Мед кибернетика это: Медицинская кибернетика

Содержание

Медицинская кибернетика

Описание программы

«Медицинская кибернетика» — одна из относительно молодых специальностей высшего медицинского образования. Она появилась в нашей стране в 1974 году.

Понятие медицинская кибернетика подразумевает науку об управлении в сложных динамических медицинских системах. В настоящее время медицинская кибернетика неразрывно связана с медицинской информатикой — наукой о получении, обработке и передаче медицинской информации на основе использования информационно-коммуникационных технологий. Врач-кибернетик получает не только медицинское, но и кибернетическое образование, изучая теоретические основы кибернетики, физиологическую и клиническую кибернетику, системный анализ и основы проектирования медицинских информационных систем.

На третьем курсе обучения имеют возможность выбора между двумя профилями обучения:

Медицинская информатика — больше часов на изучение создания систем поддержки принятия врачебных решений, медицинских информационных систем, медицинскую статистику и анализ медицинских данных.
Биоинформатика — дополнительно к знаниям в области медицинской кибернетики и информатики добавляется обучение анализу NGS (New Generation Sequencing — секвенирование нового поколения) и OMICS данных, клинической биоинформатики, системной биологии, компьютерному конструированию лекарств, языку программирования R и методам машинного обучения, работе в Unix, алгоритмам биоинформатики с решением задач на языке программирования Python.

Врач-кибернетик востребован во всех областях медицины и здравоохранения, а также в биомедицинских исследованиях. Врач-кибернетик может занимать научные, преподавательские и врачебные должности в медицинских организациях, учреждениях Минздрава РФ, РАН и в других ведомствах, заинтересованных в специалистах, подготовленных для разработки и внедрения медицинских информационных технологий, применения системного анализа и математической статистики в клинико-научных организациях.

Специальность Медицинская кибернетика — Учёба.ру

специалитет, код 60609

За шесть лет обучения студенты специальности изучают медицинские, биотехнические и информационные дисциплины. На старших курсах упор делается на медико-кибернетические предметы. Будущие врачи-кибернетики проходят физиологическую кибернетику, медицинскую биофизику, общую и медицинскую радиобиологию, медицинскую электронику, теоретические основы кибернетики, информационные медицинские системы. Предусмотрены практикумы по клинической лабораторной и функциональной диагностике.

Специалисты по медицинской кибернетике работают на стыке информатики, физики, биологии и медицины. Они исследуют механизмы трансформации энергии в биологических системах. Изучают электронно-конформационные взаимодействия в биомакромолекулах. Занимаются проблемами, связанными с физическими и физико-химическими механизмами жизненных процессов. Проектируют компьютерные автоматизированные системы медицинского назначения и системы управления здравоохранением. Работают в медицинских, исследовательских, научных организациях. Выступают в качестве лаборантов, инженеров-исследователей, биологов и врачей.

Профили обучения: нет

Формы обучения: очная

Вузов

По этой специальности

В среднем по другим

Проходной балл

На эту специальность

В среднем на другие

Бюджетных мест

На эту специальность

В среднем на другие

С какими ЕГЭ можно поступить

Вузы по специальности

бюджетных мест

от 84

проходной балл

от 370000 р.

за год

РНИМУ им. Пирогова, или «Второй мед» — один из крупнейших медицинских вузов России и Европы. Университет готовит врачей всех специализаций, стоматологов, фармацевтов, специалистов по медицинской технике. Среди приоритетных научных направлений РНИМУ преобладают инновационные — разработка средств диагностики и лечения заболеваний на основе стволовых и прогениторных клеток, медицинских наноматериалов, зондов и наноконтейнерных систем. Кредо вуза — развитие персонализированной медицины.

Вуз в рейтингах

22 в России

9 в России

бюджетных мест

от 78

проходной балл

от 194100 р.

за год

Университет создан в 2009 путем объединения Уральского государственного технического университета — УПИ и Уральского государственного университета. Сегодня УрФУ соединяет весь спектр технического, естественнонаучного и гуманитарного образования, является центром научной образовательной жизни Екатеринбурга и всего региона.

Вуз в рейтингах

5 в России

12 в России

9 в России

11 в России

бюджетных мест

от 76

проходной балл

от 222600 р.

за год

КрасГМУ является ведущим высшим медицинским учебным заведением не только в Сибири и на Дальнем Востоке, но и в России. За 73 года было выпущено более 40 тысяч квалифицированных специалистов. На сегодня подписано 30 международных договоров о сотрудничестве с медицинскими вузами мира. За последние годы открыты 9 новых кафедр, Российско-французская лаборатория интегративной антропологии, Российско-японский научный центр микробиологии, эпидемиологии и инфекционных заболеваний, межкафедральные морфологическая и биохимическая научно-исследовательские лаборатории, Институт лечебного питания. Реализуются новые проекты международного уровня совместно с другими вузами Красноярского края, России, Японии, Франции, Италии, Германии и других стран. Развивается российско-японское партнерство в области клинической и экспериментальной нейронауки.

бюджетных мест

от 76

проходной балл

от 126600 р.

за год

Рожденный в трудные годы войны, Пензенский государственный университет прошел большой путь становления и развития от индустриального института до классического университета. Сегодня это один из самых крупных многопрофильных вузов Поволжья, обеспечивающий формирование интеллектуального потенциала и способствующий интенсивному социально-экономическому развитию региона в современных условиях. Университет неоднократно награждался золотыми медалями «Европейское качество» в номинации «100 лучших вузов России», становился лауреатом конкурса «Лучшие вузы Приволжского федерального округа» и удостоен диплома лауреата конкурса «Национальный знак качества». В рейтинге качества приема в вузы Российской Федерации по результатам ЕГЭ ПГУ всегда занимал достойное место среди вузов страны.

бюджетных мест

от 72

проходной балл

от 197000 р.

за год

Университет основан в 1916 году как один из трех Народных университетов России и стал первым высшим учебным заведением в Нижнем Новгороде. В официальных рейтингах вуз стабильно является первым университетом в Приволжском Федеральном округе. В рамках международной деятельности университет создал уникальные программы «Российско-Французский университет» и «Российско-Итальянский университет».

Вуз в рейтингах

20 в России

9 в России

31 в России

Показать все вузы

Поступление по олимпиаде

01 апреля — 01 апреля

заключительный очный этап

«Всеросс»

уровень

19 октября — 17 января

отборочный онлайн этап

28 февраля — 28 февраля

заключительный очный этап

Медицинская кибернетика (30.05.03) специалитет

Укрупненная группа: Фундаментальная медицина

Описание

В процессе подготовки по специальности студенты изучают биотехнические, медицинские и информационные предметы, самое пристальное внимание (особенно на старших курсах) уделяется медико-кибернетическим предметам. Среди основных предметов учебной программы можно выделить: теоретические основы кибернетики, общую радиобиологию, физическую кибернетику, медицинскую электронику, информационные медицинские системы и медицинскую биофизику. Помимо лекционных занятий, студентов ожидают практикумы по функциональной и лабораторной диагностике. Студенты учатся:

внедрять в медицину информационные автоматизированные системы и инновационные технологии,
применять вычислительную технику для обработки медицинской информации,

использовать биофизическую, лабораторную и биохимическую аппаратуру, контролировать ее работу и устранять возникающие неполадки,
проводить биофизические, лабораторные, медико-генетические, биохимические и иммунологические исследования,
оказывать медицинскую помощь,
преподавать медико-биологические, естественнонаучные и клинические дисциплины в колледжах и ВУЗах,
заниматься научно-исследовательской работой и разрабатывать учебно-методические пособия.

Кем работать

Молодые специалисты с дипломом «Медицинская кибернетика» работают на стыке медицины, физики, информатики и биологии. В сфере их интересов: проблемы физико-химических и физических механизмов жизнедеятельности, механизмы энергии в биологических системах, электронно-конформационные процессы в биомакромолекулах, проектирование автоматизированных компьютерных систем для медицинской отрасли. Медицинские кибернетики востребованы сегодня как никогда, ведь с каждым годом система здравоохранения все больше компьютеризируется и автоматизируется, диагностическое оборудование все больше усложняется, и нужны квалифицированные специалисты, которые смогут со всем этим разобраться.Выпускники специалитета смогут работать в медицинских учреждениях, в научно-исследовательских центрах и в лабораториях, в крупных клиниках и в научных организациях, занимая должности врачей, биологов, лаборантов, инженеров-исследователей, иммунологов, врачей-кибернетиков.

как обучают медицинской кибернетике в КрасГМУ / Новости общества Красноярска и Красноярского края / Newslab.Ru

В Красноярском государственном медицинском университете уже около 10 лет обучают по специальности «медицинская кибернетика», у которой много уникальных особенностей — например, только здесь при поступлении требуется сдать ЕГЭ по математике и по окончании — защитить дипломную работу. Выпускники специальности оказываются востребованы в первую очередь в научной сфере — и чем сильнее цифровизируется наша жизнь, тем больше эти специалисты востребованы в медицине.

Кто такой врач-кибернетик?

Нередко само понятие «кибернетика» толкуется не совсем правильно — многие ошибочно считают, что она обязательно связана с вычислительной техникой. В действительности, сам термин «кибернетика», или «искусство управления», изначально ввел еще Платон в своем труде «Законы». Впоследствии термин в 1834 году уточнил французский физик Андре Ампер, который, ссылаясь на опыт греков, назвал кибернетику «наукой управления». Само собой, ни в XIX веке, ни в античности никаких компьютеров не существовало.

Медицинская кибернетика

Единственная врачебная специальность, утвержденная Распоряжением Правительства РФ от 6 января 2015 г. № 7-р, как «соответствующая приоритетным направлениям модернизации и технологического развития российской экономики».

Медицинская кибернетика — это не только вычислительные технологии, но и управление — живым организмом, клеткой, тканью, медицинской организацией… Поэтому при обучении этой специальности в Красноярском государственном медицинском университете делается большой упор на управленческие компетенции. Кроме того, будущие врачи-кибернетики очень активно изучают математику и информатику — благодаря чему оказываются очень востребованы в современной системе здравоохранения.

Дело в том, что с появлением все новых технологий в российской медицине возникла проблема. С одной стороны — «классический» медицинский специалист, изучавший лечебное дело или педиатрию, плохо ориентируется в компьютерных технологиях. С другой стороны — выпускник технического вуза отлично разбирается в технике и точных науках… но при этом понятия не имеет, как работают медицинские организации, какие задачи стоят перед российской системой здравоохранения и в чем специфика медицинской отрасли, как таковой. Как раз потребность во врачах, разбирающихся в управлении и точных науках и стала причиной появления новой специальности.

Врачи-кибернетики хорошо разбираются в медицине и отлично знают устройство системы здравоохранения. И при этом они также хорошо ориентируются и в информационных технологиях. Эти новые специалисты стали решением возникшей проблемы нехватки нужных кадров — что сделало их очень востребованными как в государственных, так и в частных медицинских организациях.

Где работают врачи-кибернетики?

Впервые Красноярский государственный медицинский университет начал набор на специальность «медицинская кибернетика» в 2013 году. Изначально предполагалось, что здесь будут обучать специалистов в рентгенологии. Однако с годами у специальности помимо клинической составляющей появилась ярко-выраженная научно-исследовательская направленность.

Для поступления абитуриенту нужно сдать ЕГЭ по русскому языку, биологии и математике — последнюю сдают только кибернетики, у остальных будущих врачей вместо неё ЕГЭ по химии. Кроме того, «медицинская кибернетика» — единственная специальность в КрасГМУ, где выпускники не сдают госэкзамены, а защищают дипломную работу

Материалы по теме

По окончании шестого курса выпускники КрасГМУ могут выбрать несколько дальнейших путей в медицине. Во-первых, окончив шестой курс, врач-кибернетик может пройти первичную аккредитацию медицинского специалиста и пойти работать врачом-статистиком. Такая должность есть во всех медицинских организациях — именно врач-статистик занимается ведением статистического учета и ведет организационно-методическую работу.

Однако, есть и специальное учреждение — Красноярский медицинский информационно-аналитический центр, где специалисты по медицинской статистике занимаются учетом на всей территории Красноярского края. По словам Артема Наркевича, заведующего кафедрой медицинской кибернетики и информатики КрасГМУ, в информационно-аналитическом центре очень ценят врачей-кибернетиков.

«Они заинтересованы в наших выпускниках — причем, еще до того, как те завершат обучение. Например, не так давно Красноярский медицинский информационно-аналитический центр сообщил нам, что сразу после окончания вуза готов взять на работу нескольких наших выпускников, которые пока что не окончили шестой курс. Помимо этого, наших выпускников ждут и в крупных медицинских организациях. На сегодняшний день они работают в Краевой клинической больнице, Красноярском краевом клиническом онкологическом диспансере им. А. И. Крыжановского, Красноярском краевом противотуберкулезном диспансере и других крупных медицинских организациях», — рассказал Артем Наркевич.

Во-вторых, можно пойти в ординатуру. В этом плане у врачей-кибернетиков выбор несколько ограничен. Они могут стать ординаторами по направлениям преимущественно диагностического профиля:

Бактериология
Вирусология
Клиническая лабораторная диагностика
Лабораторная генетика
Радиология
Рентгенология
Ультразвуковая диагностика
Функциональная диагностика

Данные специальности очень востребованы сегодня в частной системе здравоохранения, которая во многом ориентирована как раз на диагностику. Впрочем, государственные медицинские учреждения в этих направлениях тоже заинтересованы— выпускники со знаниями в области системного анализа нужны в краевой больнице, краевом онкологическом центре, краевом противотуберкулезном диспансере и других госучреждениях здравоохранения.

Третий вариант — пойти в аспирантуру. Поскольку при обучении по специальности «медицинская кибернетика» большое внимание уделяется математике и информатике — студенты оказываются куда ближе к научной деятельности, чем представители других специальностей КрасГМУ. Примерно с 3-4 курса они уже активно занимаются исследованиями.

«Отдельные кафедры Университета хотят брать в аспирантуру только медицинских кибернетиков — потому что точно понимают, что этому человеку не нужно объяснять основ и базовых принципов научной работы. Впоследствии такие студенты успешно защищают диссертации и становятся кандидатами медицинских наук», — отметил Артем Наркевич.

Наконец, четвертый путь — работать в вузе. Например, стать научным сотрудником, преподавателем, или трудиться на административно-управленческой должности. Благодаря знанию системного анализа и умению работать с нормативной документацией, кибернетиков охотно принимают на работу в медицинский университет — причем, не только в КрасГМУ, а в любой медицинский вуз или научно-исследовательский институт по всей России.

Нередко именно кибернетикам отдают предпочтение при появлении новой административной должности — поскольку знают, что такой специалист справится с нестандартными задачами благодаря своей подготовке.

Какие исследования проводятся?

Как уже говорилось, именно будущие врачи-кибернетики гораздо глубже погружены в научные исследования, чем другие студенты. В основном, речь идет о применении технологий искусственного интеллекта в здравоохранении — в особенности, автоматического анализа медицинских изображений.

Например два студента КрасГМУ сейчас занимаются исследованиями выявления по сетчатке глаза признаков диабетической ретинопатии — патологии, которая может привести к слепоте у больных сахарным диабетом. Оборудование для сканирования сетчатки глаза есть в любой офтальмологической клинике, а с помощью проекта КрасГМУ можно будет на ранних этапах выявить опасное заболевание и порекомендовать пациенту пройти дальнейшее обследование — причем, сделать это вообще без участия человека.

Другой проект — автоматический анализ изображений кожи и имеющихся на ней образований, в частности — рака кожи. В перспективе, проект даст населению удобный инструмент, с помощью которого можно проверить родинки не теле и понять — есть ли повод для беспокойства и обращения к онкологу?

Еще один проект действует уже около года и напрямую связан с пандемией коронавируса: лаборатория медицинской кибернетики и управления в здравоохранении КрасГМУ занимается прогнозированием распространения коронавируса на территории Красноярского края по заданию краевого минздрава.

«Через несколько месяцев стало ясно — результаты прогнозирования практически полностью совпадают с реальной ситуацией, то есть прогноз был точным. Сегодня мы продолжаем делать эти прогнозы. Насколько я знаю, несколько раз они попадали на стол к губернатору. Вот пример реальной задачи, которую решают наши специалисты», — рассказал Артем Наркевич.

В дальнейшем кафедра медицинской кибернетики планирует еще сильнее взаимодействовать с практическим здравоохранением и реальными задачами здравоохранения и медицины. Специалисты по медицинской кибернетике уже сегодня востребованы в медицинских учреждениях, а с развитием цифровизации потребность в них будет только расти.

Интернет-газета Newslab, фото Алины Ковригиной

Медицинская кибернетика УрФУ

Направление: 30.05.03 Медицинская кибернетика.
Программа: Медицинская кибернетика. Специалитет, 6 лет.

Бюджетных мест: 10.

ЕГЭ: 1. Математика профильная (минимум 39 баллов). 2. Биология (минимум 39 баллов) или Информатика и ИКТ (минимум 44 балла). 3. Русский язык (минимум 40 баллов).

Проходной балл в 2020 году — 235 баллов.

Системы здравоохранения всего мира и России в частности движутся к тотальной цифровизации медицины. В клиниках и страховых компаниях внедряют новейшие информационные системы. Появляются новые подходы для работы с пациентом, такие как удаленное консультирование, телемониторинг и телемедицина в общем смысле этого слова. В связи с этим подготовка врачей-кибернетиков — специалистов в области цифровой медицины и анализа биомедицинских данных — сегодня актуальна, как никогда.

Важное отличие этой специальности от традиционных для медицинских вузов «Лечебного дела», «Педиатрии», «Стоматологии» заключается в том, что будущие врачи-кибернетики не занимаются напрямую лечением пациентов, а работают в сфере диагностики заболеваний и организации медицинской деятельности.

Наша цель — дать всем студентам программы первоклассное образование в сфере фундаментальной биологии и медицины, основных клинических дисциплин, информатики и анализа биомедицинских данных. По нашему мнению, врач-кибернетик — это не просто специалист медицинской статистики, а врач нового типа, готовый работать в системе здравоохранения с глубоким проникновением ИТ-технологий, участвовать в разработке новых методов диагностики и новых лекарственных препаратов в фармацевтических и биомедицинских компаниях. Всем студентам программы будет прочитан курс языка программирования Python, который используется для разработки web-решений и построения систем искусственного интеллекта. Также всем студентам будет прочитаны курсы по проектированию баз данных и работе компьютерных сетей. На старших курсах можно будет взять элективные курсы по менеджменту ИТ-проектов и разработке на языке программирования C#.

Согласно приказам Министерства труда и социальной защиты Российской Федерации, после окончания программы «Медицинская кибернетика» и прохождения аккредитации можно работать в медицинских организациях на следующих должностях:

• врач-статистик — осуществляет статистический учёт, готовит статистическую информацию о деятельности медицинской организации;

• врач-кибернетик (-аналитик, — эксперт, -специалист по внедрению и сопровождению информационных систем в сфере здравоохранения, связанных с организацией и оказанием медицинской помощи, -проектировщик баз данных и информационных систем, менеджер проектов) — исследует объект внедрения ИТ-технологий в здравоохранении и определяет необходимый комплекс технических и программных средств для этого внедрения; создаёт информационные технологии для обеспечения функциональной совместимости в системе здравоохранения; разрабатывает системы объективированной оценки состояния пациента на основе персональных медицинских данных (прогностические шкалы, диагностические алгоритмы, решающие правила).

• врач функциональной диагностики (после прохождения ординатуры).

Хорошие знания статистики и уникальные знания в области медицины и биологии, могут дать Вам конкурентные преимущества при работе аналитиком в компаниях, занимающихся созданием ИТ-решений для медицины.

Ещё материалы по этой программе на сайте УрФУ.

Руководитель образовательной программы — Ушенин Константин Сергеевич

Научный сотрудник

Адрес: ул. Тургенева, 4, ауд. 636.
Электронная почта: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Первый шаг к поступлению — регистрация в личном кабинете абитуриента.

Образовательные программы: Цифровая медицина и биоинформатика

Описание программы:

30.05.03
Медицинская кибернетика
Здравоохранение и медицинские науки
Институт естественных наук и математики
Специалитет
2020

Как поступить?

Вступительные испытания / минимальные баллы

Математика (не менее 45),
Русский язык (не менее 40),
Информатика и ИКТ (не менее 55).

Обучение по программе длится 6 лет. Выпускник получает специальность врача (врач-кибернетик или врач-статистик согласно профессиональному и образовательному стандартам). Бюджетных мест – 10, внебюджетных – 5.

Для кого эта образовательная программа?

Для тех, кто хочет быть врачом, но сдает ЕГЭ по информатике;
Для тех, кто хочет заниматься ИТ-технологиями в здравоохранении;
Для тех, кому интересна обработка данных и исскуственный интеллект в сфере биологии и медицины;
Для тех, кто разрывается между интересом к биологии и информационным технологиям, или медицине и информационным технологиям;
Для тех, кто хочет стать профессионалом в сфере охраны общественного здоровья и готов бороться с будущими глобальными проблемами в виде старения населения страны и мира, опасностями появления новых пандемий;
Для тех, кто верит в будущее телемедицины, персонализированной медицины, информатизации здравоохранения в России и мире;
Для тех, кто хочет иметь конкурентные преимущества на рынке труда медицинских специалистов за счет хорошего знания статистики, биоинформатики и применении ИТ-технологий в здравоохранении.

О чем эта образовательная программа?

«На повышение доступности медицинской помощи должна работать информатизация здравоохранения. В течение трех лет надо отладить электронное взаимодействие между медицинскими учреждениями, аптеками, врачами и пациентами» — послание Президента федеральному собранию 20 февраля 2019 года.

Системы здравоохранения всего мира и России в частности движутся по направлению к тотальной цифровизации медицины. В клиниках и страховых компаниях внедряют новейшие информационные системы. Появляются новые подходы для работы с пациентом, такие как удаленное консультирование, телемониторинг и телемедицина в общем смысле этого слова. Современное медицинское оборудование использует новейшие математические методы, зачастую непонятные врачам “старой школы”. В связи с этим подготовка врачей-кибернетиков — специалистов в области цифровой медицины и анализа биомедицинских данных — сегодня актуальна, как никогда.

Специальность «Медицинская кибернетика» — одна из трех специальностей укрупненной группы «Фундаментальная медицина» наряду с «Медицинской биохимией» и «Медицинская биофизикой». Важное отличие этих специальностей от традиционных для медицинских вузов «Лечебного дела», «Педиатрии», «Стоматологии» заключается в том, что будущие врачи-биохимики, врачи-биофизики и врачи-кибернетики не занимаются напрямую лечением пациентов, а работают в сфере диагностики заболеваний и организации медицинской деятельности.

Над созданием образовательной программы «Медицинская кибернетика» работала большая команда специалистов Уральского федерального университета и Уральского отделения Российской академии наук. Мы ставили своей целью дать всем студентам направления первоклассное образование в сфере фундаментальной биологии и медицины, основных клинических дисциплин, информатики и анализа биомедицинских данных. По нашему мнению, врач-кибернетик – это не просто специалист по медицинской статистике, а врач нового типа, готовый работать в системе здравоохранения с глубоким проникновением ИТ-технологий, участвовать в разработке новых методов диагностики и новых лекарственных препаратов в фармацевтических и биомедицинских компаниях.

При разработке нашей образовательной программы мы ориентировались на следующие ценности: доказательную медицину, использование клинических руководств при ведении пациентов, необходимость постоянного чтения иностранной литературы на протяжении всей профессиональной карьеры, важность проблемы оптимизации “пути пациента” внутри клиники, необходимость удаленного консультирования и удаленного мониторинга пациентов, необходимость защищать персональную информацию о пациентах.

Из каких частей состоит образовательная программа?

В программе есть три большие блока дисциплин: медико-биологические, клинические, а также статистика и информационные технологии. Медико-биологические и клинические дисциплины будут, в основном, совпадать с таковыми у специальностей «Медицинская биохимия» и «Медицинская биофизика».

Блок дисциплин статистики будет читаться сотрудниками Уральского отделения Российской академии наук, в соответствии с лучшими международными практиками ее преподавания. Каждый преподаватель пользуется статистикой в своей работе и поможет студенту полюбить этот предмет и научить использовать знания статистики на практике. Информационные технологии будут преподаваться сотрудниками департамента математики, механики и компьютерных наук ИЕНиМ (бывший мат-мех УрГУ / ИМКН УрФУ). В программе делается большой упор на практические занятия по обработке данных!

Какие дисциплины будут изучаться в медико-биологическом и клиническом блоках?

Физико-химические основы жизни: общая и неорганическая химия, биоорганическая химия, физика;
Общая и медицинская биохимия: биохимия, биохимия человека, медицинская биохимия, молекулярная биология, патохимия, диагностика;
Медицинская биофизика и биоинформатика: биофизика, медицинская биофизика общая и медицинская радиобиология, физиологическая кибернетика, основы биоинженерии, биотехнологии, медицинская биоинформатика;
Морфология: анатомия человека, биология клетки, гистология, патологическая анатомия, частная гистология и эмбриология;
Организм и среда: иммунология, микробиология, медицинская микробиология и вирусология, общая генетика, гигиена;
Физиология и патофизиология: высшая нервная деятельность и психофизиология,общая патология, основы теории регенерации, патофизиология, лабораторные животные в биомедицинских исследованиях, физиология человека и животных;
Фармакология и внутренние болезни: внутренние болезни, неврология и психиатрия, педиатрия, фармакология;
Инфекционные болезни и экстремальная медицина: инфекционные болезни, лучевая диагностика и терапия, медицина катастроф, судебная медицина, ультразвуковая и функциональная диагностика;
Клинические дисциплины: клиническая и экспериментальная хирургия, клиническая иммунология, клиническая токсикология, медицинская генетика.

Какие дисциплины будут изучаться в блоке статистики и информационных технологий?

Статистическая обработка данных. Хорошее знание статистики с большим упором на практики является базисом программы. Мы знаем, как прочитать статистику понятным языком и научить реально ей пользоваться. Студенты направления не будут бояться огромных таблиц и баз данных с информацией о пациентах. Также будут рассказаны методы машинного обучения и обработки информации глубокими нейронными сетями.
Биоинформатика и большие данные. Студентам будет прочитан блок про обработку данных получаемых при анализе генетической информации. Первая часть курса будет посвящена биологической стороне вопроса и направлена на непосредственное клиническое применение анализа генетических материалов. Вторая часть курса будет посвящена анализу генома, транскриптома, метаболома и протеома человека с целью поиска новых биомаркеров заболеваний.
Математическое моделирование. Наши студенты будут знать, как предсказать распространение эпидемий, включая распространение заболеваний, являющихся новыми глобальными вызовами, такими как появление возбудителей SARS, MERS, COVID-19. Также в программу будут включены курсы посвященные разработке новых лекарственных препаратов.
Информационные технологии и разработка программного обеспечения. Все студенты пройдут обучение языку программирования Python, так как он лучше всего подходит для обработки статистических данных. Также им будет прочитаны короткие курсы о базах данных и компьютерных сетях, для того чтобы дать представление о том, как информационные технологии работают на уровне одной организации и на уровне здравоохранения всего региона. На 5-6 курсе у студентов будет возможность изучать элективные курсы по разработке программного обеспечения на языке C#.
Системный анализ, организация здравоохранения и интеграция ИТ-технологий. На старших курсах предусмотрено изучение дисциплины «Организация здравоохранения и общественное здоровье», с целью знакомства студентов с системой здравоохранения России и других стран. Наши выпускники будут знать как “сверху” можно собирать статистику по заболеваемости и эффективно распределять жизненно необходимые лекарства, соблюдая законы РФ о защите персональных данных. На 5-6 курсе у студентов будет возможность изучать элективные курсы по менеджменту ИТ-проектов и анализу требований заказчиков ИТ-интеграции.

О работе и карьере

Карьера в сфере здравоохранения

В системе здравоохранения Российской Федерации, занимаемые должности и базовое образование врачей обязаны соотноситься друг с другом (в странах Европы и Северной Америки аналогичные правила). Согласно приказам Министерства труда и социальной защиты РФ, после окончания специалитета по направлению подготовки специалистов «Медицинская кибернетика» и прохождения аккредитации можно работать в медицинских организациях на следующих должностях:

Врач-статистик — осуществляет статистический учет, готовит статистическую информацию о деятельности медицинской организации;
Врач-кибернетик (возможные наименования должности: аналитик; эксперт; специалист по внедрению и сопровождению информационных систем в сфере здравоохранения, связанных с организацией и оказанием медицинской помощи; проектировщик баз данных и информационных систем; менеджер проектов). Может выполнять следующие задачи:
- обследовать объект внедрения ИТ-технологий в здравоохранении и определять необходимый комплекс технических и программных средств для этого внедрения;
- создавать информационные технологии для обеспечения функциональной совместимости в системе здравоохранения;
- разрабатывать системы объективированной оценки состояния пациента на основе персональных медицинских данных (прогностические шкалы, диагностические алгоритмы, решающие правила).

После окончания специалитета по программе «Медицинская кибернетика» и прохождения ординатуры, можно работать в медицинских организациях в должности врача функциональной диагностики. Этот специалист проводит функциональную диагностику состояния органов и систем организма человека. Например, снимает электрокардиограмму и спирометрию пациента под нагрузкой на беговой дорожке или велотренажере.

Карьера в сфере ИТ-технологий и разработки программного обеспечения

Сфера разработки программного обеспечения и интеграции ИТ-технологий слабо регламентируется государством. Поэтому ваша карьера в ней больше зависит от ваших умений, чем от чего либо другого. Помимо программистов на рынке труда так же востребованы аналитики, специалисты в области обработки данных, пользователи ИТ-систем.

Всем студентам программы будет прочитан курс языка программирования Python, который используется для разработки web-решений и построения систем искусственного интеллекта. Также всем студентам будет прочитаны курсы по проектированию баз данных и работе компьютерных сетей. На старших курсах можно будет взять элективные курсы по менеджменту ИТ-проектов и разработке на языке программирования C#.

Общий объем практик по статистической обработке данных и созданию конвейеров обработки данных составляет не менее 232 часов. Хорошие знания статистики и уникальные знания в области медицины и биологии, могут дать Вам конкурентные преимущества при работе аналитиком в компаниях, занимающихся созданием ИТ-решений для медицины.

О науке

Данная программа — это правильный выбор для тех, кто хочет заниматься научными исследованиями. Так как это направление дает наиболее широкий доступ к различным направлениям исследований.

Врачу-кибернетику открывается возможность научной работы в области фундаментальной и клинической медицины в части информационного сопровождения и организации исследований. Это является большим преимуществом, так как специалисты без базового медицинского образования в принципе не могут работать с пациентами напрямую.
Для большинства направлений исследований обязательно требуется работа в лаборатории, что очень усложняет для вас возможность начать исследования на младших курсах. Для статистических исследований и биоинформатики требуется только наличие ноутбука.
Таким образом вы можете приобрести огромный опыт практической работы в течении всего курса обучения. Начинать можно даже в первом семестре.
Хорошая подготовка в области статистики упростит для вас написание научных работ и подготовку кандидатской диссертации при поступлении в аспирантуру.
Руководитель образовательной программы «Медицинская кибернетика» активно занимается наукой и поможет вам найти научного руководителя среди молодых кандидатов наук Уральского федерального университета и Уральского отделения российской Академии наук.

По всем вопросам вы можете написать руководителю образовательной программу Ушенину Константину Сергеевичу: [email protected], vk.com/kostaNew, t.me/kostaNew

Курс медицинская кибернетика

Профессиональная переподготовка

Непрерывное течение научно-технического прогресса обязывает медицинских специалистов заниматься постоянной корректировкой базовых знаний и развитием своих профессиональных навыков. Дистанционные курсы дополнительного образования «Медицинская кибернетика» в Академии, разработанные специально для медиков-кибернетиков, направлены на актуализацию их профильных знаний.

Кто может стать слушателем курсов «Медицинская кибернетика»

Врачи-статистики, в сферу деятельности которых входит работа с массивами различных медицинских данных, стремящихся расширить специализированные знания о современных информационно-коммуникационных технологиях, способствующих успешному выполнению их профессиональных обязанностей.
Врачи-кибернетики с высшим медицинским образованием по специальности «Медицинская кибернетика» не работавшие по профилю 5 и более лет.

Переквалификация с других медицинских специальностей не предусмотрена.

Врач-кибернетик, это важно знать

С 1.06.2021 года изменятся правила допуска к профессиональной деятельности медицинских специалистов. Вместо документа о сертификации необходимо будет получать документ о профессиональной аккредитации. Процедура получения аккредитационного свидетельства представляет собой экзаменационную проверку знаний и навыков медицинского работника аккредитационной комиссией.

Образовательный курс «Медицинская кибернетика» подготовлен в контексте требований аккредитационных тестов Минздрава РФ: материалы курса соответствуют аккредитационным экзаменам.

Успешной аккредитации способствуют ЗЕТ-баллы, набранные по правилам, указанным в Концепции НМиФО Минздрава РФ. Согласно Концепции, за 5 лет медицинскому специалисту необходимо набрать 250 ЗЕТ-баллов. Баллы зачисляются на счет портфолио врача в личном кабинете Портала НМиФО в зависимости от категории обучения.

Один из способов получения ЗЕТ-баллов – это обучение по образовательным программам НМО. За прохождение этих краткосрочных курсов можно получить до 36 ЗЕТ-баллов, причем организация, где проходил обучение медработник, сама внесет их на его счет.

Курс «Медицинская кибернетика» включает обучение по программе НМО «Базы биомедицинских данных», таким образом по окончании обучения 36 ЗЕТ-баллов будут зачислены на счет обучавшегося.

Подробнее об этом можно узнать на странице «Как пройти аккредитацию врача в 2021 году с помощью НМО»

Курс переподготовки «Медицинская кибернетика»

Цель курса – углубление профильных знаний и навыков по использованию медицинских информационных систем для получения, обработки и передаче медицинской информации.

В задачи курса входит подготовка врачей-статистиков способных посредством инновационных технологий и методик обеспечить системный анализ данных, диагностику, лечение и профилактику патологических состояний различных групп пациентов.

Академия обучает медиков-кибернетиков, знания и навыки которых требуются в государственных и коммерческих лечебных учреждениях, медицинских научных центрах, в компаниях, занимающихся разработкой компьютерных систем и передовой медицинской техники.

«Медицинская кибернетика». Общие положения

Медицинская кибернетика, как наука об управлении в сложных динамических медицинских системах, объединяет в себе основы биологии, информатики, физики и медицины. В точке пересечения этих наук рождаются передовые знания, позволяющие найти оптимальные решения старых и новых проблем. Появление медицинской кибернетики, ее развитию в самостоятельную отрасль медицинской науки предопределил научно-технический прогресс в сфере информационно-коммуникационных технологий, достижений информатики, развитии биотехнологий и биофизики. Дисциплина условно разделяется на два направления: медицинских кибернетиков, занимающихся программной диагностикой патологий и врачей-статистиков, работающих с различными базами данных.

Формат обучения

Обучение на курсе «Медицинская кибернетика» основано на использовании современных дистанционных образовательных технологий с применением очно-заочных форм, не требующих личного посещения учебного центра. 600 академических часов 8-ми учебных программ курса слушатели, на свой выбор, могут освоить за 3 или 6 месяцев.

В арсенале обучающегося должен быть компьютер и свободный доступ в интернет. Академия на своем портале обеспечивает слушателю доступ в личный кабинет, где собраны все учебные и лекционные материалы, а также видеоархив прошедших курсов. Статистика успеваемости и контроль обучения также проводится в личном кабинете.

Самостоятельное изучение учебных программ подкрепляется регулярными семинарами, практическими занятиями и вебинарами, которые в онлайн формате ведут преподаватели-практики.

Возникающие организационные, учебные и информационные вопросы помогает решить персональный наставник.

После успешной сдачи междисциплинарного экзамена слушателю выдается Диплом установленного государством образца, подтверждающий получение им дополнительного профессионального образования.

Диплом регистрируется в базе ФИС, соответствуют нормам действующего законодательства и имеет 6 степеней защиты.

Профпереподготовка по курсу «Медицинская кибернетика» в Академии

Запишитесь на курсы дополнительного профильного образования «Медицинская кибернетика» и получите Диплом, подтверждающий ваш профессионализм.

Глобальная инициатива по здоровью медоносных пчел (GIHH) — Кибернетика

Глобальная инициатива по здоровью медоносных пчел (GIHH)

Пчелы играют важную роль в экосистемах и сельском хозяйстве во всем мире. Чтобы понять поведение медоносных пчел и различные нагрузки, с которыми они сталкиваются, мы разработали технологию микросенсоров, которая позволяет отслеживать поведение отдельных пчел с помощью RFID-меток.

Обзор

GIHH — это международное сотрудничество исследователей, пчеловодов, фермеров, промышленных и технологических компаний под руководством CSIRO.Он направлен на изучение угроз здоровью пчел, лучшее понимание разрушения пчелиных семей и поиск решений, которые помогут обеспечить опыление сельскохозяйственных культур.

Наши ученые вносят свой вклад в основные возможности, знания и технологии, а также опыт в области биобезопасности, патологии пчел, опыления и экологии ландшафта, а также технологий и систем микрозондирования.

Улучшая здоровье медоносных пчел, обеспечивая устойчивое производство сельскохозяйственных культур, зависящих от опыления медоносными пчелами, и повышая продуктивность за счет скоординированного управления опылением, мы можем увеличить экологические и экономические преимущества для фермеров и пчеловодов, внося ценный вклад в устойчивые методы ведения сельского хозяйства. и продовольственная безопасность.

Вызов

В последние годы в мире наблюдается беспрецедентное сокращение численности пчелиных семей медоносных пчел по неизвестным причинам. Австралия особенно уязвима из-за того, что садоводство и сельское хозяйство полагаются на неконтролируемых диких медоносных пчел для опыления большей части наших сельскохозяйственных культур.

Решение

Мы разработали интегрированную систему микро-RFID (радиочастотная идентификация), считывающие антенны с дополнительными соответствующими датчиками, управляемыми специально реализованной встроенной системой для базы данных и интерфейсов для облегчения визуализации и анализа данных.

Эти крошечные датчики и связанные с ними системы считывания позволяют исследователям анализировать влияние стрессовых факторов, включая болезни, пестициды, загрязнение воздуха, загрязнение воды, диету и экстремальные погодные условия, на передвижения пчел и их способность к опылению.

Каждый «сенсорный набор» состоит из оборудования, программного обеспечения, данных и экспериментальных протоколов, которые могут быть интегрированы в поведенческие, биологические и экологические исследования и применяться в глобальном масштабе для расширения наших знаний о здоровье медоносных пчел.

GIHH объединяет усилия ученых, пчеловодов и фермеров, проводящих эксперименты, предоставляя и обмениваясь информацией, публикуя совместные отчеты и продвигая знания о здоровье пчел для определения ответных мер руководства, которые поддерживают промышленность и правительство в обеспечении одной трети наших запасов продовольствия, которые полагаться на опыление пчелами.

Влияние на правительство

Исследовательские организации из девяти стран сотрудничают в этом проекте, а правительство Бразилии рассмотрело применение неоникотиноидов в сельском хозяйстве при участии GIHH.Наш формат спецификации данных, о котором мы сообщаем в литературе, принят во всем мире учеными, использующими RFID на пчелах.

Влияние на промышленность

Vale (горнодобывающая компания) использует нашу систему для постоянного наблюдения за пчелами без жала во время их работы на Амазонке (рудник Карахас). Благодаря этим усилиям Vale выполняет условия работы с Агентством по охране окружающей среды Бразилии и теперь может оценить влияние своей деятельности на опылителей.
Наши системы совместно используются во всем мире для оценки, обмена открытыми данными и развития науки; ускорение скорости открытий за счет предоставления энтомологам и ландшафтным биологам простой в использовании платформы (аппаратного и программного обеспечения).
Мы внесли свой вклад в австралийскую учебную программу по естествознанию, предоставив школьным учителям наборы данных о перемещениях пчел и их занятиях для использования в классе с учащимися, а также выступили с различными докладами о наших исследованиях с выдающимся освещением в средствах массовой информации.

Science Impact

Три публикации, один патент, один набор данных.
Документальные фильмы и короткие видеоролики, выпущенные Intel, NAB, Hitachi, CNN и Austrade.
историй, опубликованных международными изданиями, такими как Times, Forbes, The Guardian, Al Jazeera, CNN и BBC, на более чем 20 языках.
Запуск GIHH привел к самой успешной медиакампании, когда-либо проводившейся CSIRO.

Признание коллег

Премия за лучшую работу 2016 г., Международная конференция IEEE по системам обработки и анализа данных.
Премия за выдающиеся достижения в области инженерии, 2016 г. — инновации, исследования и разработки, Engineers Australia.
iAwards 2016 за инновации года в области больших данных (Tas), AIIA.
Премия Global Impact Award 2016 PR Week, полученная в Лондоне.
Премия журнала Asia-Pacific Magazine Science and Education Award 2016 в Сингапуре.
2016 IABC Golden Quill — награда за заслуги перед СМИ в Новом Орлеане, США.
Премия «Дыхание свежего воздуха 2015» (BOFA), инновации, технологии и транспорт.

Пути удара

Воздействие GIHH включает:

Снижение (и предотвращение) потерь в производительности сельского хозяйства.
Повышение эффективности опыления, продуктивности и рентабельности сельскохозяйственных систем.
Повышение устойчивости и конкурентоспособности сельскохозяйственной отрасли, особенно экспорта плодоовощной продукции.
Предоставление пчеловодам быстрого доступа к мировым экспертам для развития отрасли.
Предоставление МСП доступа к новейшим технологиям и внутренней поддержки со стороны мировых производителей ИКТ для разработки и коммерциализации продуктов во всем мире.
Обеспечение сотрудничества: RFIT производит оборудование вместе со своими тайваньскими партнерами и тестирует устройства в сотрудничестве с IMBROS в Австралии.IMBROS коммерциализирует оборудование и встроенное программное обеспечение. Изготовлением микрометок занимается Hitachi Chemicals, и они также коммерциализируются IMBROS.
Поддержка Hitachi, Intel и CISCO в их реализации КСО (корпоративная социальная ответственность), поскольку они обеспечивают лидерство и демонстрируют, как технологии могут приносить положительные коммерческие, социальные и системные результаты.

Связанное содержимое

Наша высококвалифицированная команда исследователей и инженеров мирового класса открыта для партнерства и сотрудничества в области исследований, разработок и коммерциализации.

Свяжитесь с нами, чтобы узнать больше.

Кибернетика для XXI века: Интервью с философом Юк Хуэем — Журнал № 102 Сентябрь 2019

В своей последней книге Рекурсивность и непредвиденность (2019) гонконгский философ Юк Хуэй утверждает, что рекурсивность — это не просто механическое повторение. Его интересует «нарушение правил, отклоняющееся от правил». Он развивает то, что можно назвать неовиталистической позицией, которая выходит за рамки доминирующего сегодня в популярной культуре представления о том, что внутри робота есть жизнь (или скоро она появится).В «органологии», которую предлагает Хуэй, система имитирует рост и вариации внутри своей собственной технической области. «Рекурсивность характеризуется, — пишет он, — циклическим движением возвращения к себе с целью определения себя, в то время как каждое движение открыто для случайностей, которые, в свою очередь, определяют его сингулярность».

Вслед за О существовании цифровых объектов (2016) и Вопрос о технологиях в Китае: эссе в космотехнике (2017), Рекурсивность и непредвиденность — третья и, безусловно, самая амбициозная книга Юка Хуэя.Разделенный на пять глав, посвященных разным эпохам и мыслителям, он начинается с рефлексивного суждения Канта, которое Хуэй считает предшественником рекурсивности. Затем книга переходит к рефлексивной логике Гегеля, предвосхищающей кибернетику. Согласно органологии Хуэя (и органологии Бернарда Стиглера), науку и технологии следует понимать как средства возвращения к жизни, как пути к истинному плюрализму или «множественной космотехнике», если использовать ключевую концепцию Хуэя из его более ранней книги.

Наше понимание вычислительных возможностей не должно ограничиваться «разрушительными» технологиями Кремниевой долины, ориентированными на получение краткосрочной прибыли. Хуэй выходит за рамки этого близорукого взгляда на технологии. Его фундаментальный проект состоит в том, чтобы углубиться в философские основы сегодняшней дигитальности, изучить эпистему, которая представляет собой новую форму тотальности (или «техно-подсознание», как я описал ее в другом месте). Как мы можем мыслить об индивидуализации в эпоху, когда онлайн-личность окружена искусственной глупостью и алгоритмическим исключением во имя безжалостной максимизации прибыли и государственного контроля? Есть ли внутри кибернетики освобожденное «я»?

—Geert Lovink

Geert Lovink: Не могли бы вы ввести термины «рекурсивность» и «непредвиденные обстоятельства»? Как эти два термина связаны с обратной связью, которая является центральным понятием кибернетики? Можно ли наметить потенциальные кибернетические технологии, не основанные на принципах нынешней информационной революции?

Юк Хуэй: Рекурсивность — это общий термин для зацикливания.Это не просто повторение, это скорее спираль, где каждый цикл отличается, поскольку процесс в целом движется к концу, будь то закрытый или открытый. Как студент-информатик, я был очарован рекурсией, потому что это настоящий дух автоматизации: с помощью нескольких строк рекурсивного кода вы можете решить сложную задачу, которая может потребовать гораздо большего количества кода, если вы попытаетесь решить ее линейным способом.

Понятие рекурсивности представляет собой эпистемологический разрыв с механистическим мировоззрением, которое доминировало в семнадцатом и восемнадцатом веках, особенно с картезианским механизмом.Самый известный трактат об этом разрыве — это «Критика суждения » Иммануила Канта 1790 , в котором предлагается рефлексивное суждение, способ действия которого является антикартезианским, нелинейным и самозаконным (т.е. детерминированности априорными универсальными законами). Рефлексивное суждение занимает центральное место в понимании Кантом красоты и природы, поэтому две части его книги посвящены эстетическому суждению и телеологическому суждению.Исходя из Канта и используя обобщенную концепцию рекурсивности, я пытаюсь проанализировать возникновение двух направлений мысли, связанных с концепцией органического в двадцатом веке: органицизма и органологии. Первый открывает философию биологии, а второй — философию жизни. В книге я пытаюсь реконструировать органицизм и органологию в рамках сегодняшней технической реальности.

Непредвиденные обстоятельства — центральная составляющая рецидивов. В механическом режиме работы, который основан на линейной причинно-следственной связи, случайное событие может привести к коллапсу системы.Например, оборудование может выйти из строя и вызвать промышленную катастрофу. Но в рекурсивном режиме работы непредвиденные обстоятельства необходимы, поскольку они обогащают систему и позволяют ей развиваться. Живой организм может поглотить непредвиденные обстоятельства и сделать их ценными. То же самое и с сегодняшним машинным обучением.

GL: Кибернетические концепции, такие как обратная связь и «черный ящик», часто приводят к упрощенному пониманию автоматизации. Как мы можем это преодолеть?

YH: Во времена Декарта, а затем Маркса (который описал отношения человека и машины на фабриках Манчестера девятнадцатого века) автоматизированные машины выполняли однородную повторяющуюся работу, как часы.Как писал Маркс, мастер, превратившийся в фабричного рабочего, не смог сотрудничать с этим видом машины ни на психологическом, ни на соматическом уровне, потому что машина, заключенная внутри себя, является отдельной реальностью. Маркс объяснил эту неудачу отчуждением. Однако в наше время автоматизированные машины больше не основываются на той же эпистемологии. Скорее, они рекурсивны — способны интегрировать непредвиденные обстоятельства в свои операции.

Центральная роль рекурсивности в современном машиностроении затушевывалась различными способами описания капитализма из-за того, что марксисты склонны обсуждать информационные технологии в слишком абстрактных терминах — «нематериальный труд», «свободный труд» и так далее.Делез пытался подчеркнуть это в своем знаменитом «Постскриптуме об обществах контроля», но ему не хватало словаря для этого, и он просто позаимствовал концепцию модуляции у философа Гилберта Симондона.

Если мы хотим преодолеть эту неспособность оценить рекурсивность, нам нужно понять ее значение и найти способы ее описания и анализа. Мартин Хайдеггер утверждал, что появление кибернетики в середине двадцатого века ознаменовало завершение и конец философии.В ответ на Хайдеггера я реконструирую кибернетику в истории философии с целью раскрыть как ее пределы, так и потенциал. Для этого нужен новый язык и новые концепции. Вот почему в книге основное внимание уделяется развитию концепций рекурсивности и случайности, которые я затем использую для анализа теоретических основ органицизма и органологии.

Мы можем выделить две разновидности органицизма: философию природы (примером которой являются Фридрих Вильгельм Йозеф фон Шеллинг, Джозеф Нидхэм, Джозеф Генри Вудгер и Альфред Норт Уайтхед и другие) и то, что я называю «механоорганизмом», который включает в себя кибернетику, а также теорию систем.С помощью исторического анализа я пытаюсь мыслить рекурсивность за пределами кибернетики. Это отражено в структуре книги: первые две главы посвящены органицизму от Канта до кибернетики через Шеллинга, Гегеля, Норберта Винера и Курта Гёделя; третья и четвертая главы посвящены органологии от Канта до Анри Бергсона, Жоржа Кангильема, Симондона, Бернарда Стиглера и моему собственному размышлению об этой традиции; последняя глава раскрывает политическую философию, которая выступает против тотализирующей тенденции слишком гуманистической современной технологии.

GL: Что такое механизм сегодня в мире, где преобладает цифровизация? Механистическое мировоззрение девятнадцатого века по сути пыталось объяснить жизнь без жизни. С тех пор это уступило место доминирующей сегодня «органической» перспективе. Почему, тем не менее, необходимо дистанцироваться от механистического? Это все еще живая идеология?

YH: Мы живем в эпоху неомеханизма, когда технические объекты становятся органическими.К концу восемнадцатого века Кант хотел дать новую жизнь философии вслед за механизмом, поэтому он создал новое условие философствования, а именно органическое. Быть механистичным не обязательно означает быть связанным с машинами; скорее, это относится к машинам, построенным на линейной причинности, например часам, или термодинамическим машинам, таким как паровой двигатель. Когда я говорю, что Кант установил «органическое» как условие философствования, это означает, что для того, чтобы философия существовала, она должна быть органической.Итак, для посткантианцев, таких как Иоганн Готлиб Фихте, Шеллинг и Гегель, существует ярко выраженный органический образ мышления, варьирующийся от философии природы до политической философии. И если философия со времен Канта имеет в качестве аналога механизм, кажется, что сегодня, как вы и другие заметили, этот аналог превратился в органическое существо. Наши компьютеры, смартфоны и домашние роботы больше не механические, а становятся органическими. Я предлагаю это как новое условие философствования.Философия должна болезненно оторваться от самодовольства органичности и открыть новые области мышления.

В этой книге я хотел подробно рассказать не только об истории философии и истории технологий, но и о том, что следует за этим органическим способом мышления или новым условием философствования после Канта. Органицизм по-прежнему считается лекарством от индустриализма, даже несмотря на то, что реальность машин и промышленности в двадцать первом веке уже не те, что были сотни лет назад.Ложный анализ может ввести в заблуждение, а также нанести вред пониманию и оценке нашей сегодняшней ситуации. Философия должна отрицать тотализирующую тенденцию в органическом мышлении, которая находится в процессе реализации в различных технических устройствах, от социальных кредитных систем до «суперинтеллекта». Я думаю, что Жан-Франсуа Лиотар уже размышлял об этом около сорока лет назад в своем постмодернистском условии «», особенно в своей критике теории систем Никласа Лумана.Следует внимательно перечитать Лиотара. Вот почему моя последняя глава посвящена Лиотару и «негуманизму», который я хочу развить как философию фрагментации.

GL: Вы пишете, что для виталиста, такого как Бергсон, искусственные системы являются механическими, а не реальными. «Наука, когда она становится механической, мешает нам постичь творчество, которое есть сама жизнь. Жизнь — это рекурсивный процесс созидания в разрушении ». В этом отрывке вы цитируете Кангильема, наставника Фуко, который утверждал в статье Знание жизни от 1966 года, что мы должны «воссоединиться с жизнью через науку.”

YH: Бергсон был философом, противопоставившим органическое механическому. Это произошло из-за исторического фона, о котором мы кратко упоминали ранее: девятнадцатый век был веком механизмов, физики и индустриализма. В 1907 году Бергсон опубликовал Creative Evolution , который для Кангилхема вместе с журналом L’Année Biologique , выпущенным в том же году, ознаменовал рождение философии биологии во Франции. Это был также Кангилхем в своем эссе 1947 года «Машина и организм», который предположил, что в книге Бергсона Creative Evolution есть общая органология.Возвращение к жизни — это возвращение к органическому целому, которое делает возможной механическую часть. Это органическое целое получило в Бергсоне название « élan vital ». Жизнь — рекурсивный процесс; это постоянный обмен между фигурой и фоном (если мы используем гештальт-словарь) в процессе создания и разрушения.

Вот почему эволюция является творческой, поскольку она в основе своей является органологической в том смысле, что эволюция также является процессом, в котором люди обязаны постоянно создавать новые органы (например,ж., фигуры), не будучи ослепленными ими, то есть не рассматривая их как целостность реальности. Механизм хочет объяснить жизнь, не осознавая, что это всего лишь фаза жизни, например, фигура. Бергсон, с другой стороны, хочет перенести механизм в более широкую реальность, а именно в саму жизнь. Таким образом, Бергсон не против науки или даже механизма, а против того, чтобы наука становилась просто механической и игнорировала жизнь. Между Бергсоном и Кангилхемом практически нет противоречий, поскольку оба они отвергают предложение объяснить жизнь без жизни.Они хотят «воссоединиться с жизнью через науку».

GL: Должны ли мы больше не беспокоиться о некритичном использовании биологических метафор в технологическом и социальном контекстах? Я из политического поколения, в котором это открыто ставилось под сомнение. Почему вы говорите об «эволюции» систем? Что мы получаем, говоря о «появлении», зная, что все эти технологии сознательно созданы людьми, также известными как инженеры-мужчины?

YH: Сегодня, когда определенные дуалистические логики (напр.g., человек против машины) были более или менее преодолены, но критика дуализма как такового остается существенной для различных социальных и политических проектов — таких как преодоление современности, например, — разве это невежество проблематично? Как мы критически относимся ко всему этому? Это цель моей книги. Что значит стать киборгом? Донна Харауэй всегда была органисткой. Ее работа имела важное значение в 1990-х годах для преодоления дихотомии между механическим и органическим. Однако в то время органический образ мышления уже подходил к концу.Может быть, сегодня нам следует пересмотреть все эти концепции, исходя из нового состояния философствования, которое я пытался объяснить выше и который я детализирую в своей книге.

Задать конкретный вопрос: не является ли человек, имеющий искусственную руку и глаз, более не человеком, поскольку в этом человеке органическое и механическое больше не противостоят? Или с другой точки зрения, является ли трансгуманизм с его верой в то, что все тело можно заменить и улучшить, на самом деле построен на линейном образе мышления, выражающем крайний гуманизм? На первый взгляд кажется, что трансгуманизм хочет избавиться от концепции человека.Однако этот жест — лишь камуфляж. Трансгуманизм — это типичный гуманистический подход к миру, поскольку все схвачено метафизическим взглядом.

Насколько полезно думать с точки зрения органологии? Термин «общая органология» был введен Кангильхемом в «Машина и организм». Но больше, чем кто-либо другой, подробно остановился на этом вопросе Бернард Стиглер. Он разработал концепцию органологии примерно в 2003 году, когда был директором IRCAM в Центре Жоржа Помпиду, институте экспериментальной музыки.Этот термин на самом деле происходит от музыки, а не от Бергсона. Несмотря на разные мотивы Кангилхема, Стиглера и Бергсона, все они указывают на идею, что человеческая жизнь может поддерживаться только посредством организации неорганического, то есть посредством изобретения и использования инструментов. Может быть, нам стоит поставить вопрос так: позволит ли развитие искусственного интеллекта и машинного обучения вернуться к жизни?

Давайте сделаем еще один шаг. Что, если эти машины больше не являются просто «организованными неорганическими» объектами, а скорее гигантскими системами в процессе становления? Эволюция от технических объектов к техническим системам была моим фокусом в On the Existence of Digital Objects , и эта тема получила дальнейшее развитие в Recursuration and Contingency .Эти системы теперь являются организаторами человеческих жизней и социальных порядков. Мне кажется необходимым вернуться к этим вопросам и распространить концепцию органологии, уже разработанную антропологами и философами, на анализ нашей реальной ситуации.

GL: Ближе к концу вашей новой книги вы спрашиваете, позволит ли рекурсивное мышление вновь поднять вопрос об органициализме и техноразнообразии, или оно будет использоваться только детерминированной системой, «которая движется к своему собственному разрушению.«Мы уже знаем о редукционистской школе мысли — она захватила мир. Как насчет нередукционистской школы мысли? Что люди могут сделать, чтобы стать его частью? Это движение? Какие формы организации вы себе представляете? Франкфуртская школа? Баухаус? Какие современные примеры вас вдохновляют?

YH: Вы абсолютно правы, это должно быть новое движение или новая школа мысли, которая развивает различные представления и практики технологий.В последние годы многие люди говорят об определенном возрождении модели Black Mountain College, поскольку это новое движение в первую очередь потребует новой программы и новых форм коллективности с целью преобразования индустриального мира, как то, что Баухаус хотел сделать. Со своей стороны, в 2014 году я основал исследовательскую сеть под названием «Исследовательская сеть философии и технологий». Мы пытаемся наладить сотрудничество между различными учреждениями и отдельными лицами, но нам еще предстоит пройти долгий путь.Я считаю, что это должен быть совместный проект. Нам потребуется участие исследователей, разделяющих определенный анализ и набор проблем.

GL: Кибернетика — это метафизика сегодняшнего дня? Хайдеггер, возможно, предсказал, что кибернетика заменит философию, но пока нет никаких признаков этого, по крайней мере, в западном академическом мире. Философия технологий — это в лучшем случае второстепенная дисциплина. Не пора ли радикально реформировать учебные дисциплины?

YH: В Рекурсивность и непредвиденность я пытаюсь показать, почему Хайдеггер был прав в отношении конца метафизики, а также почему необходимо мыслить дальше Хайдеггера.В 1966 году журналисты из Der Spiegel спросили Хайдеггера, что следует за философией. Он ответил: кибернетика. Органическое для Хайдеггера есть не что иное, как механико-технологический триумф современности над природой. Вот почему я думаю, что органический способ мышления и те области, которые он породил, такие как экология, кибернетика, теория Гайи и т. Д., Являются проявлениями этой «цели». Вопрос в том, как мыслить дальше этой цели.

В своем эссе 1964 года «Конец философии и задача мышления» Хайдеггер также говорит, что эта цель означает, что отныне мировая цивилизация будет основываться на западноевропейской мысли.Это, конечно, провокационное утверждение, и я подробно рассмотрю его в своей второй книге, Вопрос о технологии в Китае: очерк космотехники .

Концепция космотехники касается идеи о том, что разные культуры и эпохи по-разному думают о технологиях. Космотехника также занимает центральное место в рекурсивности и непредвиденных обстоятельствах , поскольку книга пытается реконструировать различные представления о технологии с целью развития концепции Хайдеггера «обрамления» ( Gestell ), которую он считает сущностью современной технологии.Я не утверждаю, что мы отказываемся от кибернетики, просто признаем ее пределы и потенциал.

В Рекурсивность и непредвиденность есть диалог между кибернетикой и китайской мыслью через фигуру Джозефа Нидхэма. Вы можете рассматривать эту книгу как сноску к § 17 из «Вопрос о технологии в Китае », где я обсуждал характеристику Нидхэмом китайской философии как органицизма. В последней книге я утверждаю, что существует китайская технологическая мысль, основанная на ином понимании космоса и морали.Я рад видеть, что это предложение приветствовалось в Китае, Японии и Корее (в основном из-за сходства мыслей в этих странах). Некоторые молодые ученые с энтузиазмом взялись за это. Корейский перевод уже вышел, а китайский и японский переводы выйдут позже в этом году.

Если мы последуем тому, что говорит Хайдеггер — эта мировая цивилизация теперь полностью основана на западноевропейской мысли, — то конец философии — это также призыв к другим способам мышления.Может ли Глобальный Юг заново открыть для себя свою космотехнику и технологическую мысль и тем самым дать новое направление технологическому развитию в целом? Вынудит ли поражение Huawei в недавней политической борьбе между США и Китаем компанию разработать собственную операционную систему или она просто разработает другую версию Android, написанную на китайском языке? Это имеет решающее значение для новой технологической повестки дня, а также для грядущей новой геополитики.

Вы спросили о философии технологии.Я редко представляю себя философом технологий, если не оказываюсь в ситуации, когда мне приходится выбирать узкую дисциплину. Как и Стиглер, я склонен полагать, что технология — это первая философия. Философия всегда была обусловлена и вызвана технологическими условиями данной эпохи.

GL: Точно так же, как кибернетика не смогла заменить философию в академии, такие дисциплины, как «цифровые исследования» и «интернет-исследования», еще не получили широкого распространения.В то же время мы наблюдаем рост «цифровых гуманитарных наук», перед которыми была возложена нечестивая задача по внедрению инноваций в сокращающуюся область знаний изнутри. Любой гуманитарный подход, не основанный на данных, на самом деле исчезает. Что тут происходит?

YH: Сегодня каждая дисциплина хочет, чтобы предметом исследования были искусственный интеллект, машинное обучение и большие данные. Мы видим это в социологии, архитектуре, философии, антропологии, исследованиях средств массовой информации, естественных науках — вы называете это.Но, как вы предположили, вопросы исследования часто довольно узкие. Я не против цифровых гуманитарных наук. Проблема в том, что его повестка дня слишком ограничена. Два года назад меня пригласили на собеседование на факультет цифровых гуманитарных наук в Англии. Позже мне с некоторым сожалением сказали, что в данный момент им не нужен философ.

Мне кажется, что технологии стали неотъемлемой частью разрозненных дисциплин. Другими словами, все разные дисциплины хотят ответить на вызов технологий.Приведет ли это к появлению новых форм радикальной технологической мысли, которые не ограничиваются теорией СМИ двадцатого века, философией технологий и литературными исследованиями? Цифровые гуманитарные науки — это еще не глобальная дисциплина. Может быть, поскольку он принят в разных местах, его следует подвергнуть сомнению и пересмотреть. Я думаю, что это то, что исследователи из разных дисциплин должны думать вместе. Мы должны воспользоваться этой возможностью, чтобы переосмыслить существующие дисциплины и позволить процветать новым мыслям.

GL: Разрыв между интенсивным использованием цифровых технологий и фундаментальным пониманием преобразований, вызванных этими технологиями, растет с каждым днем.Что бы вы посоветовали восполнить этот пробел? Я не вижу, чтобы это происходило в Европе, континенте, который быстро сужается, становится все более и более регрессивным. Следует ли нам возлагать надежды на новое технологическое мышление на Азию? Или нам, возможно, следует представить себе распределенные сети производства знаний?

YH: Нам необходимо переосмыслить систему образования и существующие разделы дисциплин, которые были приняты в последние несколько десятилетий. Вероятно, невозможно устранить разрыв между уже существующими дисциплинами, поскольку, когда вы пытаетесь преодолеть разрыв, этот разрыв в то же время сохраняется.Одна из возможностей — создать новую дисциплину, в которой этого разрыва больше не существует.

Лучшее время моей юности я провел, обучаясь и работая в Англии, Франции и Германии. Европа глубоко в моем сердце, но я боюсь, что Европа станет бедной из-за растущего расизма и консерватизма. Я бы не хотел сказать, что новая технологическая мысль обязательно придет из Азии, а не из Европы, но я верю, что такая мысль может возникнуть только из несовместимости между системами мышления, поскольку именно несовместимость между ними приводит к индивидуализация самого мышления, избегая как подчинения, так и господства.Однако у меня все больше сомневаюсь, готова ли Европа к этому. Мне кажется крайне важным переосмыслить взаимосвязь между философией, технологией и геополитикой сегодня, что, я боюсь, остается в значительной степени неосознанным.

новая метафора для социальных коллективов

Ильес П., Йоллес М., 2002, Международные совместные предприятия, УЧР и жизнеспособная миграция знаний.

В Международном журнале управления человеческими ресурсами. Vol. 13, No 4, стр. 624-641

Ильес, П., Йоллес, Мичиган, 2003 г., Миграция знаний и передача знаний в области управления человеческими ресурсами в

международных совместных предприятиях и альянсах HRD в Чешской Республике и Болгарии,

Estonian Business Review, Estonian Business School Таллинн, Эстония, 17, 82-97

Ильес П., Йоллес М., 2003а. Международные альянсы HRD в жизнеспособной миграции знаний и развитии

: Чешский проект Academic Link. В области развития человеческих ресурсов

International. Vol. 6 (3) 301-324.

Ионеску Г., 1975, Центростремительная политика. Харт-Дэвис, Макгиббон, Лондон,

Джексон, М., 2000, Системные подходы к менеджменту, Plenum Pub Corp; ISBN:

030646506X

Джексон, M.C., 1992, Системная методология для наук управления. Пленум, Нью-Йорк,

Джеймс, У., 1907, прагматизм. Нью-Йорк: Meridian Books

Юнг, К.Г., 1921, Психологические типы. Принстон, Нью-Джерси: Издательство Принстонского университета.

Юнг, К.Г., 1957–1979, Собрание сочинений, Bollinger Series vols.1-20, Pantheon, New York,

Kets de Vries, M.F.R., 1991, Организации на диване: клинические перспективы

Организационное поведение и изменения, Jossey-Bass Inc, США.

Колб, Д. А., 1974. Организационная психология: экспериментальный подход. Энглвуд Клиффс,

Нью-Джерси. Prentice-Hall

Laurillard, D., 1987, Компьютеры и эмансипация студентов. Содержится в

«Компьютеры и обучение», изд. Бойд-Баррет О., Скэнлон Э.Эддисон Уэсли.

McKenna, M., K., Shelton, CD, Darling, JR, 2002, Влияние стиля поведения

оценка эффективности организации: призыв к действию, Leadership &

Organization Development, Journal, 23 (6) 314-322.

Маршалл С.П., 1995, Схемы решения проблем. Cambridge University Press, Cambridge,

UK,

Maturana, H., Varela, F.J., 1979, Autopoiesis and Cognition, Boston Studies in the

Philosophy of Science, Boston

Maturana, H.Р., Варела, Ф.Дж., 1987, Древо познания, Шамбала, Лондон.

Николис Г., Пригожин И., 1989, Изучение сложности: Введение. W.H.Feeman and

Co., New York

Osborn, A.D. Философия Эдмунда Гуссерля: в ее развитии от его математических интересов

до его первой концепции феноменологии в логических исследованиях. New

York, NY: International Press, 1934, 110.

Paris, C., Hall Johnston, J., Reeves, D., 1998, Теоретическая основа и измерение

Стратегия обучения команды принятию тактических решений. Доступно по адресу:

http://www.dodccrp.org/proceedings/ DOCS / wed00000 / wed000e6.htm

Poli, R., 2005, личное сообщение

Poli, R., 2001, «Основная проблема Теория уровней реальности, Axiomathes, 2001, 12,

3-4, стр. 261-283

Роббинс, С.П., 2001, Организационное поведение, Прентис-Холл, Верхняя Седл-Ривер, Нью-Джерси.

Розенблют, А., Вернер, Н., Бигелоу, Дж., 1943, Поведение, цель и теология,

Философия науки, 10, S, 18-24.

Шутц А., Лакманн Т., 1974, Структуры жизненного мира. Хейнаманн, Лондон.

Шварц, Э., 1994 (апрель), Метамодель для интерпретации возникновения, эволюции и

функционирования жизнеспособных природных систем. Представлено на Европейской конференции

Cybernetics and Systems Research, Вена, и в Trappl, R., (ed.), 1994, Cybernetics

and Systems ’94, World Scientific, Сингапур, стр. 1579-1586

Schwarz, E ., 1994 (сентябрь), Трандисциплинарная модель возникновения, самоорганизации и эволюции жизнеспособных систем. Представлено на Международной конференции

информации, системной архитектуры и технологий, Технический университет Вроцлава,

Szklaska Poreba, Polland

Schwarz, E., 1997, На пути к целостной кибернетике: от науки через эпистемологию к

Бытие. Кибернетика и знания человека, Vol. 4, No. 1, pp17-50

Теория управляющей информации: «недостающее звено» в науке кибернетики.

Страница / Ссылка:

URL страницы: HTML-ссылка: Морфогностические пчелы, сообщающие местонахождение нектара посредством танцевальных движений
Введение
Медоносные пчелы, apis mellifera , очаровательные социальные насекомые.Они также умны, даже умеют считать и складывать (Fox, 2019). Однако их способность символически общаться в форме «танца», указывающего направление и расстояние до источника нектара, поистине удивительна (Chittka and Wilson, 2018; Nosowitz, 2016; Schürch et al., 2019; Von Frisch). , 1967), особенно с учетом того, что символы используются редко даже у более неврологически сложных животных. Танец, исполняемый пчелой в присутствии других пчел в улье после обнаружения нектара в месте за пределами улья, заставляет пчел собирать корм в указанном месте, таким образом получая больше нектара, чем в противном случае.
В этой статье описываются искусственные медоносные пчелы, которые собирают нектар и исполняют танец собирательства. Он использует общую систему машинного обучения, Morphognosis , которая приобретает поведение на собственном примере и позволяет искусственному организму выражать это поведение. Будет показано, что моделирование добычи нектара — сложная задача для методов машинного обучения без дополнений, но с поддержкой пространственной и временной контекстной информации, которую предоставляет Morphognosis, ее можно решить.
В качестве отказа от ответственности следует отметить, что этот проект не предназначен для предоставления новых или дополнительных сведений о медоносных пчелах. Его цель — использовать машинное обучение для имитации биологически вдохновленного поведения в динамической среде. Если конвергенция природы и уловок на поведенческом уровне дает представление о биологических механизмах, это было бы счастливой случайностью.
Медоносные пчелы были центром внимания и источником вдохновения для ряда инициатив по моделированию:
Моделирование колонии позволяет пользователю наблюдать, как пчелы подвержены влиянию различных условий окружающей среды, таких как погода.Алгоритмы для ряда группового поведения, включая оптимальные стратегии поиска пищи, цитируются в статье Карабога и Акай. Другие проекты моделируют нейронные механизмы пчел. Например, в рамках проекта изучения запахов было обнаружено, что имитирующие медоносные пчелы, лишенные грибовидных тел, насекомых, эквивалентных коре головного мозга, все еще могут узнавать запахи. Пиковая нейронная сеть измеряет, как абстрактная модель нервной системы пчелы реагирует на стимулы, связанные с нектаром.
В отличие от этого, вклад этого проекта заключается в моделировании поведения медоносной пчелы с помощью универсальной модели коннекционизма, которая учится на основе внешних наблюдений и применима к произвольным задачам моделирования поведения, а не только к задаче сбора медоносных пчел.
Несколько лет назад я объяснил коллеге, как моя диссертационная программа (Portegys, 1986), модель инструментальной / оперантной обусловленности, может изучать различные задачи посредством подкрепления. Затем он спросил меня, насколько это «умно». Я отложил его, не имея готового ответа. Он настаивал. Я выпалил, что он умный, как таракан (а это не так). На что он ответил: «Разве нам не хватает настоящих тараканов?» Перенесемся в этот проект. Разве у нас не хватает настоящих медоносных пчел? (Хотя, если подумать, может быть, и нет (Oldroyd, 2007)!)
Суть этой истории в том, что вопрос о том, почему кто-то должен работать над искусственным интеллектом животных, по крайней мере на поверхности, остается открытым. разумный, учитывая уникальные интеллектуальные достижения нашего вида.Таким образом, исторически ИИ в основном ориентировался на человеческий интеллект, для которого сейчас есть бесчисленные истории успеха: игры, беспилотные автомобили, прогнозирование фондового рынка, медицинская диагностика, языковой перевод, распознавание изображений и т. Д. общий искусственный интеллект (AGI) кажется таким же далеким, как никогда. Это связано с тем, что этим историям успеха не хватает «общего» свойства AGI, поскольку они действуют в узких, хотя и глубоких областях. Приложение для языкового перевода, например, делает только это и ничего больше.
Энтони Задор (2019) лаконично выражает это: «Мы не можем построить машину, способную строить гнездо, выслеживать добычу или загружать посудомоечную машину. Во многих отношениях ИИ далек от достижения интеллекта собаки, мыши или даже паука, и не похоже, что простое расширение существующих подходов приведет к достижению этих целей ».
Я нахожусь в лагере, который считает, что достижение общего животного интеллекта является необходимым, если не достаточным, путем к AGI. Хотя наделение машин абстрактным мышлением — достойная цель, у людей существует огромное количество древней неврологии, которая лежит в основе этого таланта.
Ганс Моравец так выразился (1988): «В больших, высокоразвитых сенсорных и моторных частях человеческого мозга закодирован миллиардный опыт о природе мира и о том, как выжить в нем. Я считаю, что сознательный процесс, который мы называем рассуждением, является тончайшей оболочкой человеческого мышления, эффективным только потому, что он поддерживается гораздо более древним и гораздо более мощным, хотя обычно бессознательным, сенсомоторным знанием. Мы все потрясающие олимпийцы в области восприятия и моторики, настолько хороши, что делаем сложный вид легким.Однако абстрактная мысль — это новый трюк, которому, возможно, меньше 100 тысяч лет. Мы еще не освоили. Это не так уж и сложно; просто так кажется, когда мы это делаем ».
Итак, как мы должны действовать? Эмуляция организмов на уровне нейронов (эмуляция всего мозга) — это возможный подход к пониманию интеллекта животных. Однако попытки сделать это с человеческим мозгом не увенчались успехом (Yong, 2019). Возможным вариантом является сокращение до мышей. Человеческий мозг затмевает мозг мыши, но даже мозг мыши устрашает: кубический миллилитр коры головного мозга мыши содержит 900 000 нейронов и 700 000 000 синапсов (Braitenberg and Schüz, 1998).В гораздо более простом масштабе были потрачены годы на изучение взаимосвязи между коннектомом нематоды C. elegans (Wood, 1988), имеющим всего 302 нейрона, и его поведением, но даже это существо продолжает удивлять и ускользает от полного определения. Тем не менее, некоторые исследователи считают, что теперь возможно применить подход с использованием всего мозга к насекомым, таким как плодовая мушка, с ее 135000 нейронами (Collins, 2019). Также возможен частичный анализ мозга. Например, навигационные навыки медоносных пчел имеют важное значение для беспилотных летательных аппаратов.К счастью, модульная природа мозга медоносной пчелы может быть использована для воспроизведения этого навыка (Nott, 2018).
Еще одна проблема с эмуляцией — сложность отображения взаимосвязи между нейронными структурами и поведением (Krakauer et al., 2016; Yong, 2017). Для ИИ это ключевой аспект, так как поведение — это цель. Природа — слепец. Например, несмотря на энтузиазм после картирования генома человека, механизмы, с помощью которых гены экспрессируют белки и, следовательно, фенотипы, не так модульны, как хотелось бы.Скорее, он чрезвычайно сложен (Wade, 2001). В искусственных системах артефакты и причуды, оставленные эволюцией, могут внести ненужную сложность.
Область искусственной жизни (Alife) предлагает другой путь к AGI. Этот путь начинается с моделирования жизни и предоставления возможности эволюции оптимизировать искусственные организмы для достижения интеллекта в качестве критерия пригодности. Например, Шёнебург (2019) «Альтернативный путь к AGI» видит интеллект, исходящий от голобионтов , которые образуют взаимодействующие коллективы искусственных агентов.
Morphognosis продолжает тенденцию, заданную искусственными нейронными сетями, к абстрактному моделированию неврологических вычислительных функций. Однако подход заключается в основном в моделировании на поведенческом уровне. Учитывая совершенно разные «глины», из которых построены биологические и вычислительные системы, клетки против транзисторов и программное обеспечение, поведенческое моделирование кажется хорошим местом для сближения. Я считаю, что знаменитый тест Тьюринга (Turing, 1950) следует этой линии мысли.
Morphognosis представляет собой искусственную нейронную сеть (ИНС), дополненную структурой для организации сенсорных событий в иерархических пространственных и временных контекстах.Природа заложила в мозг информацию о пространстве и времени как способ эффективного взаимодействия с окружающей средой (Bellmund et al., 2018; Hainmüller, Bartos, 2018; Lieff, 2015; Vorhees and Williams, 2014). Эти возможности моделируются Morphognosis. Интересно, что ячейки сетки у людей также способны представлять не только пространственные отношения, но и непространственные многомерные, такие как отношения между членами группы людей (Bruner et al., 2018; Tarvaras et al., 2015).
Танец пчелы как последовательный процесс имеет временные компоненты. Например, пчела должна помнить о прошлом событии, о существовании излишка нектара в цветке, и использовать эту информацию для исполнения танца, указывающего направление и расстояние до нектара. Кроме того, пчелы, которые наблюдают за танцем, должны внутренне сохранять сигнал расстояния и использовать его для измерения дальности полета.
Последовательные процессы — это тип задач, к которым успешно применяются повторяющиеся искусственные нейронные сети (RNN) (Elman, 1990; Hochreiter and Schmidhuber, 1997).Однако RNN по своей сути также не поддерживают пространственную информацию. RNN поддерживают внутреннюю обратную связь, которая позволяет им сохранять информацию о состоянии в сети с течением времени. Это контрастирует с морфогнозом, где сам вход содержит информацию о временном состоянии.
Морфогноз отчасти был вызван некоторыми предположениями о том, что, если. У более простых животных «старый» мозг (миндалевидное тело, гипоталамус, гиппокамп и т. Д.) Имеет непосредственное отношение к нефильтрованной версии среды «здесь и сейчас».Учитывая склонность природы к перепрофилированию существующих способностей, возможно, у более сложных животных цель неокортекса, сидящего наверху старого мозга и фильтрующего поступающую сенсорную информацию, состоит в том, чтобы отслеживать события из отдаленных уголков пространства и времени и отображать их, как если бы рядом и настоящее, со старым мозгом, основные функции которого мало изменились с течением времени?
Ранее я проводил исследования по ряду вопросов, которые отличают обычный ИИ от естественного интеллекта.К ним относятся контекст, мотивация, пластичность, модульность, инстинкт и удивление (Portegys, 2007, 2010, 2013 и 2015). Морфогноз, в частности, ранее применялся для строительства гнезд некоторыми видами иглобрюхих (Portegys, 2019).
На сегодняшний день, включая проект медоносных пчел, Morphognosis реализован как клеточный автомат (Toffoli and Margolus, 1987; Wolfram, 2002), поскольку правила, которые он вырабатывает во время обучения, идеально отражены в сеточной структуре. Однако концептуально морфогноз не связан со схемой клеточного автомата.
В следующем разделе описывается морфогноз и детали поведения и реализации медоносных пчел. Далее следует раздел с результатами тестирования соответствующих переменных. В подразделе также представлено сравнение производительности рекуррентной нейронной сети (см. «Производительность LSTM»).
Крупномасштабное самонаведение медоносных пчел
Abstract
Медоносные пчелы-фуражиры часто летают на несколько километров к жизненно важным ресурсам и от них и сообщают об этих местах своим товарищам по гнезду с помощью языка символических танцев.Исследования показали, что они достигают этого подвига, запоминая ориентиры и панораму горизонта, используя солнце и поляризованный световой люк в качестве компасов и интегрируя траектории полета. Чтобы исследовать способность медоносных пчел к самонаводству, мы искусственно перемещали собирателей в новые места выпуска на различных расстояниях до 13 км по четырем сторонам света. Вернувшиеся пчелы индивидуально регистрировались системой радиочастотной идентификации (RFID) на входе в улей.Мы обнаружили, что скорость наведения, скорость наведения и максимальная дальность наведения зависят от направления спуска. Пчелы, выпущенные на востоке, с большей вероятностью вернулись домой и вернулись быстрее, чем пчелы, выпущенные в любом другом направлении, из-за того, что глобальные ориентиры были знакомы из улья. Наши результаты показывают, что такое крупномасштабное самонаведение облегчается глобальными ориентирами, действующими как маяки, и, возможно, всей панорамой горизонта.
Образец цитирования: Пал М., Чжу Х., Таутц Дж., Чжан С. (2011) Крупномасштабное самонаведение у медоносных пчел.PLoS ONE 6 (5): e19669. https://doi.org/10.1371/journal.pone.0019669
Редактор: Эрик Джеймс Уоррант, Лундский университет, Швеция
Поступила: 24 февраля 2011 г .; Одобрена: 3 апреля 2011 г .; Опубликовано: 13 мая 2011 г.
Авторские права: © 2011 Pahl et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.
Финансирование: Это исследование было поддержано ARC COE in Vision Sciences (CE0561903), ARC DP-0450535 для SWZ, MP и HZ (http://www.vision.edu.au/). MP был поддержан грантом German Excellence Initiative Высшей школе естественных наук Вюрцбургского университета (http://www.graduateschools.uni-wuerzburg.de/life_sciences). Эта публикация финансировалась Немецким исследовательским фондом (DFG) и Университетом Вюрцбурга в рамках программы финансирования Open Access Publishing.Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.
Конкурирующие интересы: Авторы заявили, что никаких конкурирующих интересов не существует.
Введение
Сборщики пчел должны обеспечивать постоянный приток нектара, пыльцы, воды и прополиса в колонию. Навигационная информация, необходимая для их частых дальних перелетов, получена с небесных и земных сигналов.Чтобы отслеживать текущее положение относительно цели, пчелы-сборщики используют несколько стратегий. Впервые покидая улей, молодые собиратели совершают систематические маневры полета, отступая от улья по серии увеличивающихся дуг [1]. Во время этих ориентировочных полетов животные запоминают сам улей, местные ориентиры, окружающие улей, и глобальные ориентиры вокруг области [2], [3], [4]. При перелете между гнездом и источником пищи пчела может сопоставить запомненные сигналы с реальной визуальной средой [5].Дальность полета оценивается по оптическому потоку , который пчела испытывает на исходящем маршруте [6], [7]. Когда пчелы вынуждены летать не по прямой линии, то есть вокруг больших препятствий, таких как горы, пчелы используют систему точного счисления , которая постоянно обновляет расстояние и направление до улья. Таким образом, в танце виляния танцор сообщает ресурсу прямую линию и расстояние, а не абсолютное расстояние, пройденное вокруг препятствия [2]. Используя прямой солнечный свет и поляризованный свет в крыше, обнаруживаемый специальными омматидиями в области спинного края глаза [8], небесный компас медоносной пчелы способен измерять угловое движение относительно опорного направления, солнечного меридиана [9].В качестве компаса на случай облачных дней панорама горизонта запоминается вместе с функцией солнечных эфемерид [10], [11]. На пути к цели знакомых ориентиров могут разбить поездку на несколько сегментов для повышения точности [12], а панорамные метки позволяют распознавать ориентиры, которые, в свою очередь, запускают локальные векторы [13]. Эти системы гибко применяются для решения поставленной задачи. Читтка и его коллеги показали, что, добывая пищу по знакомым ориентирам, пчелы способны подавлять свою систему интеграции пути, даже когда эти ориентиры смещены.В качестве альтернативы, когда они вынуждены искать корм в новом месте без изученных ориентиров, они используют интеграцию путей без ориентиров, чтобы вернуться к улью [14].
Возвращение домой после перемещения в незнакомые регионы было исследовано у различных перепончатокрылых, таких как одиночные сфицидные осы, Cerceris tuberculata [15], [16] и Cerceris hortivaga [17], социальные осы, Polistes gallicus [18] и Vespa orientalis [19], одиночные пчелы, Dasypoda altercator и Osmia sp.[20], [21], социальные пчелы Bombus terrestris [22] и Apis mellifera [23], [24], [25], а также несколько видов муравьев (обзор в [26]) более чем на век. Успех самонаведения у летающих перепончатокрылых обычно снижается с увеличением дистанции смещения, но скорость уменьшения сильно различается у разных видов. Максимальное расстояние, с которого пчелы возвращаются после перемещения, широко варьируется от 200 м у Pithitis smaragdula [27] до 23 км у Euplusia surinamensis [28], [29] и считается хорошим индикатором для вида » максимальный диапазон кормодобывания [30].В исследованиях медоносных пчел максимальное расстояние самонаведения составляет от 6 км [25] до 9,2 км [23]. Для дальнейшего изучения навигационных способностей медоносных пчел мы отловили только что вернувшихся в улей собирателей пыльцы, искусственно переместили их в черный ящик в различные места назначения и измерили время, необходимое каждой пчеле, чтобы вернуться домой. Таким образом, мы лишили пчел любой информации о расстоянии или направленной астрономической информации о месте выпуска по отношению к улью. Пчелы должны были полагаться на уже имеющиеся у них знания о ландшафте.
Наблюдения за людьми могут надежно проводиться только в течение нескольких часов за раз, что затрудняет оценку поведения большого количества собирателей за длительный период исследования, такой как дни или недели. Именно для преодоления таких трудностей некоторые исследователи обратились к миниатюрным сигнальным устройствам, которые можно прикрепить к грудной клетке отдельных пчел, что позволяет автоматически отслеживать их поведение. Один из таких методов включает использование гармонического радара, с помощью которого можно отслеживать точные траектории людей в течение коротких периодов времени на расстоянии до 1000 м от радарного устройства [29], [31].Мы решили использовать метки радиочастотной идентификации (RFID), чтобы иметь возможность записывать входящие и исходящие полеты множества отдельных собирателей одновременно и в течение нескольких дней. Хотя траектории полета не регистрировались, небольшой размер RFID-меток обеспечивал спокойное поведение пчел и отсутствие ограничения дальности при выборе мест выпуска. Это было усовершенствованием предыдущих методов [23], [24], [25], потому что точное время возвращения и последующее поведение в полете многих отдельных пчел можно было измерить без необходимости постоянного наблюдения человека.Были зарегистрированы даже пчелы, возвращающиеся вне обычных часов наблюдения и после нескольких дней в поле. Каждый тег был закодирован индивидуальным идентификатором, который регистрировался приемником каждый раз, когда помеченная пчела проходила рядом с ним. Идентификационный номер, время и направление движения записывались приемником каждый раз, когда собиратель возвращался домой после искусственного перемещения.
Материалы и методы
Опытные пчелы
Экспериментальные пчелы Apis mellifera ligustica были размещены в двухкамерном наблюдательном улье, содержащем приблизительно 3000 животных, подключенных к внешней стороне через туннель из плексигласа.Улей-бокс находился внутри вольера для домашних животных Австралийского национального университета (35 ° 16 ′ 49,09 ″ ю.ш., 149 ° 06 ′ 41,68 ″ в.д., высота 563 м). Каждую пчелу тестировали только один раз.
Методика эксперимента
Пчел, несущих пыльцу, были пойманы по возвращении из похода за кормом у входа в улей и ненадолго обездвижены на льду, чтобы RFID-метка с известным идентификационным номером могла быть приклеена к грудной клетке каждой пчелы с помощью клея-шеллака из набора для маркировки матки. Затем группы из 20 помеченных пчел содержались в клетках с доступом ad libitum к 50% раствору сахарозы.Клетки транспортировали в соответствующие места выпуска в темных контейнерах из пенопласта, чтобы пчелы не получали никакой информации о направлении до начала экспериментов. Подготовка проводилась утром, так что подопытных пчел можно было выпустить в полдень. В соответствующих местах выпуска клетки открывали с одной стороны, и пчелам давали 5 минут, чтобы взлететь. Затем пчелы закрутились вверх широкими кругами, пока не скрылись из виду; Поэтому траектории самонаведения не могли быть определены.Животные, которые не покидали клетку через 5 минут, исключались из эксперимента. Между отловом и выпуском пчел прошло около двух часов. По возвращении в улей идентификационные данные пчел и время их возвращения фиксировались приемниками RFID на входе в улей.
Система RFID
Каждую пчелу снабдили RFID-меткой на грудной клетке (2,0 × 1,6 мм, 2,4 мг, Microsensys mic3-TAG 64-D). Все теги имели уникальный 64-битный номер, который позволял нам индивидуально отслеживать полетное поведение экспериментальных пчел.Два RFID-приемника (Microsensys 2k6 HEAD), подключенные к туннелю улья, регистрировали каждый входящий и исходящий полет помеченных пчел.
Ландшафт опытного участка
Экспериментальный район показан на спутниковой карте на рисунке 1, а окружающая панорама, видимая из улья, показана на рисунке 2. Мы выпустили группы пчел в четырех сторонах света на разных расстояниях от улья. В восточном направлении пчелы были выпущены в сельской местности (на расстояние до 3300 м), на вершине и позади горы Эйнсли высотой 830 м (Массачусетс, от 4400 м до 7800 м) и дальше (до 13000 м) за МА.Черная гора (BM, высота 810 м) была видна из сельской местности и с вершины MA (на расстоянии 4400 м), но не из более удаленных точек сброса, где MA перекрывала прямую видимость. Мы выбрали линию мест выпуска немного к северо-востоку от улья, чтобы использовать пик МА в качестве визуального барьера для пчел в удаленных местах выпуска за горой. Пятна выпуска в западном направлении были выбраны аналогично восточным, т.е. чтобы между ульем и удаленными пятнами выпуска был большой визуальный барьер БМ.За точкой на высоте 1400 м на вершине БМ гора все еще была видна со всех точек утечки, но под другим углом, чем тот, к которому привыкли пчелы. МА не было видно из-за БМ. В северном направлении пчел выпускали в сельской местности на максимальном расстоянии 7000 м от улья. BM и MA были видны со всех точек, хотя и под незнакомым углом. В районе к югу от линия выпускных пятен пересекла озеро Берли-Гриффин (LBG). Пчелы, находящиеся на расстоянии от 800 м до 1500 м, были выпущены с лодки.BM и MA были видны со всех выбросов до точки 5000 м на вершине Red Hill (RH), но не с точек позади RH на 6 и 7 км.
Рис. 1. Карта экспериментального участка.
На каждую отмеченную точку выпущено 20 пчел. Белые линии показывают контур местности, а белые области обозначают холмы, закрывающие прямой обзор окрестностей улья. Треугольники, указывающие вверх, вниз, влево и вправо, указывают выбросы на севере, юге, западе и востоке соответственно.
https: // doi.org / 10.1371 / journal.pone.0019669.g001
Рис. 2. Панорамный вид экспериментальной зоны со стороны улья.
Строения и деревья выровнены; Высота смотровой площадки — 15 м. Обратите внимание на характерные формы Черной горы (BM) на западе и горы Эйнсли (Массачусетс) на востоке. Озеро Берли-Гриффин (LBG) находится к югу от улья.
https://doi.org/10.1371/journal.pone.0019669.g002
Погода
Эксперименты проводились исключительно при хорошей погоде.Во все дни экспериментов средняя температура составляла от 25 до 35 ° C, небо было ясным или частично пасмурным, видимость составляла не менее 10 км. Ветер обычно дул с северо-востока со средней скоростью 15 км / ч.
Анализ данных
Скорость возвращения в исходное положение для каждого места выпуска была определена как количество возвращающихся пчел, деленное на количество выпущенных пчел. Время между взлетом в месте выпуска и первым считыванием каждой пчелы в улье было определено как индивидуальное время возвращения в исходное положение.Среднее время возвращения в исходное состояние было рассчитано для каждого выпуска для всех пчел, вернувшихся в один и тот же день. Пчелы, возвращающиеся на следующий день, были исключены из анализа времени возвращения в исходное положение, но не из анализа скорости возвращения в исходное положение. Скорость возвращения в исходное положение рассчитывалась для каждой пчелы, возвращающейся в один и тот же день, путем деления расстояния выхода в исходное положение на индивидуальное время возврата в исходное положение. Этот показатель не отражает скорость полета, так как включает поиск, отдых и дозаправку в пути.
Результаты
Скорость и время начала отсчета
Во всех четырех направлениях наблюдалась отрицательная линейная зависимость между скоростью наведения и расстоянием, а также положительная зависимость между временем наведения и расстоянием (рис.3 и 4). Не было значительного отклонения от линейности в скорости самонаведения (тест Runs, p _{(восток)} = 0,825, r ² _{(восток)} = 0,877; p _(запад) = 0,700, r ² _{( запад)} = 0,824; p _(север) = 0,800, r ² _(север) = 0,809; p _(юг) = 0,955, r ² _(юг) = 0,707) или самонаведение время (Runs test, p _{(восток)} = 0,788, r ² _{(восток)} = 0,933; p _(запад) = 0.500, r ² _(запад) = 0,754; p _(север) = 0,667, r ² _(север) = 0,899; p _(юг) = 0,222, r ² _(юг) = 0,569) в любом из четырех направлений. Следовательно, данные были проанализированы с помощью линейной регрессии.
Рис. 3. Скорость самонаведения по четырем сторонам света.
Начиная с 80–100% вблизи улья, доля возвращающихся пчел снижается до 0% примерно на 6 км на западе, севере и юге и в 11 км на востоке.Скорость возвращения в исходное положение с восточного направления постоянно выше, чем с севера, запада и юга (Сравнение уклонов, p <0,033. Каждая точка основана на 20 пчелах). Треугольники, указывающие вверх, вниз, влево и вправо, указывают выбросы на севере, юге, западе и востоке соответственно.
https://doi.org/10.1371/journal.pone.0019669.g003
Рисунок 4. Время начала отсчета по четырем сторонам света.
Пчелы, возвращающиеся с востока, занимают меньше времени, чем пчелы, возвращающиеся с запада, севера и юга (сравнение высот и пересечений, p = 0.011). Треугольники, указывающие вверх, вниз, влево и вправо, указывают выбросы на севере, юге, западе и востоке соответственно.
https://doi.org/10.1371/journal.pone.0019669.g004
На востоке , , максимальная скорость наведения была зафиксирована на высоте 1000 м, откуда все пчелы вернулись. Максимальная дальность самонаведения составляла 11000 м (рис. 3), а максимальная скорость самонаведения 50,51 ± 9,07 м · мин ⁻¹ была зафиксирована с точки 5000 м (таблица 1). В западном направлении , , максимум 90% вернулся из выброса 1400 м на вершине БМ, вероятно, из-за исключительного вида на окрестности с вершины горы.Максимальная дальность самонаведения составила 7000 м (рис. 3), а максимальная скорость самонаведения 31,01 ± 12,35 м · мин ⁻¹ была достигнута на высоте 4000 м (таблица 1). Север, улья, самая высокая скорость наведения была достигнута на 300 м, где 78,9% пчел вернулись со скоростью 33,75 ± 12,43 м · мин ⁻¹ (Таблица 1). Максимальная дальность самонаведения составляла 7000 м (рис. 3). На юге , , самый высокий процент пчел вернулся из 520-метрового выпуска на берегу озера (89,5%, рис. 3). Самый быстрый самонаводящийся полет с юга был зафиксирован на точке 520 м, куда пчелы возвращались со средней скоростью 65.00 ± 11,66 м · мин ^-1 (таблица 1).
Рисунок 3 показывает, что наиболее подходящие линии для скоростей наведения с запада, севера и юга существенно не отличаются друг от друга (линейная регрессия; наклоны: f = 0,012, DFn = 2, DFd = 18, p = 0,988. ; высоты и точки пересечения: f = 0,059, DFn = 2, DFd = 20, p = 0,943). Таким образом, данные были объединены и сопоставлены с восточным направлением. Наблюдалась значительная разница между линиями наилучшего соответствия для скорости самонаведения с востока и объединенными данными с запада, севера и юга (линейная регрессия; наклоны: f = 4.958, DFn = 1, DFd = 32, p = 0,033).
Точно так же на Рисунке 4 показано, что наиболее подходящие линии для моментов наведения с запада, севера и юга существенно не отличаются друг от друга (линейная регрессия; наклоны: f = 0,014, DFn = 2, DFd = 13, p = 0,986; превышения и пересечения: f = 0,172, DFn = 2, DFd = 15, p = 0,843). Соответственно, данные были объединены и сопоставлены с восточным направлением. Линейная регрессия показала значительную разницу между отметками и пересечениями наиболее подходящих линий (f = 7.489, DFn = 1, DFd = 27, p = 0,011), но не между наклонами (f = 1,996, DFn = 1, DFd = 26, p = 0,170).
Средняя скорость самонаведения пчел, возвращающихся с запада, севера и юга, составляла около 25 м · мин ⁻¹, примерно на 10 м · мин ⁻¹ медленнее, чем скорость перемещения с востока (рис. 5) . Скорости с запада, севера и юга не отличались друг от друга (ANOVA, p = 0,697). Следовательно, они были объединены и сравнивались со скоростью самонаведения с востока, которая была значительно выше, чем скорости пчел, возвращающихся с запада, севера и юга (t = 14.379, df = 317, p <0,001).
Рисунок 5. Скорость возврата в исходное положение.
Пчелы, возвращающиеся с востока, возвращаются в улей раньше, чем пчелы с запада, севера и юга. *** Обозначает p <0,001; n.s. = Не имеет значения. Планки погрешностей показывают SEM.
https://doi.org/10.1371/journal.pone.0019669.g005
В южном направлении часть пчел была выпущена над водой. На рис. 6 показан рельеф мест высвобождения на расстоянии до 3000 м от улья, и сравниваются времена наведения на юг с временами, измеренными для других направлений.Время наведения на близкое расстояние до 1500 м было одинаковым во всех направлениях. Однако при выпуске на противоположной стороне озера время самонаведения резко увеличивается с 52 ± 12 минут на высоте 1480 м до 193 ± 25 минут на высоте 1870 м; почти в 4 раза больше по времени, а дальше всего 400 м.
Рис. 6. Время наведения по суше в зависимости от воды.
На графике сравнивается время наведения на расстояние до 3000 м в четырех направлениях. На полосках карты показаны места высвобождения на разной местности: городские районы на востоке, леса к западу от улья, городские районы на севере и озеро к югу от улья.По 20 пчел было выпущено в каждую точку, и время возвращения в исходное положение было рассчитано по пчелам, возвращающимся в день выпуска. Планки погрешностей показывают SD.
https://doi.org/10.1371/journal.pone.0019669.g006
Обсуждение
Многие пчелы вернулись домой даже после слепого перемещения в незнакомые места, некоторые из них на расстояние до 11 км. Наша установка RFID отслеживала большое количество отдельных пчел круглосуточно в течение многих дней. Он производил точные измерения, записывая точное время прибытия каждого животного, и гарантировал отсутствие опозданий.
Поскольку пчелы не могли воспринимать направление движения во время смещения, одна информация компаса (будь то от солнца, картины поляризации в небе, магнитного наклона или полярности) не могла их направить. Отлов экспериментальных пчел-фуражиров по возвращении в улей гарантировал, что интегратор пути пчел был установлен обратно на 0, и, таким образом, не влиял на направление движения пчел. Местные ориентиры вокруг улья не были видны из мест выпуска на расстоянии более 500 м, и даже глобальные ориентиры, такие как BM, не всегда были видны (на участках выпуска дальше 4000 м на востоке).
Типичный ареал кормления медоносных пчел зависит от обилия пищи, воды и прополиса вокруг улья. Большая часть ресурсов собирается в радиусе 600–800 м, хотя расстояние до 2 км все еще является обычным явлением, а пчелы могут даже перемещаться на 5 км в некоторых ситуациях [23], [32]. Только в экстремальных экспериментальных условиях отсутствия пищи и воды пчелы отваживаются преодолевать максимальные расстояния 13 км [33]. Однако экспериментальный улей находился всего в 300 м от Национального ботанического сада Канберры, круглогодичного источника пыльцы, нектара и прополиса.Таким образом, маловероятно, но возможно, что пчелы знали районы за пределами озера, за BM и за MA. Как они могли найти обратный путь? Когда пчелы впервые покидают улей, они совершают ориентировочные полеты — серию постоянно увеличивающихся дуг, по которым они знакомятся с окружающей местностью (см. [1]). Эти поездки важны для успешного возвращения в исходное положение; пчелы, искусственно перемещенные перед первым ориентировочным полетом, не могут найти дорогу домой даже с расстояния 50 м [25].Сам улей, окружающие местные достопримечательности и глобальные ориентиры с панорамы горизонта запоминаются, чтобы они могли вернуться домой после первого похода за кормом. Пчелы изучают модель движения солнца по отношению ко всей панораме ландшафта вокруг своих гнезд, что позволяет им извлекать функцию солнечных эфемерид даже в пасмурные дни из окружающего горизонта [11], [34]. Недавно было показано, что муравьи используют панораму горизонта для определения направления домой после искусственного смещения [35].Несмотря на разницу в масштабе, вполне вероятно, что пчелы могут использовать аналогичные визуальные подсказки для определения местоположения после перемещения.
Большинство собирателей, участвовавших в нашем исследовании, без труда вылетели из близких точек выпуска в радиусе 1500 м вокруг улья. В этом небольшом масштабе знакомые местные особенности могут направлять пчел к частым маршрутам добычи пищи или непосредственно к улью [36]. Особенно высокие показатели самонаведения были зарегистрированы с места выпуска в 1400 м к западу от вершины БМ, откуда 90% пчел вернулись из-за исключительно хорошего обзора местности, окружающей улей, и на 1000 м к востоку от места выпуска, откуда все пчелы вернулся.Более ранние исследования рассматривали самонаведение со всех сторон только на близких расстояниях до 2000 м. Они не обнаружили разницы в успехе наведения или времени наведения в разных направлениях вблизи улья [24], [25], что согласуется с нашими результатами.
В среднем масштабе, примерно до 4000 м, скорость самонаведения с восточных выпусков намного выше, чем с других направлений (рис. 3). Пчелы, возвращающиеся с востока, тратят меньше времени на то, чтобы найти дорогу домой, чем пчелы, возвращающиеся с других направлений (рис.4). Панорама между двумя горами BM и MA знакома пчелам, так как в этой местности выполняются ориентировочные полеты. Таким образом, BM мог действовать как маяк, направляя пчел к улью. Пчелы, знакомые с местностью, также могут иметь векторные воспоминания, связанные с глобальными достопримечательностями, такими как BM и MA. Полученные в правильном панорамном контексте, воспоминания, кодирующие расстояние и направление к гнезду, могут вести пчел домой или к следующему знакомому сегменту пути [13]. Направленная составляющая вектора может быть предоставлена либо поляризационным компасом, либо самой панорамой.Другой возможный механизм — использование всей панорамы горизонта [35], [37]. Пчелы могут вернуться к улью, сведя к минимуму различия между сохраненной, знакомой панорамой вокруг улья и реальным окружающим видом, например полет от МА на запад к БМ [38], [39]. Отличительная форма BM, если смотреть из улья (рис. 2), также может быть непосредственно использована в качестве ориентира. Саутвик и Бухманн (1995) выпустили пчел на расстояние 3900 м от улья по четырем сторонам света.В плоской безликой экспериментальной зоне, где максимальное расстояние наведения составляло 5600 м, они не обнаружили разницы между скоростями наведения в четырех направлениях, вероятно, из-за отсутствия панорамных ориентиров. В горном экспериментальном районе, куда пчелы возвращались с высоты 9200 м, они изучали только одно направление выброса — юго-восток вдоль горного хребта. В этой области, с хорошо заметной панорамной линией горизонта вокруг улья, они, возможно, также обнаружили существенные различия между направлениями высвобождения.
В более крупном масштабе, дальше чем на 7000 м, только пчелы с востока успешно вернулись домой. BM не виден из точек утечки дальше 4400 м на востоке, так как MA закрывает обзор. Даже в этом случае 30–40% пчел вернулись из выпусков после МА. Здесь могут сработать механизмы, аналогичные тем, которые действуют в среднем масштабе: при полете к горе на западе выпущенные пчелы сначала полетят в Массачусетс, а затем продолжат движение к ВМ, где знакомые местные особенности в конечном итоге возьмут верх и направят пчел к улей.Это также могло бы объяснить более низкую скорость самонаведения с других направлений: полет на запад к следующей горе от этих мест выпуска только унесет пчел дальше от улья.
Время полета для возврата к исходному положению увеличивалось с увеличением расстояния. При полете со скоростью 15 км / ч даже самые далекие места высадки были легко доступны после 60-минутного полета. Однако время возврата в исходное положение всегда было намного выше, чем ожидалось при обычной скорости передвижения пчелы. Иногда, например с точки 11000 м на востоке пчеле потребовалось несколько дней, чтобы вернуться в улей.Время начала отсчета, например от точек 3000 м, варьировалось от 78 минут с востока до 280 минут с юга. Это указывает на то, что время, затрачиваемое на поиск правильного курса, намного больше, чем фактическое время в пути, и значительно различается для каждого направления. Фактические расстояния, пройденные пчелами, если бы они постоянно летели со скоростью 15 км / ч, могли бы составить 19,5 км с востока и 70 км с юга. Чтобы преодолеть такие расстояния, пчелы должны будут пить нектар для заправки в пути, так как нагрузка урожая составляет 20 мкл на 1.3 M раствор сахара позволит пчеле летать всего около 25 минут, или 7 км [40].
На поиск пчел из южных точек выхода на озеро ушло столько же времени, сколько на поиск пчел с равного расстояния с других направлений (рис. 6). Однако при выпуске с противоположного берега скорость самонаведения снизилась с 28,47 ± 6,39 м * мин ^-1 на 1480 м (последний выпуск на озеро) до 9,69 ± 3,14 м * мин ^-1 на 1870 м (первый выпуск на противоположном берегу). Маловероятно, что пчелы просто летели медленнее от места выпуска на южном берегу озера, поскольку скорость самонаведения не является мерой скорости полета, а включает время поиска, отдыха и дозаправки.Два места сброса находились на расстоянии всего 400 м друг от друга, имеют одинаковую высоту и имеют одинаковый вид на окрестности. Более того, сопоставимый процент пчел нашел путь обратно в улей (60% с 1480 м и 65% с 1870 м), что указывает на то, что у пчел не было больше проблем с обнаружением улья с противоположного берега озера. Поскольку пчелы, как правило, не решаются летать над водой [2], [41], они, скорее всего, выбрали обход суши вдоль берега с точки 1870 м и выбрали прямой путь от выхода на озеро.
Благодарности
Мы благодарны Аунг Си за помощь с рукописью, и хотели бы поблагодарить Waltraud Pix за помощь во время экспериментов, рецензентов за ценные конструктивные комментарии и Пола Хелливелла за помощь в пчеловодстве.
Вклад авторов
Эксперимент задумал и спроектировал: MP SZ. Проведены эксперименты: МП ХЗ СЗ. Проанализированы данные: МП СЗ. Предоставленные реагенты / материалы / инструменты анализа: SZ JT. Написал бумагу: МП.
Ссылки
1. Цейл Дж., Кельбер А., Восс Р. (1996) Структура и функция обучающих полетов пчел и ос. Журнал экспериментальной биологии 199: 245–252.
2. фон Фриш К. (1967) Язык танца и ориентация пчел. Кембридж, Массачусетс: Издательство Гарвардского университета. 566 с.
3. Капальди Э.А., Дайер Ф.К. (1999) Роль ориентировочных полетов на характеристики самонаведения у медоносных пчел. Журнал экспериментальной биологии 202: 1655–1666.
4. Capaldi EA, Smith AD, Osborne JL, Fahrbach SE, Farris SM, et al. (2000) Онтогенез ориентационного полета пчелы, выявленный с помощью гармонического радара. Nature 403: 537–540.
5. Картрайт Б.А., Коллетт Т.С. (1983) Ориентир обучения у пчел — эксперименты и модели. Журнал сравнительной физиологии A: нейроэтология, сенсорная, нейронная и поведенческая физиология 151: 521–543.
6. Esch HE, Zhang SW, Srinivasan MV, Tautz J (2001) Танцы медоносных пчел сообщают расстояния, измеренные оптическим потоком.Природа 411: 581–583.
7. Таутц Дж., Чжан С.В., Спете Дж., Брокманн А., Си А. и др. (2004) Одометрия пчелы: производительность в меняющейся естественной местности. PLoS Biology 2: 915–923.
8. Лабхарт Т. (1980) Специализированные фоторецепторы на спинном крае сложного глаза медоносной пчелы: поляризационная и угловая чувствительность. Журнал сравнительной физиологии A: сенсорная, нервная и поведенческая физиология 141: 19–30.
9. Россель С., Венер Р. (1986) Поляризационное зрение у пчел.Природа 323: 128–131.
10. Дайер А.Г., Гоулд К.Г. (1981) Ориентация на медоносную пчелу: резервная система в пасмурные дни. Наука 214: 1041–1042.
11. Таун В.Ф., Москрип Х. (2008) Связь между ландшафтами и солнечными эфемеридами у медоносных пчел. Журнал экспериментальной биологии 211: 3729–3736.
12. Сринивасан М.В., Чжан С.В., Бидвелл Н.Дж. (1997) Визуально опосредованная одометрия у медоносных пчел. Журнал экспериментальной биологии 200: 2513–2522.
13. Коллетт М., Харланд Д., Коллетт Т.С. (2002) Использование ориентиров и панорамного контекста при определении локальных векторов при навигации медоносных пчел. Журнал экспериментальной биологии 205: 807–814.
14. Читтка Л., Гейгер К., Кунце Дж. (1995) Влияние ориентиров на оценку расстояния до медоносных пчел. Поведение животных 50: 23–31.
15. Fabre J-H (1879) Энтомологические сувениры: Études sur l’instinct et les mœurs des insectes Vol.1. Париж: Librairie Delagrave. 416 с.
16. Fabre J-H (1882) Энтомологические сувениры: Études sur l’instinct et les mœurs des insectes Vol. 2. Париж: Librairie Delagrave. 335 с.
17. Tsuneki K (1965) Биология восточноазиатских Cerceris (Hymenoptera: Sphecidae) с особым упором на специфические социальные отношения и возвращение в гнездо Cerceris hortivaga Kohl. Этизения 9: 1–46.
18. Уголини A (1985) Первоначальная ориентация и самонаведение у рабочих Polistes gallicus (L.) (Hymenoptera, Vespidae). Zeitschrift fur Tierpsychologie 69: 133–140.
19. Уголини А., Кесслер А., Ишай Дж. С. (1987) Первоначальная ориентация и возвращение в исходное положение восточных шершней, Vespa orientalis L. (Hymenoptera, Vespidae). Монит Зоол Итал (NS) 21: 157–164.
20. Chmurzyński JA, Kieruzel M, Krzysztofiak A, Krzysztofiak L (1998) Способность самонаведения на большом расстоянии у альтеркатора Dasypoda (Hymenoptera, Melittidae). Этология 104: 421–429.
21.Guedot C, Bosch J, Kemp WP (2009) Взаимосвязь между размером тела и способностью самонаведения в роде Osmia (Hymenoptera; Megachilidae). Экологическая энтомология 34: 158–161.
22. Гоулсон Д., Стаут Дж. С. (2001) Самонаводящаяся способность шмеля Bombus terrestris (Hymenoptera: Apidae). Apidologie 32: 105–111.
23. Саутвик Е.Е., Бухманн С.Л. (1995) Влияние ориентиров горизонта на успех самонаведения у медоносных пчел. Американский натуралист 146: 748–764.
24.Учида Т., Кувабара М. (1951) Инстинкт самонаведения медоносной пчелы, Apis mellifica . Журнал факультета естественных наук серии VI Университета Хоккайдо 10: 87–96.
25. Becker L (1958) Untersuchungen über das Heimfindevermogen der Bienen. Zeitschrift für vergleichende Physiologie 41: 1–25.
26. Коллетт Т.С., Грэм П., Харрис Р.А. (2007) Новые ориентированные на ориентиры маршруты у муравьев. Журнал экспериментальной биологии 210: 2025–2032.
27.Аброл Д.П., Капил Р.П. (1994) О способности пчел к самонаводству и опылению. Майсурский журнал сельскохозяйственных наук 28: 249–252.
28. Янзен Д.Х. (1971) Эуглоссиновые пчелы как дальние опылители тропических растений. Наука 171: 203–205.
29. Викельски М., Моксли Дж., Итон-Мордас А., Лопес-Урибе М.М., Холланд Р. и др. (2010) Перемещения неотропических пчел-орхидей на большие расстояния, наблюдаемые с помощью радиотелеметрии. PLoS ONE 5: e10738.
30.van Nieuwstadt MGL, Ruano Iraheta CE (1996) Связь между размером и ареалом кормления у пчел без жала (Apidae, Meliponinae). Apidologie 27: 219–228.
31. Мензель Р., Греггерс Ю., Смит А., Бергер С., Брандт Р. и др. (2005) Медоносные пчелы ориентируются в пространственной памяти, подобной карте. PNAS 102: 3040–3045.
32. Вишер П.К., Сили Т.Д. (1982) Стратегия кормодобывания колоний медоносных пчел в лиственных лесах умеренного пояса. Экология 63: 1790–1801.
33.Eckert JE (1931) Дальность полета пчелы. Журнал сельскохозяйственных исследований 47: 257–285.
34. Дайер Ф.К., Гулд Дж.Л. (1981) Ориентация на медоносную пчелу как резервная система в пасмурные дни. Наука 214: 1041–1042.
35. Graham P, Cheng K (2009) Муравьи используют панорамный горизонт как визуальный ориентир во время навигации. Текущая биология 19: R935 – R937.
36. Менцель Р., Брандт Р., Гумберт А., Комишке Б., Кунце Дж. (2000) Два пространственных воспоминания для навигации пчел.Труды Лондонского королевского общества Серия B: Биологические науки 267: 961–968.
37. Philippides A, Baddeley B, Cheng K, Graham P (2011) Как муравьи могут использовать панорамные виды для навигации по маршруту? Журнал экспериментальной биологии 214: 445–451.
38. Цейл Дж., Хофманн М.И., Чал Дж. С. (2003) Зоны захвата панорамных снимков на открытом воздухе. Журнал Оптического общества Америки Оптика и наука об изображениях 20: 450–469.
39.Stürzl W, Zeil J (2007) Глубина, контраст и самонаведение на основе вида в уличных сценах. Биологическая кибернетика 96: 519–531.
40. Hanauer-Thieser U, Nachtigall W (1995) Полет медоносной пчелы VI: энергетика полетов с истощением в аэродинамической трубе при определенном содержании топлива, адаптация к скорости и аэродинамика. Журнал сравнительной физиологии B: биохимическая, системная и экологическая физиология 165: 471–483.
41. Heran H, Lindauer M (1963) Windkompensation und Seitenwindkorrektur der Bienen beim Flug über Wasser.Zeitschrift für vergleichende Physiologie 47: 39–55.
Общительных мобильных роботов за счет автономной энергии — Исследовательский портал Ольборгского университета
TY — GEN
T1 — Общительных мобильных роботов за счет автономной энергии
AU — Ngo, Trung Dung
AU — Schiøler, Henrik
PY — 2006
Y1 — 2006
N2 — Исследования общительных роботов подчеркивают взаимодействие и координацию мобильных роботов, вдохновляясь естественным поведением птиц, насекомых и рыб: стаями, добыванием пищи, коллекционированием, совместным использованием и т. Д.Однако поведение животных ищет пищу для выживания. В животном обществе коллекционирование и обмен экспериментально признаны высшим достоянием. В этой статье представлен подход к общительным роботам, использующим самоподдерживающуюся энергию в обществе роботов, который, естественно, вдохновлен поведением роя медоносных пчел и муравьев. Обычно автономные мобильные роботы обычно оснащены конечной энергией, поэтому они могут работать в течение конечного времени. Чтобы преодолеть ограничение, мы описываем практическое развертывание группы мобильных роботов с возможностью переноски и обмена топлива, например.грамм. аккумулятор к другим роботам. Представлена ранняя реализация, которая включает модульное оборудование и архитектуру управления, чтобы продемонстрировать возможность такого подхода. Далее описывается алгоритм замены батарей, в основном основанный на вероятностном моделировании полной энергии каждого робота, находящегося в непосредственной близости.
AB — Исследования общительных роботов подчеркивают взаимодействие и координацию мобильных роботов, вдохновляясь естественным поведением птиц, насекомых и рыб: стаями, добыванием пищи, коллекционированием, совместным использованием и т. Д.Однако поведение животных ищет пищу для выживания. В животном обществе коллекционирование и обмен экспериментально признаны высшим достоянием. В этой статье представлен подход к общительным роботам, использующим самоподдерживающуюся энергию в обществе роботов, который, естественно, вдохновлен поведением роя медоносных пчел и муравьев. Обычно автономные мобильные роботы обычно оснащены конечной энергией, поэтому они могут работать в течение конечного времени. Чтобы преодолеть ограничение, мы описываем практическое развертывание группы мобильных роботов с возможностью переноски и обмена топлива, например.грамм. аккумулятор к другим роботам. Представлена ранняя реализация, которая включает модульное оборудование и архитектуру управления, чтобы продемонстрировать возможность такого подхода. Далее описывается алгоритм замены батарей, в основном основанный на вероятностном моделировании полной энергии каждого робота, находящегося в непосредственной близости.
M3 — Статья конференции в журнале
VL — 1-6
SP — 2012
EP — 2017
JO — I E E E Международная конференция по системам, человеку и кибернетике.

Медицинская кибернетика

Описание программы

Специальность Медицинская кибернетика — Учёба.ру

Вузов

Проходной балл

Бюджетных мест

С какими ЕГЭ можно поступить

Вузы по специальности

Вуз в рейтингах

Вуз в рейтингах

Вуз в рейтингах

Поступление по олимпиаде

Похожие специальности

Медицинская кибернетика (30.05.03) специалитет

Описание

Кем работать

как обучают медицинской кибернетике в КрасГМУ / Новости общества Красноярска и Красноярского края / Newslab.Ru

Какие исследования проводятся?

Медицинская кибернетика УрФУ

Образовательные программы: Цифровая медицина и биоинформатика

Описание программы:

Курс медицинская кибернетика

Кто может стать слушателем курсов «Медицинская кибернетика»

Врач-кибернетик, это важно знать

Курс переподготовки «Медицинская кибернетика»

«Медицинская кибернетика». Общие положения

Формат обучения

Глобальная инициатива по здоровью медоносных пчел (GIHH) — Кибернетика

Кибернетика для XXI века: Интервью с философом Юк Хуэем — Журнал № 102 Сентябрь 2019

новая метафора для социальных коллективов

Теория управляющей информации: «недостающее звено» в науке кибернетики.

Введение

Крупномасштабное самонаведение медоносных пчел

Abstract

Введение

Материалы и методы

Опытные пчелы

Методика эксперимента

Система RFID

Ландшафт опытного участка

Погода

Анализ данных

Результаты

Скорость и время начала отсчета

Обсуждение

Благодарности

Вклад авторов

Ссылки

Общительных мобильных роботов за счет автономной энергии — Исследовательский портал Ольборгского университета

Добавить комментарий Отменить ответ

Рубрики