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Experimentos Relacionados

Aprender en y desde dispositivos basados en el cerebro.

Gerald M Edelman1

  • 1Neurosciences Institute, 10640 John Jay Hopkins Drive, San Diego, CA 92121, USA. edelman@nsi.edu

Science (New York, N.Y.)
|November 17, 2007
PubMed
Resumen
Este resumen es generado por máquina.

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Spontaneous emergence of fast attractor dynamics in a model of developing primary visual cortex.

Nature communications·2016
Same author

Imagery May Arise from Associations Formed through Sensory Experience: A Network of Spiking Neurons Controlling a Robot Learns Visual Sequences in Order to Perform a Mental Rotation Task.

PloS one·2016
Same author

Physical evidence supporting a ribosomal shunting mechanism of translation initiation for BACE1 mRNA.

Translation (Austin, Tex.)·2016
Same author

Reentry: a key mechanism for integration of brain function.

Frontiers in integrative neuroscience·2013
Same author

Temporal sequence learning in winner-take-all networks of spiking neurons demonstrated in a brain-based device.

Frontiers in neurorobotics·2013
Same author

Versatile networks of simulated spiking neurons displaying winner-take-all behavior.

Frontiers in computational neuroscience·2013
Same journal

Erratum for the Research Article "Detecting supramolecular organic nanoparticles during heat wave".

Science (New York, N.Y.)·2026
Same journal

Local signals, systemic decline.

Science (New York, N.Y.)·2026
Same journal

The mechanics of liver regeneration.

Science (New York, N.Y.)·2026
Same journal

Computing in a memory with physics.

Science (New York, N.Y.)·2026
Same journal

Retraction.

Science (New York, N.Y.)·2026
Same journal

Making time.

Science (New York, N.Y.)·2026
Ver todos los artículos relacionados

Los investigadores desarrollaron dispositivos basados en el cerebro (BBD) con cerebros simulados para la categorización ambiental autónoma. Estos BBD ofrecen información sobre la función cerebral y aplicaciones potenciales en máquinas inteligentes híbridas.

Área de la Ciencia:

  • La neurociencia es la neurociencia.
  • Robótica y Robótica Robótica y Robótica Robótica Robótica Robótica Robótica Robótica Robótica
  • La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

  • Los robots tradicionales de IA se basan en una programación explícita.
  • Los dispositivos móviles de base biológica ofrecen un nuevo enfoque para el funcionamiento autónomo.
  • Los cerebros simulados permiten a los dispositivos procesar señales ambientales sin instrucciones predefinidas.

Objetivo del estudio:

  • Para describir dos nuevos dispositivos basados en el cerebro (BBD), Darwin VII y Darwin X.
  • Para ilustrar las capacidades de categorización autónoma de los BBD.
  • Explorar el potencial de los principios de BBD en el desarrollo de máquinas híbridas.

Principales métodos:

Videos de Experimentos Relacionados

  • Construcción de dispositivos móviles de base biológica con cerebros simulados.
  • Implementación de la categorización autónoma de señales del entorno.
  • Utilizando el acondicionamiento instrumental para el reconocimiento de objetos y la vinculación del comportamiento (Darwin VII).
  • Desarrollo de la memoria episódica para 'qué', 'cuándo' y 'dónde' la integración de señales (Darwin X).

    • Principales resultados:

    • Darwin VII reconoció con éxito los objetos y las categorías vinculadas al comportamiento a través del condicionamiento instrumental.
    • Darwin X demostró la capacidad de formar recuerdos episódicos y localizar objetivos utilizando señales ambientales.
    • Ambos BBDs exhibían una categorización autónoma de las señales ambientales.

    Conclusiones:

    • Los dispositivos basados en el cerebro proporcionan una plataforma para comprender los mecanismos cerebrales.
    • Los principios de los BBD pueden informar el desarrollo de máquinas híbridas.
    • Las máquinas híbridas pueden integrar las capacidades de aprendizaje de BBD con sistemas de control programados.