Strona głównaArtykułyArtificial Intelligence & Neuroscience

Building a Simple Neural Network

Artificial neural networks are inspired by the structure of the human brain. This simulation allows you to build and train your own network from scratch, observing how it learns to recognize patterns and make decisions. Explore concepts like activation functions, weights, and biases.

mysimulator teamZaktualizowano — czerwiec 2026≈ 5 min czytania▶ Otwórz symulację

Modelowanie Uwagi

Selektywna uwaga jest fundamentalnym procesem, w którym jednostki skupiają się na konkretnych bodźcach, filtrując inne. W naszym symulatorze możemy manipulować zasobami uwagi poprzez zmianę salience bodźców i wprowadzanie konkurencyjnych wymagań.

Uproszczony model uwagi obejmuje czynnik ‘zwiększenia’ (gain) stosowany do każdego bodźu sensorycznego. Wyższe wartości gain priorytetowo traktują silniejsze sygnały, naśladując zdolność mózgu do wzmacniania istotnych informacji.

Gain = Stimulus Strength / Noise Level

Symulacja Systemów Pamięci

System pamięci człowieka często dzieli się na pamięć zmysłową, pamięć krótkotrwałą (PKT) i pamięć długotrwałą (PDT). Możemy symulować te etapy, aby obserwować, w jaki sposób informacje są kodowane, przechowywane i odzyskiwane.

Pojemność PKT jest ograniczona; nasza symulacja demonstruje to, śledząc liczbę elementów, które podmiot może utrzymać w pamięci roboczej przed wystąpieniem zaniku. To podkreśla rolę powtórzeń.

STM Capacity ≈ 7 ± 2 Items
demo na żywo · powiązana symulacja● LIVE

Procesy Decyzji

Modele poznawcze procesów decyzyjnych często uwzględniają uprzedzenia i heurystyki, czyli skróty myślowe, które upraszczają złożone wybory. Możemy symulować te uprzedzenia w symulatorze.

Podstawowy model teorii oczekiwania wartości wykorzystuje aversję do strat, aby określić reakcję jednostki na ryzyko. Im większe potencjalne straty, tym bardziej wrażliwa będzie osoba na dany wynik.

Utility = -w * (Loss or Gain)

Dynamika sieci i obciążenie poznawcze

Procesy poznawcze są często reprezentowane jako sieci połączonych węzłów. Zmiany w łączności i wzorcach aktywności można symulować, aby zrozumieć, jak informacje przepływają w mózgu.

Wprowadzenie wysokiego obciążenia poznawczego – na przykład poprzez zwiększenie złożoności zadania – zakłóci dynamikę sieci i potencjalnie doprowadzi do błędów. Demonstruje to ograniczenia pamięci roboczej.

Cognitive Load = Number of Concurrent Processes * Difficulty Level

Często zadawane pytania

Co to jest symulacja poznawcza?

Jest to wykorzystanie modeli komputerowych do reprezentowania i badania procesów myślowych, takich jak uwaga, pamięć i podejmowanie decyzji.

W jaki sposób symulator pomaga w nauce o psychologii?

Interaktywne eksperymenty pozwalają na bezpośrednie obserwowanie wpływu zmian parametrów na zachowanie poznawcze w symulowanym systemie.

Czy mogę użyć tego do testowania teorii psychologicznych?

Tak! Symulator zapewnia platformę do eksploracji i weryfikacji różnych modeli teoretycznych.

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz SPH Fluid i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.

▶ Otwórz symulację SPH Fluid

Co znalazłeś?

Dodaj kroki odtworzenia (opcjonalnie)