Téléchargement de l'esprit

Résumé

Le téléchargement de l'esprit (mind uploading en anglais) est une technique hypothétique qui pourrait permettre de transférer un esprit d'un cerveau à un ordinateur, en l'ayant numérisé au préalable. Un ordinateur pourrait alors reconstituer l'esprit par la simulation de son fonctionnement, sans que l'on ne puisse distinguer un cerveau biologique « réel » d'un cerveau simulé. Fondements théoriques Les neurosciences et le courant scientifique du béhaviorisme ou comportementalisme (qui concerne aussi bien les spécialistes du langage que les psychologues) considèrent que des fonctions importantes telles que l'apprentissage, la mémorisation, la conscience, ne sont que les manifestations des processus physiques et électrochimiques à l’œuvre dans le cerveau. À ce titre, ces fonctions sont gouvernées par les lois de la physique. Bien que ce point soit historiquement contesté par plusieurs courants philosophiques, de nombreux chercheurs tels que Ray Jackendoff pour la linguistiq

Source officielle

https://fr.wikipedia.org/wiki/T%C3%A9l%C3%A9chargement_de_l'esprit

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (6)

Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés (19)

Concepts associés

Chargement

Cours associés (1)

Cours associés

Chargement

Séances de cours associées (1)

Séances de cours associées

Chargement

, , ,

We have developed a new tool that makes it possible for people with zero programming experience to intentionally and meaningfully explore the latent space of a GAN. We combine a number of methods from the literature into a single system that includes multiple functionalities: uploading and locating images in the latent space, image generation with text, visual style mixing, and intentional and intuitive latent space exploration. This tool was developed to provide a means for designers to explore the "design space" of their domains. Our goal was to create a system to support novices in gaining a more complete, expert understanding of their domain's design space by lowering the barrier of entry to using deep generative models in creative practice.

PMLR2022

Chargement

Data-driven reconstruction of a point neuron mouse brain

Csaba Erö

In this work, we present a semi-automatic method to reconstruct a mouse whole-brain model at the point-neuron level by integrating a wide array of biological data. Our process has three parts: cell position and type assignment, connectivity mapping, and simulation. Additional validation is performed at every step of the workflow. We obtain cell positions from a voxelized data sets derived from high-resolution Nissl stained microscope image stacks in the Allen Mouse Brain reference atlas (Lein, et al. 2007), and global constraint numbers for the whole-brain (Herculano-Houzel, Ribeiro, et al. 2011). We then assign the type of each cell using In Situ Hybridization (ISH) image data from the same atlas. Cells are classified as glia subtypes, excitatory neurons, or inhibitory neurons, leaving the possibility to further expand the diversity of assigned cell types by using more genes in this step. We furthermore integrate region-specific cell densities from literature into our model. We then study cell type correlations throughout the brain and compare the resulting numbers to literature data in order to validate the process. In the second step, we use two-photon tomography images of recombinant Adeno-Associated Virus (rAAV) labeled axonal projections from the Allen Mouse Connectivity Atlas (Oh, et al. 2014) to determine the mesoscale connectivity between the neurons in different brain regions. For this step a comprehensive comparison to experimental data is difficult due to lack of similar connectivity data. We then obtain a network configuration that can be simulated with state-of the art software like Nest. We show results from a simulated whisker stimulation experiment and compare the evoked activity patterns to imaging data from Voltage Sensitive Dye (VSD) experiments (Ferezou, Haiss, et al. 2007). Finally, we build a glossary of possible whole-brain behaviors of our model, and briefly explore the possibility of a biologically plausible mapping of its input and output pathways.

EPFL2018

Chargement

Results of the "Survey – Journals @ EPFL for the scientists of the Brain Mind Institute (BMI)"

Pierre Devaud, Isabelle Kratz

2013

Chargement

Data-driven reconstruction of a point neuron mouse brain

Csaba Erö

EPFL2018