Οι εγκέφαλοί μας δεν είναι υπολογιστές. Ούτε καν κοντά.
Σε αντίθεση με τους σύγχρονους υπολογιστές (ακόμα και την τελευταία και πιο ευέλικτη γενιά νευρομορφικών υπολογιστών) και τους ισχυρισμούς πολλών ερευνητών της Τεχνητής Νοημοσύνης, οι εγκέφαλοί μας δεν μπορούν να γίνουν σοβαρά κατανοητοί ως άκαμπτες «υπολογιστικές» συσκευές, αλλά πρέπει να θεωρηθούν και να μελετηθούν ως ζωντανά όργανα που αποτελούνται από
δισεκατομμύρια ζωντανά κύτταρα τα οποία αυτοπροσαρμοζονται συνεχώς - ενεργοποιούνται από τις εμπειρίες μας, το φυσικό και χημικό περιβάλλον (εσωτερικό και εξωτερικό) και ακόμη και τις δικές μας σκέψεις.Από τη γέννηση μέχρι τον θάνατο, οι εγκέφαλοί μας δεν είναι ποτέ οι ίδιοι σε δύο διαφορετικές ημέρες της ζωής μας. Πρόσφατες εκτιμήσεις ποικίλλουν ως προς το μέγεθος της αλλαγής που συμβαίνει στον εγκέφαλό μας, αλλά είναι αρκετά ασφαλές να υποθέσουμε ότι περίπου το 60%-70% (!) των εγκεφαλικών κυττάρων του νεοφλοιού μας αλλάζουν τις συνδέσεις τους κάθε μέρα! Δηλαδή, πολλά δισεκατομμύρια νευρικά κύτταρα προσαρμόζονται κάθε μέρα στον τρόπο που συνδέονται και αλληλεπιδρούν με τα άλλα κύτταρα στον εγκέφαλο. Αυτή είναι μια τεράστια και πολύ ισχυρή ικανότητα και καθόλου καλά κατανοητή από την κοινότητα τεχνητής νοημοσύνης μας μέχρι στιγμής.
Αυτή η εκπληκτική ικανότητα του εγκεφάλου μας να αυτοπροσαρμοστεί ονομάζεται πλαστικότητα.
Με τον όρο πλαστικότητα αναφέρομαι εδώ μόνο σε μερικά σαφώς αναγνωρίσιμα χαρακτηριστικά του εγκεφάλου (θα υπήρχαν πολλά περισσότερα να συζητηθούν, αλλά εστιάζω εδώ μόνο στα κύρια χαρακτηριστικά των ζωντανών εγκεφάλων που εμπίπτουν στην έννοια της πλαστικότητας) όπως:
1) συναπτική πλαστικότητα: αυτή είναι η ικανότητα των νευρικών κυττάρων να αλλάζουν και να προσαρμόζουν τις δικές τους συναπτικές συνδέσεις μεταξύ των προσυναπτικών νευρώνων και των μετασυναπτικών νευρώνων. Αυτό είναι το πιο μελετημένο και καλύτερα κατανοητό χαρακτηριστικό πλαστικότητας του εγκεφάλου. Αποτελεί τη βάση για το λεγόμενο μοντέλο "Hebb Learning" το οποίο δηλώνει ότι οι νευρώνες που "πυροδοτούνται μαζί, συνδέονται". Σύμφωνα με τον Hebb, οι νευρώνες που εμφανίζουν χρονικά συσχετισμένα πρότυπα πυροδότησης και διέγερσης, προσαρμόζουν αυτόματα τις συναπτικές τους συνδέσεις, έτσι ώστε η πιθανότητα μελλοντικής πυροδότησης μαζί να αυξάνεται και να ενισχύεται. Με αυτή τη διαδικασία τα νεύρα "μαθαίνουν" να προσαρμόζονται και να αντιδρούν σε εσωτερικά και εξωτερικά ερεθίσματα.
Αυτός ο κανόνας μάθησης Hebbian και οι διάφορες εφαρμογές του σε τρέχοντα μοντέλα νευρωνικών δικτύων (όπως Τεχνητά Νευρωνικά Δίκτυα, Βαθιά Μάθηση, Συνελικτικά Δίκτυα, Περιορισμένες Μηχανές Boltzmann κ.λπ.) συνήθως υλοποιείται από τους τυπικούς αλγόριθμους καθόδου με κλίση οπισθοδιάδοσης. Αλλά αυτές οι τυπικές αλγοριθμικές υλοποιήσεις είναι απλώς πολύ απλοποιημένες προσεγγίσεις (περισσότερο σαν κακές καρικατούρες) των πραγματικών βιολογικών χημειοηλεκτρικών διεργασιών που συμβαίνουν στον εγκέφαλο και απαιτούνται για την επίτευξη της ισχυρής συναπτικής πλαστικότητας. Στα τυπικά μοντέλα Τεχνητής Νοημοσύνης, οι συναπτικές τροποποιήσεις μοντελοποιούνται κυρίως με αριθμητικά "βάρη" (δηλαδή συνήθως πραγματικούς αριθμούς μεταξύ 0 και 1) επιτρέποντας την τροποποίηση και προσαρμογή της ισχύος σύνδεσης μεταξύ τεχνητών νευρώνων κατά τη "φάση μάθησης".
Ωστόσο, πρόσφατες μελέτες δείχνουν ότι η ακριβής ακολουθία διέγερσης (όχι μόνο η συσχέτιση) των προ- και μετα-συναπτικών δραστηριοτήτων είναι σημαντική για την τροποποίηση των συνάψεων και επίσης το συγκεκριμένο χρονικό παράθυρο στο οποίο συμβαίνουν (περίπου 40 χιλιοστά του δευτερολέπτου). Τα τρέχοντα μοντέλα νευρωνικών δικτύων Τεχνητής Νοημοσύνης δεν αντικατοπτρίζουν ακόμη αυτές τις σημαντικές γνώσεις.
Είναι επίσης γνωστό σήμερα ότι οι νευρώνες όχι μόνο επικοινωνούν μέσω των προσαρμοστικών συνάψεών τους, αλλά αλληλεπιδρούν και επικοινωνούν με τα λεγόμενα γλοιακά κύτταρα, τα οποία είναι σημαντικά για τη δημιουργία του φυσικού περιβάλλοντος υποστήριξης για τους νευρώνες. Δεν είναι ακόμη σαφές εάν και σε ποιο βαθμό τα γλοιακά κύτταρα είναι απαραίτητα για τις γνωστικές διεργασίες.
Επιπλέον, οι νευρώνες χρησιμοποιούν αιχμές σηματοδότησης και τα λεγόμενα "ακίδες" για την επικοινωνία, γεγονός που οδηγεί σε μια πλαστικότητα χρονισμού αιχμής, η οποία είναι ελάχιστα κατανοητή μέχρι στιγμής και δεν έχει εφαρμοστεί σε κανένα τρέχον τυπικό μοντέλο Τεχνητής Νοημοσύνης (καθώς συνήθως χρειάζονται διαφοροποιήσιμες λειτουργίες νευρωνικής μεταφοράς, αλλά οι βιολογικοί νευρώνες χρησιμοποιούν αιχμές και ακίδες ή εκρήξεις αιχμών, οι οποίες δεν είναι διαφοροποιήσιμες λειτουργίες όταν μοντελοποιούνται με ειλικρίνεια).
2) ανάπτυξη του συνδετικού: εκτός από την μόλις συζητηθείσα συναπτική πλαστικότητα, ένα άλλο πολύ σημαντικό χαρακτηριστικό του εγκεφάλου είναι η ικανότητά του όχι μόνο να τροποποιεί τις συνδέσεις που έχουν ήδη δημιουργήσει τα νευρικά κύτταρα μεταξύ τους από το Hebbian Learning, αλλά και την ικανότητα να δημιουργεί τέτοιες συνδέσεις μεταξύ των κυττάρων και την ικανότητα των κυττάρων να βρίσκουν άλλα κύτταρα για να συνδεθούν εξαρχής!
Οι νευρώνες αναπτύσσουν το λεγόμενο συνδετικό κύτταρο, το οποίο μπορεί να συγκριθεί με ένα νευρωνικό δίκτυο αυτοκινητοδρόμων για τη μετάδοση σημάτων μεταξύ νευρώνων που δεν βρίσκονται κοντά ο ένας στον άλλο. Οι νευρώνες δεν συνδέονται μόνο ενεργά με άλλους νευρώνες στην άμεση γειτνίαση τους, αλλά συχνά και με πολλούς νευρώνες αρκετά μακριά σε εντελώς διαφορετικές περιοχές του εγκεφάλου (στην κλίμακα του μεγέθους των νευρώνων, μια απόσταση ας πούμε 10 εκατοστών στον εγκέφαλο ισοδυναμεί με μια τεράστια απόσταση για τους νευρώνες, καθώς τα εγκεφαλικά κύτταρα έχουν συνήθως μέγεθος μόνο μερικών νανομέτρων). Αυτές οι εκτεταμένες συνδέσεις μεταξύ διαφορετικών περιοχών του εγκεφάλου επιτρέπουν υψηλότερες λειτουργικές γνωστικές ικανότητες, ακόμη και τη συνειδητή επεξεργασία των νευρικών σημάτων.
3) ευελιξία : η ικανότητα των περιοχών του εγκεφάλου να αναλαμβάνουν ή να αναλαμβάνουν πολύ διαφορετικές λειτουργίες άλλων περιοχών του εγκεφάλου ή να επεκτείνουν ή να μειώνουν περιοχές του εγκεφάλου που είναι αφιερωμένες στην εκτέλεση ορισμένων εργασιών όταν χρειάζεται.
Είναι γνωστό και μελετημένο σήμερα ότι, για παράδειγμα, ο εγκέφαλος ενός μουσικού, ας πούμε ενός βιολονίστα, αλλάζει με την ποσότητα εξάσκησης. Οι περιοχές του εγκεφάλου που αντιπροσωπεύουν και ελέγχουν τα δάχτυλα, ας πούμε, του αριστερού χεριού ενός βιολονίστα που εξασκείται πολύ, θα μεγαλώσουν από την ίδια περιοχή στον εγκέφαλο ενός μέσου ατόμου που δεν παίζει κάποιο όργανο. Αυτό ισχύει για πολλές περιοχές του εγκεφάλου όταν οι σχετικές λειτουργίες τους επαναλαμβάνονται και εξασκούνται συχνότερα από το συνηθισμένο.
Ένα άλλο παράδειγμα: οι επαγγελματίες οδηγοί ταξί για μεγάλο χρονικό διάστημα έχουν συνήθως πιο λεπτομερείς και μεγαλύτερες περιοχές του εγκεφάλου που χρησιμοποιούνται για πλοήγηση και αναγνώριση οπτικών σκηνών από ό,τι οι μέσοι άνθρωποι και είναι γνωστό ότι οι τυφλοί χρησιμοποιούν τις αχρησιμοποίητες οπτικές περιοχές του εγκεφάλου για να βελτιώσουν και να βοηθήσουν την ακοή και την ακουστική τους επεξεργασία. Μερικοί τυφλοί μπορούν ακόμη και να εντοπίσουν ηχώ παρόμοια με τις νυχτερίδες και να αναγνωρίσουν αντικείμενα απλώς από τις ηχητικές αντανακλάσεις που παράγουν με ήχους κλικ από το στόμα τους. Με πολλή εξάσκηση, ορισμένοι τυφλοί μπορούν ακόμη και να ακούσουν και να αναλύσουν τις ηχητικές αντανακλάσεις εντελώς κρυμμένων αντικειμένων μέσα σε άλλα κλειστά αντικείμενα, όπως μια βαλίτσα μέσα στο κλειστό πορτμπαγκάζ ενός αυτοκινήτου. Έτσι, χρησιμοποιώντας τις αχρησιμοποίητες περιοχές οπτικής επεξεργασίας του εγκεφάλου για να βελτιώσουν το ακουστικό τους σύστημα, ένας τυφλός μπορεί να ανιχνεύσει περισσότερα χωρίς να βλέπει από ό,τι μπορεί να δει ένα "φυσιολογικό" άτομο με ανοιχτά και τα δύο μάτια!
Η εκπληκτική ικανότητα του εγκεφάλου να αλλάζει και να αποδοκιμάζει τις λειτουργίες ορισμένων περιοχών του εγκεφάλου υποδηλώνει ότι ο εγκέφαλος έχει ένα είδος ομοιογενούς υποκείμενης αρχιτεκτονικής, έτσι ώστε οι εγκεφαλικές μονάδες να είναι σε θέση να αναλάβουν λειτουργίες από διαφορετικές άλλες περιοχές του εγκεφάλου. Αυτό θα φαινόταν αδύνατο αν οι διαφορετικές περιοχές του εγκεφάλου είχαν εντελώς διαφορετικές υποκείμενες αρχιτεκτονικές. Οι περιοχές επεξεργασίας του εγκεφάλου φαίνεται να έχουν μια φράκταλ αρχιτεκτονική που είναι αυτο-όμοια στις περισσότερες περιοχές του νεοφλοιού και σε άλλες περιοχές του εγκεφάλου.
4) χαριτωμένη υποβάθμιση: είναι η ικανότητα του εγκεφάλου να συνεχίζει να λειτουργεί παρά τις σημαντικές ζημιές ή την απώλεια/βλάβη του εγκεφαλικού ιστού.
Για πολλές χιλιάδες χρόνια έχουμε δει περιπτώσεις ανθρώπων με σοβαρά κατεστραμμένα κεφάλια και εγκεφάλους, ειδικά σε περιόδους πολέμου. Οι εγκέφαλοι μπορούν επίσης να υποστούν μαζικές βλάβες σε περιόδους μη πολέμου, για παράδειγμα από: ατυχήματα, όγκους, λοιμώξεις, ναρκωτικά, δηλητηριάσεις, εγκεφαλικά επεισόδια, γενετικές ανωμαλίες, κροταφική ασφυξία κ.λπ. Τους τελευταίους δύο αιώνες περίπου, τέτοιες εγκεφαλικές βλάβες έχουν μελετηθεί επιστημονικά με μεγάλη λεπτομέρεια - με μερικά εκπληκτικά αποτελέσματα.
Λαμβάνοντας υπόψη πόσο απαραίτητος είναι ο εγκέφαλός μας για τη συνολική μας λειτουργία και τον έλεγχο και τη διατήρηση των λειτουργιών του σώματός μας (ομοιόσταση, αρτηριακή πίεση, πέψη, θερμοκρασία σώματος, ορμόνες, κινήσεις των μερών του σώματός μας, αντίληψη και αλληλεπίδραση με τον κόσμο κ.λπ.), θα περίμενε κανείς ότι ακόμη και οι μικρότερες βλάβες στον εγκέφαλο θα οδηγούσαν αναπόφευκτα σε θάνατο ή τουλάχιστον σε σημαντικές μόνιμες βλάβες στον εγκέφαλο και το σώμα μας.
Ωστόσο, τώρα γνωρίζουμε πολλές καταγεγραμμένες περιπτώσεις ασθενών στους οποίους σημαντικά μέρη του εγκεφάλου καταστράφηκαν (και επομένως δεν λειτουργούσαν) αλλά μερικές φορές χωρίς σχεδόν καθόλου αισθητά αποτελέσματα ή συμπτώματα! Οι άνθρωποι μπορεί να έχουν σοβαρές εγκεφαλικές βλάβες, αλλά ως απλός ιατρός δεν θα τις πρόσεχε, εκτός αν του ειπωθούν ρητά οι βλάβες και τα συμπτώματά τους.
Ακόμα και σε περιπτώσεις όπου η εγκεφαλική βλάβη είναι πράγματι προφανής και αισθητή με σαφή συμπτώματα, για παράδειγμα μετά από ένα εγκεφαλικό επεισόδιο (μονόπλευρη παράλυση του σώματος, προβλήματα ομιλίας κ.λπ.), ο εγκέφαλος συχνά ανακάμπτει πλήρως ή τουλάχιστον εν μέρει με την πάροδο του χρόνου και τα συμπτώματα μπορεί να εξαφανιστούν. Αυτό μπορεί να συμβεί ακόμα και αν τα κατεστραμμένα εγκεφαλικά κύτταρα δεν λειτουργούν πλέον, καθώς έχουν πεθάνει ή έχουν χάσει τις συνδέσεις τους με άλλα κύτταρα. Αυτό είναι δυνατό μόνο επειδή άλλες περιοχές του εγκεφάλου μπορούν να αναλάβουν ορισμένες ή όλες τις λειτουργίες του κατεστραμμένου εγκεφαλικού ιστού (βλ. ευλυγισία).
Ένα κλασικό παράδειγμα ομαλής υποβάθμισης παρατηρείται συχνά όταν οι γιατροί κόβουν το λεγόμενο μεσολόβιο. Το μεσολόβιο είναι η κύρια σύνδεση δέσμης νευρικών ινών μεταξύ των δύο ημισφαιρίων του εγκεφάλου. Περιέχει περίπου 200 - 300 εκατομμύρια νευρικές ίνες. Αυτές οι ίνες μερικές φορές κόβονται από νευροχειρουργούς όταν οι ασθενείς έχουν συχνές και ισχυρές επιληπτικές κρίσεις. Για να σταματήσουν οι κρίσεις βοηθάει όταν η σύνδεση μεταξύ των δύο ημισφαιρίων διακόπτεται, ώστε οι κρίσεις να μην μπορούν εύκολα να εμπλέκουν και τις δύο σφαίρες του εγκεφάλου. Μετά από μια τέτοια χειρουργική επέμβαση, οι άνθρωποι έχουν δύο αποσυνδεδεμένα ημισφαίρια του εγκεφάλου στο κρανίο τους, ωστόσο, παραδόξως, η επίδραση στη συμπεριφορά τέτοιων ασθενών είναι ελάχιστα αισθητή σε καθημερινές καταστάσεις. Δοκιμάστε το με οποιοδήποτε είδος υπολογιστή: κόψτε την κύρια σύνδεση δεδομένων μεταξύ των επεξεργαστών του και δείτε τι συμβαίνει.
5) σταθερότητα αλλαγής: παρά τις διάφορες δομικές και λειτουργικές αλλαγές που περιγράφονται παραπάνω στον εγκέφαλό μας κατά τη διάρκεια της ζωής μας και τις αρνητικές επιπτώσεις της γήρανσης και των ασθενειών που σχετίζονται με την ηλικία, η συνολική λειτουργικότητα του εγκεφάλου...συνήθως παραμένει άθικτο και παραμένει ως επί το πλείστον σταθερό.
Αυτό είναι ένα σημαντικό επίτευγμα του εγκεφάλου, καθώς νέα νευρικά κύτταρα παράγονται σε τεράστιες ποσότητες κατά τη διάρκεια διαφορετικών σταδίων ανάπτυξης του εγκεφάλου και ηλικίας και πρέπει να ενσωματωθούν στο υπάρχον νευρικό δίκτυο χωρίς να διαταραχθεί η λειτουργικότητα του νευρικού δικτύου. Κατά τη διάρκεια της εγκυμοσύνης, ένα παιδί παράγει κατά μέσο όρο αρκετά εκατομμύρια νέους νευρώνες κάθε ώρα!
Είναι μια απίστευτη λογιστική απόδοση του εγκεφάλου για να χειριστεί όλους αυτούς τους νέους νευρώνες, να τους τοποθετήσει στις σωστές θέσεις στον εγκέφαλο και στη συνέχεια να τους ενσωματώσει ακόμη και στο ήδη υπάρχον νευρωνικό δίκτυο δισεκατομμυρίων άλλων κυττάρων. Αυτό το τεράστιο αυτοοργανούμενο χαρακτηριστικό του εγκεφάλου είναι ένα από τα πιο δύσκολα προβλήματα που πρέπει να λυθούν και να κατανοηθούν στην Τεχνητή Νοημοσύνη. Αν ποτέ κατανοήσουμε πώς το κάνει αυτό ο εγκέφαλος και έχουμε ένα αλγοριθμικό μοντέλο για αυτό, θα μπορούσαμε τότε να χρησιμοποιήσουμε τέτοιους αλγόριθμους για να λύσουμε εύκολα οποιοδήποτε πραγματικό πρόβλημα λογιστικής.
Από την άλλη πλευρά, τα νευρικά κύτταρα πεθαίνουν συνεχώς και μερικές φορές και σε τεράστιες ποσότητες σε ορισμένα αναπτυξιακά στάδια του εγκεφάλου. Αυτό ονομάζεται «νευρωνικό κλάδεμα» και συμβαίνει για παράδειγμα στην παιδική ηλικία πριν από την εφηβεία και επίσης αργότερα πριν από τη μυελίνωση, όταν οι νευρωνικοί άξονες τυλίγονται σε λίπος για να επιταχύνουν τη νευρωνική σηματοδότηση μέσα στους νευρώνες. Το νευρωνικό κλάδεμα είναι απαραίτητο για τη μείωση της κατανάλωσης ενέργειας, καθώς διαγράφει νευρώνες που δεν χρειάζονται πλέον και επομένως διατηρεί χαμηλή τη χρήση ενέργειας από τον εγκέφαλο.
Δεν γνωρίζουμε ακόμη πώς όλες αυτές οι λειτουργίες του εγκεφάλου μπορούν να παραμείνουν άθικτες ή ακόμα και να βελτιωθούν παρά τις αλλαγές στη δομή και την πολυπλοκότητα που υφίστανται κατά τη διάρκεια μιας ζωής.
Για πλάκα, συγκρίνετε όλα αυτά με έναν τυπικό υπολογιστή όπου ακόμη και οποιοδήποτε σφάλμα ενός bit συνήθως οδηγεί σε κατάρρευση ολόκληρου του συστήματος!
6) Χάος και εγκέφαλος: Παρά τη γενική σταθερότητά του που μόλις συζητήθηκε, από μια άλλη άποψη, οι εγκέφαλοί μας είναι επίσης χαοτικά συστήματα και πολύ εύθραυστα στη λειτουργία τους. Ακόμα και μικρές αλλαγές στη χημεία του (απόδειξη: απλώς πιείτε ένα καλό ποτήρι ουίσκι) ή στη δομή του μπορούν μερικές φορές να έχουν τεράστιες επιπτώσεις. Οι τραυματικές εμπειρίες (για παράδειγμα, το να είμαστε μάρτυρες ενός φόνου) μπορούν να έχουν δραματικές συνέπειες για τον εγκέφαλό μας και μπορεί να προκαλέσουν μια σειρά από φυσικές, χημικές και ορμονικές αλλαγές στον εγκέφαλό μας χωρίς καμία εξωτερική φυσική ή χημική αιτία. Μερικές φορές ακόμη και ένας απλός αλλά έντονος εφιάλτης μπορεί να έχει τόσο δραματικές επιπτώσεις. Δεν χρειαζόμαστε κακές σωματικές εμπειρίες για να προκαλέσουμε σημαντικές αλλαγές στον εγκέφαλό μας, μερικές φορές μόνο οι δικές μας σκέψεις μπορούν να τις προκαλέσουν (αυτός είναι και ο λόγος για τον οποίο λειτουργούν τα εικονικά φάρμακα).
Σε υγιή άτομα, οι δραματικές αλλαγές στον εγκέφαλό μας είναι στην πραγματικότητα σπάνιες και όταν συμβαίνουν, ο εγκέφαλος συνήθως προσαρμόζεται γρήγορα και «επιδιορθώνεται» (όπως περιγράφεται παραπάνω). Φαίνεται ότι το χαοτικό σύστημα του εγκεφάλου μας δημιουργεί παράξενους βρόχους έλξης στους οποίους παραμένει και συγκρατεί τη συνείδησή μας και κυκλώνει μέχρι να διαταραχθεί και να εξαναγκαστεί να βγει από τον παράξενο βρόχο, μόνο και μόνο για να δημιουργήσει νέους και πιο παράξενους έλκτες για να εγκατασταθούν προσωρινά.
Πρέπει να το αφήσω εδώ με αυτό. Ελπίζω να ξεκαθάρισα ότι ο εγκέφαλός μας δύσκολα μπορεί να συγκριθεί με έναν υπολογιστή. Θα πρέπει επίσης να είναι σαφές ότι όταν οι ερευνητές της Τεχνητής Νοημοσύνης αναφέρονται στους εγκεφάλους μας ως σχέδια για τυπικά μοντέλα Τεχνητής Νοημοσύνης, αυτό μπορεί να γίνει κατανοητό μόνο ως κακό αστείο ή καρικατούρα της πραγματικότητας.
Το να λέμε ότι τα τρέχοντα μοντέλα υλικού ή λογισμικού της Τεχνητής Νοημοσύνης έχουν διαμορφωθεί σύμφωνα με τους βιολογικούς μας εγκεφάλους (ένας ισχυρισμός που συχνά διατυπώνεται από τους μεγάλους βιομηχανικούς παράγοντες στον τομέα) απλώς δεν δείχνει καμία κατανόηση του πώς λειτουργεί στην πραγματικότητα ο εγκέφαλος και αποτελεί προσβολή για όλους τους εγκεφάλους μας και τη νοημοσύνη μας.
Πρέπει να καταβληθούν πολύ περισσότερες προσπάθειες για να κατανοήσουμε πώς οι εγκέφαλοί μας καταφέρνουν να λειτουργούν τόσο καλά ενώ αλλάζουν και προσαρμόζονται συνεχώς και πώς λειτουργούν οι πιο σύνθετες αυτοοργανούμενες διαδικασίες που το καθιστούν δυνατό.
Αυτό, κατά τη γνώμη μου, είναι ένα βασικό έργο στην προσπάθεια κατανόησης της εμφάνισης της νοημοσύνης.
E.Schoneburg
Χονγκ Κονγκ, Βερολίνο
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου