تفاوت میان نسخه‌های «مدار عصبی»

جز
ادامه فرایند ویرایش نگارشی جزئی
جز
جز (ادامه فرایند ویرایش نگارشی جزئی)
نقشه ی سه بعدی مغز با توضیحات کار هر یک از بخش ها و عوارض ممکن در اسیب دیدگی هر بخش را می توانید در [http://www.finr.net/files/brain/index.htm لینک 3D brain] دنبال کنید که می تونید متوجه حجم محاسبات با توجه به تعداد نورون های اون بخش شبکه عصبی شوید.
*'''cerebellum _ Hindbrain''' به تنظیم وضعیت و هماهنگی بدن کمک می کند و همه حرکات بدن و واکنش هاش را بررسی و ممکن می کند. ( اسیب دیده گی این بخش می تواند سبب عدم تعادل و لرزش در حرکت و در صورت اسیب دیدگی شدید, عدم حرکت در شخص را به دنبال دارد. )
* [[:en:Cerebrum|'''cerebrum _ Forebrain''']] مرکز شخصیت فرد هست و طیف بسیار گسترده تری از وظایف رو نسبت به بقیه مناطق مغز برعهده دارد . از این وظایف می شود به تصمیم گیری , انتخاب آهنگ مورد علاقه , تمرکز , برنامه ریزی و سازماندهی , به داشتن حس و شناخت از جهان و رابطه ی خود فرد با جهان " همون خودآگاهی " کمک می کند. cerebrum بیشترین تعداد نورون های حساس به دوپامین را داراست , محل تصمیم گیری برای حرکت هدفمند و گفتار ( صحبت کردن ) , نحوه رفتار , همچنین اطلاعات دردسترس در این بخش مورد سازماندهی قرار می گیره و باعث می شود فرد قابلیت اولویت بندی و اصلاح کردن خود و اغاز یا کنترل و یا تغییر رفتار را داشته باشد. ( اسیب دیدگی این بخش می تواند شخصیت شخص رورا تغییر دهد. اون افراد دیگر نمی توانند شبیه خودشون عمل کنند . این افراد توانایی برنامه ریزی خودشون رورا از دست می دهند و توانایی کنترل رفتار خودشون رورا هم ممکن از دست دهند و اسیب دیدگی شدید گاها می تونه شخصیت این افراد رورا ازشون بگیرد و . . .)
* '''brainstem_''' قسمت زرد در تصویر بالا. این بخش هماهنگی فعالیت های خودکار یا رفلکس بدن رو در فعالیت هایی که بدون تفکر انجام می گیرند مانند تنفس , تون عضلانی غیر ارادی , فعالیت قسمت های مختلف بدن و وضعیت آنها , کمک به حفظ آگاهی از بدن , ضربان قلب , فشار خون , عطسه , سرفه , بیدارشدن از خواب و . . . را سازماندهی می کند و سازه اون که در بالای نخاج و زیر [[:en:Cerebrum|cerebrum]] و در مرکز مغز قرار داره مانند یک ساختمان هست که از بخش های ( Diencephalon mid-brain , pons , medulla oblongata ) تشکیل شده هست ( اسیب دیدگی این بخش می تواند کشنده باشد , زمانی که عملکرد brainstem از دست می رود وضعیت شخص ممکن هست مرگ مغزی تشخیص داده شود. چون این قسمت از حول مغز دور هست اسیب دیدگی هایی مثل اسیب به سر و گردن , حمله قلبی و یا سکته مغزی , آنسفالیت , سموم مننژیت از جمله مونوکسید کربن (درحدود 60% کربن منوکسید در خون می تواند به مرگ منجر شود. چون جذبش از اکسیژن توسط گلبول های خون بیشتر هست, عامل : تحت تاثیر مستقیم دود خودروها بودن ) , سطح قند خون بالا و یا پایین طولانی مدت در افراد مبتلا به دیابت و سرطان در ساقه مغز که می تواند در نهایت منجر به کما یا مرگ شخص شود )
* '''Temporal Lobe _''' قسمت صورتی پررنگ در تصویر بالا. در این قسمت یک تصویر ذهنی کامل از اون چیزی که می بینیم و می شنویم و احساس می کنیم در ذهن درست می شود . زبان و شنوایی و بویایی در این قسمت مغز مورد پردازش قرار می گیرند. این قسمت از مغز همچنین به تشخیص اشیا , جهت حرکت , چهره های اشنا ( ویژه ) , بخاطر اوردن حقایق جهان و اطلاعات یا دانش عمومی , همراه کردن حافظه و احساسات و همچنین این قسمت نقش مهمی رورا در گرفتن تصمیمات اخلاقی/احساسی بر عهده داره. لوب Temporal بازیابی معنی کلمات را از حافظه انجام می دهد و سپس کلمات رو با مفاهیم هماهنگ می کند تا شخص بتواند ایدهای خود را بیان کند . همینطور زمانی که بچه ها یاد می گیرند تا بخوانند این بخش مغز کلمات رو با ترجمه اشکال کلمه به صدا ذخیره می کند. بنابراین این بخش می تواند کلمات رورا تشخیص بدهد. اتصال Temporal-parietal با دیدن ارواح و یا پیش درآمد و تجربه خروج از بدن در ارتباط است ( عوارض در صورت اسیب : عفونت یا بیماری مانند آلزایمر می توانید باعث اسیب لوب Temporal شود که سبب تقلا آنچه که یک فرد می شنود , می بیند و درک می کند می شود . ممکن است حافظه و اشکال کلمات و صداها در افراد اسیب دیده مختل شود ). همچنین فرایند خواب دیدن عموما در حین فعال بودن کل cerebral cortex مغز اتفاق می افتد.
* '''Parietal_''' قسمت آبی در تصویر بالا. حواس لمسی , درجه حرارت , فشار , و درد. Parietal به شخص برای رسیدن به درک و دانستن موقعیت چیز های اطرافش کمک می کند. Parietal وقتی که شخصی را لمس می کنید واکنش نشان می دهد . لوب Parietal می توانید زمان و نقطه ی صدمه را دقیقا شناسایی کند. این قسمت باعث بخاطر اوردن شخص از نحوه چگونگی استفاده از ابزارها و همچنین حافظه شخص از بدن و واکنش های آشنا در برابر کنش های اشنای محیط بدون فکر کردن درباره ی انها مانند بیسبال , شنا کردن و . . . لوب Parietal بین پیشانی و occipital نهفته در مغز بالا وسط در نزدیکی [[:en:Cerebrum|cerebrum]] نیمکره غالب در خواندن و نوشتن گفتار و محاسبه , اقدامات پیچیده. همچنین نقش مهمی در ادراک و تصویر ذهنی از بدن بر عهده دارد ( اسیب : یک فرد با یک سکته مغزی ضایعه مغزی آسیب های مغزی و یا آسیب های دژنراتیو در این منطقه ممکن است قادر به تشخیص چهره , چپ از راست , رسم , کلمات یا اعداد , صحبت به طور معمول و یا اقامت متمرکز نباشد. آنها ممکن است فاصله و موقعیت شی را تشخیص ندهند , آنها ممکن است قضاوت خودشان رورا در برخی امور ساده از دست بدهند و مثلا از یک اتاق به دیگری در خانه خود اشتاه کنند و احساس خود از درد , لمس یا درجه حرارت را از دست بدهند , آنها ممکن است چیزها رورا اشتباه گرفته و قادر به لباس پوشیدن و یا انجام کارهای ساده نباشند )
*'''Occipital_''' قسمت سبز در تصویر بالا " یا همون پس سر " نورون های این قسمت بر روی بینایی چشم کار می کنند و با کار کردن همراه دیگر بخش های مغز فعالیت هایی مثل پردازش تصاویر آمده از چشم و تفسیر اشکال مختلف و رنگ ها , عمق تصاویر , زاویه هایی که ما در حال دیدنشون هستیم ( اسیب یا عفونت یا نرسیدن اکسیژن و موارد دیگر به این قسمت ممکن است دید و درک بصری شخص را تحت تاثیر قرار دهد و شخص اسیب دیده به سختی قادر به خواندن متون و تشخیص رنگ ها و محل اشیای نزدیک , تفسیر ترسیماتی مانند ( نقاشی ) و تشخیص کلمات در متن است. گاها هم ممکن هست شخص نتواند تغییر اشیا از یک مکان به مکان دیگر را در اطرافش ببیند. همچنین ممکن است شخص دچار انحراف دید و توهم بصری شود. همچنین آسیب دیدگی شدید به این بخش کوری را به همراه خواهد داشت / جراحات مغزی، آسیب و یا نوشتن متقابل " cross-writing " در محل اتصالی که در آن parietal و occipital اتصال جداری پیدا می کنند ممکن است باعث حس متقارن "synesthesia"و مخلوطی حواس شود. برای مثال اون افراد هنگام شنیدن موسیقی یا خواندن اعداد رنگ هایی را می بینند. برای آنها نت های مختلف موسیقی ممکن است واقعا تولید یک سمفونی رنگ نماید. زمانی که این گونه افراد می نویسند ممکن است عدد 5 به رنگ آبی و عدد 6 به رنگ سبز مشاهده شود )[[پرونده:Neuron Cell Body.png|thumb|443x443px|جسم سلولی نورون ( [[:en:Soma_(biology)|Soma]] )]]
شباهت نورون ها با دیگر سلول های بدن.[https://faculty.washington.edu/chudler/what.html]
# نورون ها ایجاد ارتباط خاصی که سیناپس نام دارد می کنند و تولید مواد شیمیایی خاصی به نام neurotransmitters " انتقال دهنده های عصبی " که در محل synapses ها منتشر می شوند.
[[پرونده:1209 Glial Cells of the CNS-02.jpg|thumb|387x387px|سلول های [[:en:Neuroglia|<u>Glial</u>]]]]
memory یا حافظه در مغز به صورت رمزگذاری شده و در ارتباطات سیناپس بین نورون ها, در سرتاسر شبکه عصبی ذخیره سازی می شوند و محل خاصی به تنهایی در مغز وظیفه ذخیره سازی را بر عهده ندارد[http://www.human-memory.net/processes_storage.html] تحقیقات دانشمندان در امریکا بر روی حافظه راه کار هایی رورا برای پاک کردن و نوشتن مجدد memory خاصی در مغز رورا تا حدودی زیادی ممکن کرده [http://www.zoomit.ir/2016/2/28/127545/scientists-figured-out-how-to-to-erase-your-painful-memories/]
همچنین با این روش می شه برای افراد تازه کار مهارت های افراد با تجربه بالا را در مغزشون با استفاده از ( جریان های پایین الکتریکی ) آپلود کرد و این افراد در طول ازمایش کنترل هواپیما در طول مدت خیلی کوتاهی عملکردشون به خوبی افرادی که سال ها در خلبانی تجربه داشتند شده است [http://www.sciencealert.com/sorry-guys-scientists-haven-t-invented-a-matrix-style-device-that-instantly-uploads-data-to-your-brain]
 
اکثر نورون ها در ماه های اول تولد تا حدود 18 ماهگی ایجاد می شوند و بعد از جابجا شدن در مغز و پیدا کردن جای خود در مغز مسیر تکامل رورا می پیماینند. و عموما تا اخر عمر همراه فرد خواهند بود ( البته در پیری برخی از ارتباطات ضعیف می شوند یا از بین می رود یا برخی از نورون ها می میرند که سبب بیماری هایی نظیر فراموشی و . . . می گردد )
 
== Glial cells ==
'''نوروگلی‌ها''' یا '''پی‌چسب‌ها''' یا '''یاخته‌های گلیال'''، یاخته‌های پشتیبان دستگاه عصبی هستند که وظیفه حمایت از یاخته‌های عصبی را بر عهده دارند. یاخته‌های گلیال سیستم عصبی مرکزی را به هم پیوند داده و به طریق فیزیکی و شیمیایی از آن محافظت می‌کنند. علاوه بر این مواد شیمیایی و غذایی مورد نیاز یاخته‌های عصبی را فراهم می‌آورند. وظایف این سلولهای غیر نورون در مغز
# اطراف نورون ها را گرفته و انها رورا در محل نگه می دارند
# برای تامین مواد مغزی و اکسیژن به سلول های نورون
# عایق بندی و جدا نگه داشتن نورون ها از یکدیگر
 
==== تحقیقات اخیر ====
'''در تاریخ Dec 17, 2009''' ابر کامپیوتر ( supercomputer ) شرکت [http://www.popularmechanics.com/technology/engineering/extreme-machines/4337190 IBM] در امریکا توانست در حدود billion 1 ( میلیارد ) نورون را با حدود 10 trillion سیناپس مصنوعی شبیه سازی کند که این نشان دهنده این واقعیت هست که نورون های مصنوعی به سیستم های قدرتمندی برای اجرا نیاز دارند و برای شبیه سازی مغز انسان احتمالا به [[رایانه کوانتومی|<u>کامپیوتر کوانتومی</u>]] نیاز خواهد بود. همچنین با دانستن این موضوع که مورچه 250,000 نورون و زنبور در حدود 960,000 و گربه در حدود 760,000,000 نورون و در حدود 10<sup>13</sup> سیناپس دارد می شود نتیجه گرفت که با supercomputer های کنونی تا حدودی بشه این موجودات رورا شبیه سازی کرد. ( [[:en:List_of_animals_by_number_of_neurons|لیست موجودات مختلف بر اساس تعداد نورون ها و سیناپس ها]] ) البته باید مد نظر داشت که برخی از موجودات از swarm Intelligence یا [[هوش ازدحامی|هوش جمعی]] استفاده می کنند و شبیه سازی تکی اوناان ها کافی نخواهد بود )
 
'''در تاریخ Dec 9, 2014''' شرکت IBM از تراشه SyNAPSE خود رونمایی کرد. این چیپ که با سرمایه گذاری DARPA ( سازمان پروژه‌های تحقیقاتی پیشرفتهٔ دفاعی ایالت متحده ) به بهره برداری رسیده , به گونه‌ای طراحی شده که فعالیت‌های مغز انسان را شبیه‌سازی کند و به طور کلی از چارچوب منطق بولین و باینری خارج شود. این تراشه متشکل از 1 میلیون نورون مجازی است که با استفاده از 256 میلیون سیناپس مجازی به یکدیگر متصل شده‌اند. سیناپس بزرگ‌ترین تراشه‌ای است که شرکت IBM تاکنون تولید کرده است، چراکه در آن 5.4 میلیارد ترانزیستور استفاده شده است. همچنین مجموعه‌ی ترانزیستورهای مورد استفاده متشکل از 4٫096 هسته‌ی neuroSynaptic است که روی تراشه قرار گرفته‌اند. مصرف این تراشه تنها 70 میلی‌وات mW است که در مقایسه با تراشه‌ های کنونی بسیار کمتر است.[https://en.wikipedia.org/wiki/List_of_CPU_power_dissipation_figures] از نظر مقیاس، تراشه‌ی سیناپس برابر با مغز یک زنبور عسل است و تعداد نئورون‌ها و سیناپس های مورد استفاده با آن برابری می‌کند، با این وجود این تراشه بسیار ضعیف‌تر از مغز انسان‌ها است. مغز هر انسان از حدود 86 میلیارد نورون و 100 تریلیوین سیناپس تشکیل شده است. البته تیم توسعه‌ی SyNAPSE نشان داده که می‌توان با اتصال تراشه‌های سیناپس به یکدیگر، تراشه‌ی بزرگ‌تر و قوی‌تری ساخت.
در حال حاضر IBM موفق شده یک بورد قابل برنامه‌ریزی و کارآمد با استفاده از 16 عدد چیپ SyNAPSE ایجاد نماید که همگی در هماهنگی کامل با یکدیگر فعالیت می‌کنند. این بورد نمایانگر قدرت 16 میلیون نورون است که بنا بر گفته‌ی محققان این پروژه، در پردازش سنتی با استفاده از تعداد زیادی رک‌ (مکان قرارگیری چندین کامپیوتر پر قدرت بزرگ ) و مجموعه‌های عظیم کامپیوتری قابل دستیابی بود. و با وجود مجتمع نمودن 16 چیپ در یک سیستم، باز هم با مصرف نیروی به شدت پایینی روبرو هستیم که در نتیجه‌ی آن حرارت بسیار پایین‌تری نیز تولید می‌شود. در حقیقت چیپ SyNAPSE جدید آنچنان انقلابی بوده و دنیای پردازش را از نگرش دیگری نمایان می‌سازد که IBM مجبور شده برای همراهی با توسعه‌ی آن به ایجاد یک زبان برنامه‌نویسی جدید بپردازد و یک برنامه‌ی آموزشی گسترده‌ی اطلاع رسانی تحت نام دانشگاه SyNAPSE راه‌اندازی کند.[http://www.zoomit.ir/2014/8/10/13168/ibm-synapse-supercomputing-chip/][https://www.theguardian.com/technology/2014/dec/09/synapse-ibm-neural-computing-chip]
 
'''در تاریخ March 16, 2016''' شرکت Google بخش [[:en:Google_DeepMind|DeepMind]] توانستند توسط هوش مصنوعی خود توانستند قهرمان جهان را در بازی GO ( شطرنج چینی که قدمتی بیش از ۲۵۰۰ سال دارد ) با نتیجه 4 به 1 شکست دهند که این دستاورد بزرگی برای هوش مصنوعی بود. گوگل در این هوش مصنوعی از تکنولوژی [[یادگیری عمیق|Deep Learning]] و [[حافظه کوتاه‌مدت|short-term memory]] بهره برده است و این سیستم به نوعی مشابه [[:en:Turing_Machine|Turing Machine]] هست اما به صورت end-to-end تفاوتهایشدارای تفاوت های قابل تشخصیصتشخیص استمی باشد و این تکنولوژی ها بهش اجازه داده است که با [[:en:Gradient_descent|gradient descent]] به صورت موثری قابل تعلیم باشد. در DeepMind محققان گوگل مجموعه‌ای از حرکت‌های بهترین بازکنان گو را که شامل بیش از 30 میلیون حرکت است، جمع آوری کرده و سیستم هوش مصنوعی مبتنی بر یادگیری عمیق خود را با استفاده از این حرکات آموزش داده‌اند تا از این طریق آلفاگو قادر باشد به تنهایی و براساس تصمیمات خود به بازی بپردازد. همچنین دانشمندان برای بهبود هر چه بیشتر این سیستم راه‌حل تقابل هوش مصنوعی توسعه یافته با خودش را در پیش گرفتند؛ با استفاده از این روش، دانشمندان موفق شدند تا حرکات جدیدی را نیز ثبت کنند و با استفاده از این حرکات آموزش هوش مصنوعی را وارد مرحله‌ی جدید‌تری نمایند. چنین سیستمی قادر شده تا بهترین بازیکن اروپا و جهان را شکست دهد. بزرگ‌ترین نتیجه‌ی توسعه‌ی آلفاگو، عدم توسعه‌ی این سیستم با قوانین از پیش تعیین شده است. در عوض این سیستم از روش‌های مبتنی بر یادگیری ماشین و شبکه عصبی توسعه یافته و تکنیک‌های برد در بازی گو را به خوبی یاد گرفته و حتی می تواند تکنیک های جدیدی را ایجاد و در بازی اعمال کند. کریس نیکولسون، موسس استارت آپ Skymind که در زمینه‌ی تکنولوژی های یادگیری عمیق فعالیت می‌کند، در این خصوص این چنین اظهار نظر کرده است: " از سیستم‌های مبتنی بر شبکه‌ی عصبی نظیر آلفاگو می‌توان در هر مشکل و مساله‌ای که تعیین استراتژی برای رسیدن به موفقیت اهمیت دارد، استفاده کرد. کاربردهای این فناوری می‌تواند از اقتصاد، علم یا جنگ گسترده باشد. "
 
اهمیت برد آلفاگو ːدر ابتدای سال 2014 میلادی، برنامه‌ی هوش مصنوعی Coulom که Crazystone نام داشت موفق شد در برابر نوریموتو یودا، بازیکن قهار این رشته‌ی ورزشی پیروز شود؛ اما موضوعی که باید در این پیروزی اشاره کرد، انجام 4 حرکت پی در پی ابتدایی در این رقابت توسط برنامه‌ی هوش مصنوعی توسعه یافته بود که برتری بزرگی در بازی گو به شمار می‌رود. در آن زمان Coulom پیش‌بینی کرده بود که برای غلبه بر انسان، نیاز به ''یک بازه‌ی زمانی یک دهه‌ای'' است تا ماشین‌ها بتوانند پیروز رقابت با انسان‌ها در بازی GO باشند. چالش اصلی در رقابت با بهترین بازیکن‌های گو، در طبیعت این بازی نهفته است. حتی بهترین ابررایانه‌های توسعه یافته نیز برای آنالیز و پیش‌بینی نتیجه‌ی حرکت‌های قابل انجام از نظر قدرت پردازشی دچار تزلرل شده و نمی‌توانند قدرت پردازشی مورد نیاز را تامین کنند. در واقع نیروی پردازشی این رایانه‌ها مناسب نبوده و در نتیجه زمان درازی را برای ارائه‌ی نتیجه‌ی قابل قبول مورد نیاز است. زمانی که ابررایانه‌ی موسوم به Deep Blue که توسط IBM توسعه یافته بود، موفق شد تا در سال 1997، گری کاسپاروف، قهرمان شطرنج جهان را شکست دهد، بسیاری به قدرت این ابررایانه پی بردند؛ چراکه این ابررایانه با قدرت زیادی کاسپاروف را شکست داد. علت پیروزی قاطع این Deep Blue، قدرت بالای این ابررایانه در کنار قدرت تحلیل و نتیجه‌گیری از هر حرکت احتمالی ممکن در بازی بود که تقریبا هیچ انسانی توانایی انجام آن را ندارد. اما چنین پیش‌بینی‌هایی در بازی GO ممکن نیست. براساس اطلاعات ارائه شده در بازی شطرنج که در صفحه ای 8 در 8 انجام می شود، در هر دور، بصورت میانگین می‌توان 35 حرکت را انجام داد، اما در بازی گو که بین دو نفر در تخته‌ای به بزرگی 19 در 19 خانه انجام می‌شود، در هر دور بصورت میانگین می‌توان بیش از 250 حرکت انجام داد. هر یک از این 250 حرکت احتمالی نیز در ادامه 250 احتمال دیگر را در پی دارند. که می شه نتیجه گرفت که در بازی گو، به اندازه‌ای احتمال حرکات گسترده است که تعداد آن از اتم‌ های موجود در جهان هستی نیز بیشتر است.
تلاش های پیشینː در سال 2014 محققان در DeepMind، دانشگاه ادینبورگ و facebook امیدوار بودند تا با استفاده از شبکه‌های عصبی، سیستم‌هایی مبتنی بر شبکه‌های عصبی توسعه دهند که قادر باشد تا با نگاه کردن به تخته‌ی بازی، همچون انسان‌ها به بازی بپردازند. محققان در فیس‌بوک موفق شده‌اند تا با کنار هم قراردادن تکنیک درخت مونت کارلو و یادگیری عمیق، شماری از بازیکنان را در بازی گو شکست دهد. البته سیستم فیس‌بوک قادر به برد در برابر CrazyStone و سایر بازیکنان شناخته شده‌ی این رشته‌ی ورزشی نشد.
 
سخت افزار مورد نیاز سیستم یادگیری عمیق دیپ مایندː براساس اطلاعات ارائه شده, سیستم DeepMind قادر است روی رایانه‌ای با چند پردازنده‌ی گرافیکی نیز به خوبی کار کند؛ اما در مسابقه‌ای که آلفاگو در برابر فان هوی برگزار کرد، این سیستم مبتنی بر شبکه‌ی عصبی از وجود شبکه‌های از رایانه‌ها بهره می‌برد که شامل بیش از 170 پردازنده‌ی گرافیکی [[انویدیا|Nvidia]] و 1,200 پردازنده‌‌ بود. [http://www.zoomit.ir/2016/2/11/126687/huge-breakthrough-googles-ai-beats-a-top-player/]
 
== تاریخچه شبکه‌های عصبی مصنوعی ==
== جستارهای وابسته ==
* [[نرم‌افزارهای شبکه عصبی]]
* [[نظریه تشدید انطباقی]]
* [[یاخته عصبی|نورون]] ( [[:en:Neuron|Neuron]] )
* [[علوم شناختی]] ( [[:en:Cognitive_science|Cognitive science]] )
* [[بینایی رایانه‌ای|بینایی کامپیوتر]] ( computer vision )
* [[یادگیری ماشینی|یادگیری ماشین]] ( machine learning )]]
* [[هوش ازدحامی|هوش جمعی]] ( swarm intelligence )
* سیستم های خودآگاه ( [[:en:Artificial_consciousness|Artificial consciousness]] )
* [[:en:List_of_animals_by_number_of_neurons|تعداد نورون ها در موجودات مختلف]]
* [[:en:DNA_computing|DNA محاسباتی]]
* [[علوم اعصاب محاسباتی]]
* آ[[بارگذاری ذهن|اپلودپلود مغز]] ( [[:en:Mind_uploading|Mind uploading]] )
* [[خودآگاهی|خود آگاهی]]
 
۱۲۵

ویرایش