色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Nature:AI與神經(jīng)科學(xué)再現(xiàn)模擬大腦

DPVg_AI_era ? 來(lái)源:lq ? 2019-09-13 16:54 ? 次閱讀

AI和神經(jīng)科學(xué)越來(lái)越緊密的結(jié)合,為處理海量數(shù)據(jù)、再現(xiàn)感官等任務(wù)提供了更加便利的條件,二者的融合促進(jìn)了彼此的發(fā)展,為更精確地模擬人類(lèi)大腦創(chuàng)造越來(lái)越有利的環(huán)境。本文選自Nature特刊《大腦》。

Chethan Pandarinath是佐治亞理工學(xué)院的生物醫(yī)學(xué)工程師,他想幫助癱瘓病人操作機(jī)械臂,讓他們也能像正常人那樣抓取目標(biāo)。要解決這個(gè)問(wèn)題,首先要識(shí)別神經(jīng)系統(tǒng)中發(fā)出的和“移動(dòng)手臂”相關(guān)的電信號(hào),尤其是大腦中的電信號(hào),再將這個(gè)信號(hào)傳給接收裝置。 結(jié)果發(fā)現(xiàn),最難辦的問(wèn)題就是識(shí)別信號(hào)。大腦發(fā)出的信號(hào)太復(fù)雜了。為了尋求幫助,他將信號(hào)作為輸入傳給了AI神經(jīng)網(wǎng)絡(luò),讓后者負(fù)責(zé)如何再現(xiàn)這些數(shù)據(jù)。

這些信號(hào)記錄取自大腦神經(jīng)的一小部分,大腦中1億神經(jīng)元中,只有200個(gè)是負(fù)責(zé)控制人的手臂運(yùn)動(dòng)的,計(jì)算機(jī)需要找到基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu),即研究人員所說(shuō)的“隱藏因素”,它控制著紀(jì)錄活動(dòng)的總體行為,可以提現(xiàn)大腦的時(shí)間動(dòng)態(tài),也就是神經(jīng)活動(dòng)隨時(shí)間的變化方式?!艾F(xiàn)在我們已經(jīng)能夠在毫秒級(jí)精度上掌握細(xì)微動(dòng)作的角度和方向了,而控制機(jī)械臂需要的正是這些信息。”P(pán)andarinath說(shuō)道。

這個(gè)例子只是近年來(lái)AI和認(rèn)知科學(xué)實(shí)現(xiàn)交互和融合的眾多應(yīng)用之一。AI技術(shù)的核心神經(jīng)網(wǎng)絡(luò)正是在模擬人的大腦計(jì)算和處理信息的模式。隨著近十年來(lái)AI技術(shù)的迅猛發(fā)展,認(rèn)識(shí)科學(xué)開(kāi)始從AI技術(shù)中獲得越來(lái)越多的幫助。

“這兩個(gè)學(xué)科之間的融合是自然而然的事,因?yàn)榛旧涎芯康亩际且粯拥臇|西,比如研究如何將學(xué)習(xí)問(wèn)題數(shù)學(xué)化,讓機(jī)器能夠計(jì)算解決,同時(shí)也在尋找著這個(gè)問(wèn)題確實(shí)能夠解決的證據(jù),這就是大腦的任務(wù)。”倫敦大學(xué)學(xué)院蓋茨比計(jì)算神經(jīng)科學(xué)團(tuán)隊(duì)的理論神經(jīng)學(xué)專(zhuān)家Maneesh Sahani說(shuō)。

模擬大腦

人工神經(jīng)網(wǎng)絡(luò)只是大腦工作方式的一個(gè)粗略類(lèi)比,David Sussillo是Google大腦團(tuán)隊(duì)的計(jì)算神經(jīng)科學(xué)家,他與Pandarinath合作研究二者之間聯(lián)系的潛在因素。比如將突觸模型化為矩陣中的數(shù)字,而實(shí)際上它們是生物機(jī)械的復(fù)雜部分,利用化學(xué)和電活動(dòng)來(lái)發(fā)送或終止信號(hào),并以動(dòng)態(tài)模式與相鄰的突觸進(jìn)行交互。“你無(wú)法進(jìn)一步了解突觸實(shí)際上到底是怎么回事,只能化為矩陣中的一個(gè)個(gè)數(shù)字,”Sussillo說(shuō)。

盡管如此,人工神經(jīng)網(wǎng)絡(luò)已被證明對(duì)研究大腦很有用。如果這樣的系統(tǒng)可以產(chǎn)生類(lèi)似于從大腦記錄的模式的神經(jīng)活動(dòng)模式,科學(xué)家就可以驗(yàn)證系統(tǒng)如何產(chǎn)生輸出,然后推斷大腦是如何完成同樣的事情的。該方法可以應(yīng)用于神經(jīng)科學(xué)家感興趣的任何認(rèn)知任務(wù),包括處理圖像。“如果你可以訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)去做,”Sussillo說(shuō),“那么也許你可以理解這個(gè)網(wǎng)絡(luò)是如何運(yùn)作的,然后用它來(lái)理解生物數(shù)據(jù)。”

處理數(shù)據(jù)

AI技術(shù)不僅能夠方便地建模,生成信息,也能方便地處理數(shù)據(jù)。比如功能性核磁共振,會(huì)以每秒1-2毫米的分辨率捕捉大腦活動(dòng)的圖像,神經(jīng)科學(xué)上的難點(diǎn)在于,如何在數(shù)據(jù)量巨大的圖像信息中找到想要的信號(hào)。

使用機(jī)器分析這些數(shù)據(jù)可以加速研究。“這是神經(jīng)科學(xué)如何完成的巨大變化,”Sussillo說(shuō)?!把芯可恍枰瞿敲炊嗝つ康墓ぷ?- 他們可以專(zhuān)注于更大的問(wèn)題,同時(shí)可以通過(guò)自動(dòng)化技術(shù)獲得更準(zhǔn)確的結(jié)果。“

斯坦福大學(xué)的計(jì)算神經(jīng)學(xué)家Daniel Yamins正在開(kāi)發(fā)一套能夠模擬大腦活動(dòng)的神經(jīng)網(wǎng)絡(luò)

再現(xiàn)感官

斯坦福大學(xué)計(jì)算神經(jīng)科學(xué)家Daniel Yamins采用的方法是建立一個(gè)可以復(fù)制大腦數(shù)據(jù)的人工系統(tǒng)。2014年,當(dāng)Yamins在麻省理工學(xué)院做博士后研究員時(shí),他和同事訓(xùn)練了一個(gè)深度神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)猴子在識(shí)別某些物體時(shí)的大腦活動(dòng)。這個(gè)網(wǎng)絡(luò)架構(gòu)具有兩個(gè)主要特征。

首先,它是一個(gè)視網(wǎng)膜,也就是說(shuō)大腦中的視覺(jué)處理途徑反映了眼睛獲取視覺(jué)信息的方式。其次,這個(gè)系統(tǒng)是分層的。皮層中的特定區(qū)域負(fù)責(zé)執(zhí)行越來(lái)越復(fù)雜的任務(wù),從僅識(shí)別物體輪廓的層,到識(shí)別整個(gè)物體的更高層。

研究人員對(duì)于網(wǎng)絡(luò)高層運(yùn)行機(jī)制的細(xì)節(jié)知之甚少,但最后結(jié)果是,大腦可以在不同的位置和不同的光照條件下成功識(shí)別物體,無(wú)論是目標(biāo)因?yàn)榫嚯x的原因看上去或大或小,即使目標(biāo)的一部分隱藏不見(jiàn),也依然能識(shí)別。而計(jì)算機(jī)經(jīng)常因這些障礙而陷入困境。

Yamins和他的同事根據(jù)與大腦相同的視網(wǎng)膜,分層構(gòu)建了他們的深層神經(jīng)網(wǎng)絡(luò),并展示了數(shù)千個(gè)64個(gè)物體的圖像,這些物體的特征如大小和位置不同。當(dāng)網(wǎng)絡(luò)學(xué)會(huì)識(shí)別物體時(shí),會(huì)產(chǎn)生幾種可能的神經(jīng)活動(dòng)模式。研究人員將這些計(jì)算機(jī)生成的模式與猴子神經(jīng)元記錄的模式進(jìn)行比較,同時(shí)執(zhí)行類(lèi)似的任務(wù)。事實(shí)證明,最能識(shí)別物體的網(wǎng)絡(luò),正是那些與猴子大腦最接近的活動(dòng)模式?!澳惆l(fā)現(xiàn)神經(jīng)元的結(jié)構(gòu)模仿了網(wǎng)絡(luò)的結(jié)構(gòu),”Yamins說(shuō)。研究人員能夠?qū)⑵渚W(wǎng)絡(luò)區(qū)域與大腦的相應(yīng)區(qū)域進(jìn)行匹配,準(zhǔn)確率約為70%。

在2018年,Yamins和他的同事使用聽(tīng)覺(jué)皮層實(shí)現(xiàn)了類(lèi)似的壯舉,他們打造了一個(gè)深度神經(jīng)網(wǎng)絡(luò),能夠識(shí)別2秒視頻剪輯中的音樂(lè)單詞和類(lèi)型,其精度與人類(lèi)相當(dāng)。這一成果有助于研究人員確定大腦皮層的哪些區(qū)域負(fù)責(zé)語(yǔ)音和音樂(lè)的識(shí)別,而這是了解人類(lèi)聽(tīng)覺(jué)系統(tǒng)的一小步。

一些常見(jiàn)問(wèn)題:學(xué)習(xí)行為與智能的起源

計(jì)算機(jī)科學(xué)和認(rèn)知科學(xué)正在解決一些重大問(wèn)題,而研究如何在這兩個(gè)領(lǐng)域中回答這些問(wèn)題,可能會(huì)促進(jìn)共同進(jìn)步。其中一個(gè)問(wèn)題就是:學(xué)習(xí)行為是如何發(fā)生的。神經(jīng)網(wǎng)絡(luò)主要執(zhí)行監(jiān)督學(xué)習(xí)。例如,為了掌握?qǐng)D像識(shí)別,它們可能會(huì)學(xué)習(xí)來(lái)自ImageNet數(shù)據(jù)集中的圖像。網(wǎng)絡(luò)對(duì)具有相同標(biāo)簽的圖像(例如“貓”)的統(tǒng)一理解有共同之處。當(dāng)學(xué)習(xí)新圖像時(shí),網(wǎng)絡(luò)會(huì)檢查它是否有類(lèi)似的數(shù)字屬性;如果找到匹配,就會(huì)將圖像聲明為“貓”的圖像。

嬰兒的學(xué)習(xí)方式顯然不是這樣,Tomaso Poggio說(shuō),他是MIT的計(jì)算神經(jīng)科學(xué)家?!皨雰簝蓺q之前就能看到大約相當(dāng)于十億張圖像,”他說(shuō)。但這些圖像很少是被標(biāo)記過(guò)的,只有一小部分對(duì)象會(huì)被主動(dòng)指出并起名?!霸?a href="http://www.1cnz.cn/v/tag/557/" target="_blank">機(jī)器學(xué)習(xí)中,我們還不知道如何應(yīng)對(duì)這種情況,”P(pán)oggio說(shuō)?!拔覀儾恢廊绾巫寵C(jī)器從大多數(shù)未標(biāo)記的數(shù)據(jù)中學(xué)習(xí)?!?

他的實(shí)驗(yàn)室項(xiàng)目還處于初始階段,神經(jīng)網(wǎng)絡(luò)通過(guò)推斷未標(biāo)記視頻中的模式執(zhí)行無(wú)監(jiān)督學(xué)習(xí)。“我們知道生物學(xué)上可以做到這一點(diǎn),”P(pán)oggio說(shuō)?!皢?wèn)題是怎么實(shí)現(xiàn)的?!? Yamins正在通過(guò)設(shè)計(jì)像游戲中的嬰兒一樣的程序來(lái)處理無(wú)人監(jiān)督的學(xué)習(xí),通過(guò)隨機(jī)交互來(lái)審視環(huán)境,并慢慢了解世界是如何運(yùn)作的。實(shí)際上是在以好奇心編碼來(lái)激勵(lì)計(jì)算機(jī)進(jìn)行探索,希望能夠出現(xiàn)新的行為。

另一個(gè)突出的問(wèn)題是,智能的某些方面是否是由進(jìn)化實(shí)現(xiàn)的。例如,人們似乎很容易識(shí)別面部,一個(gè)嬰兒可以從生命的最初幾個(gè)小時(shí)就實(shí)現(xiàn)了這一點(diǎn)。Poggio認(rèn)為,這可能是我們的基因編碼一種機(jī)制,用于在開(kāi)發(fā)過(guò)程中快速及早地學(xué)習(xí)這類(lèi)任務(wù)。分析這個(gè)想法是否正確,可能會(huì)計(jì)算機(jī)科學(xué)家們找到一種方法來(lái)推進(jìn)機(jī)器學(xué)習(xí)的發(fā)展。 還有的研究人員正在研究道德的神經(jīng)學(xué)基礎(chǔ)。“人們都害怕'邪惡'的機(jī)器,如果我們想要建立‘善良’的機(jī)器,‘有道德’的機(jī)器,我們可能就能更充分地了解我們的道德行為是如何產(chǎn)生的。”

Yamins說(shuō),現(xiàn)在只憑神經(jīng)科學(xué)很難揭示無(wú)監(jiān)督學(xué)習(xí)的運(yùn)行機(jī)制?!叭绻麤](méi)有AI解決方案,如果沒(méi)有任何人工構(gòu)建的方式,就不可能建立起大腦的運(yùn)作模型,” 他認(rèn)為,計(jì)算機(jī)科學(xué)家更有可能提出一種或多種可供神經(jīng)科學(xué)家測(cè)試的解決方案?!白罱K可能會(huì)發(fā)現(xiàn)他們錯(cuò)了,”他說(shuō),“但這難道不就是你研究的原因嗎?” 解答這些謎語(yǔ)可以打造出更智能的機(jī)器,這些機(jī)器能夠從環(huán)境中學(xué)習(xí),并且可以將計(jì)算機(jī)的速度和處理能力與人類(lèi)的更多能力結(jié)合起來(lái)。計(jì)算機(jī)的數(shù)據(jù)處理和建模能力已經(jīng)帶來(lái)了腦科學(xué)的進(jìn)步。“人工智能將對(duì)神經(jīng)科學(xué)產(chǎn)生巨大影響,”Sussillo說(shuō),“而我希望成為其中的一部分?!?

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:Nature:AI與神經(jīng)科學(xué)再現(xiàn)模擬大腦

文章出處:【微信號(hào):AI_era,微信公眾號(hào):新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    自旋憶阻器:最像大腦的存儲(chǔ)器

    ? 一種名為“自旋憶阻器”的新型神經(jīng)形態(tài)元件模仿人類(lèi)大腦的節(jié)能運(yùn)作,將AI應(yīng)用程序的功耗降低到傳統(tǒng)設(shè)備的1/100。TDK與法國(guó)研究機(jī)構(gòu)CEA合作開(kāi)發(fā)了這種“自旋憶阻器”,作為神經(jīng)形態(tài)
    的頭像 發(fā)表于 12-07 10:08 ?138次閱讀

    AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第6章人AI與能源科學(xué)讀后感

    幸得一好書(shū),特此來(lái)分享。感謝平臺(tái),感謝作者。受益匪淺。 在閱讀《AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》的第6章后,我深刻感受到人工智能在能源科學(xué)領(lǐng)域中的巨大潛力和廣泛應(yīng)用。這一章詳細(xì)
    發(fā)表于 10-14 09:27

    AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第4章-AI與生命科學(xué)讀后感

    很幸運(yùn)社區(qū)給我一個(gè)閱讀此書(shū)的機(jī)會(huì),感謝平臺(tái)。 《AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第4章關(guān)于AI與生命科學(xué)的部分,為我們揭示了人工智能技術(shù)在生命
    發(fā)表于 10-14 09:21

    AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第二章AI for Science的技術(shù)支撐學(xué)習(xí)心得

    人工智能在科學(xué)研究中的核心技術(shù),包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。這些技術(shù)構(gòu)成了AI for Science的基石,使得AI能夠處理和分析復(fù)雜的數(shù)據(jù)集,從而發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和規(guī)
    發(fā)表于 10-14 09:16

    AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第一章人工智能驅(qū)動(dòng)的科學(xué)創(chuàng)新學(xué)習(xí)心得

    周末收到一本新書(shū),非常高興,也非常感謝平臺(tái)提供閱讀機(jī)會(huì)。 這是一本挺好的書(shū),包裝精美,內(nèi)容詳實(shí),干活滿滿。 《AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》這本書(shū)的第一章,作為整個(gè)著作的開(kāi)篇
    發(fā)表于 10-14 09:12

    名單公布!【書(shū)籍評(píng)測(cè)活動(dòng)NO.44】AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新

    ! 《AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》 這本書(shū)便將為讀者徐徐展開(kāi)AI for Science的美麗圖景,與大家一起去了解: 人工智能究竟幫科學(xué)家做了什么? 人工智能
    發(fā)表于 09-09 13:54

    人腦芯片是什么?植入人腦神經(jīng)元的芯片能做什么?

    人腦芯片,作為一種前沿的科技概念,指的是一種可以嵌入人類(lèi)大腦中的微型電子設(shè)備。這種設(shè)備結(jié)合了微電子技術(shù)與神經(jīng)科學(xué),旨在通過(guò)直接與人腦神經(jīng)元接口,實(shí)現(xiàn)信息的接收、處理與傳輸。人腦芯片的研發(fā)旨在增強(qiáng)
    的頭像 發(fā)表于 07-12 11:50 ?1730次閱讀

    生物神經(jīng)元模型包含哪些元素

    生物神經(jīng)元模型是神經(jīng)科學(xué)和人工智能領(lǐng)域中的一個(gè)重要研究方向,它旨在模擬生物神經(jīng)元的工作原理,以實(shí)現(xiàn)對(duì)生物神經(jīng)系統(tǒng)的理解和
    的頭像 發(fā)表于 07-11 11:21 ?992次閱讀

    人工智能神經(jīng)元的基本結(jié)構(gòu)

    人工智能神經(jīng)元的基本結(jié)構(gòu)是一個(gè)復(fù)雜而深入的話題,涉及到計(jì)算機(jī)科學(xué)、數(shù)學(xué)、神經(jīng)科學(xué)等多個(gè)領(lǐng)域的知識(shí)。 引言 人工智能(Artificial Intelligence,簡(jiǎn)稱(chēng)AI)是計(jì)算機(jī)
    的頭像 發(fā)表于 07-11 11:19 ?1330次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的工作原理和基本特征

    通過(guò)模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式來(lái)進(jìn)行信息處理,是現(xiàn)代神經(jīng)科學(xué)研究成果基礎(chǔ)上提出的一種非線性、自適應(yīng)信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)在工程與學(xué)術(shù)界被廣泛應(yīng)用,成為涉及
    的頭像 發(fā)表于 07-04 13:08 ?1423次閱讀

    日本九州大學(xué)開(kāi)發(fā)了名為QDyeFinder的人工智能(AI)工具

    QDyeFinder的人工智能(AI)工具,這一創(chuàng)新技術(shù)能夠在小鼠大腦的圖像中自動(dòng)識(shí)別和重建單個(gè)神經(jīng)元的復(fù)雜結(jié)構(gòu),為神經(jīng)科學(xué)研究開(kāi)啟了新的篇章。
    的頭像 發(fā)表于 07-03 14:43 ?479次閱讀

    神經(jīng)刺激器有望改善克羅恩病患者生活質(zhì)量

    據(jù)澳大利弗洛里神經(jīng)科學(xué)與心理健康研究所(The Florey)報(bào)道,澳州奧斯汀衛(wèi)生中心的臨床醫(yī)師們率先使用神經(jīng)電刺激器成功防治克羅恩病術(shù)后炎癥復(fù)發(fā)現(xiàn)象。
    的頭像 發(fā)表于 04-02 14:15 ?390次閱讀

    腦機(jī)接口:探尋大腦活動(dòng)新解碼技術(shù)

    據(jù)最新研究,2月20日,英國(guó)知名學(xué)術(shù)期刊《自然》(Nature)特別報(bào)道了未來(lái)腦機(jī)接口的發(fā)展趨勢(shì)及潛在影響力。研究強(qiáng)調(diào),腦機(jī)接口不僅改變了我們看待大腦的視角,也刷新了我們對(duì)大腦各區(qū)域間界限與功能的固有看法。
    的頭像 發(fā)表于 02-25 15:50 ?752次閱讀

    基于可拉伸、自卷曲微流控電子器件的高適形性神經(jīng)接口開(kāi)發(fā)

    開(kāi)發(fā)植入式神經(jīng)電子接口在長(zhǎng)期腦機(jī)接口和神經(jīng)科學(xué)治療中具有重要意義。
    的頭像 發(fā)表于 01-08 16:19 ?906次閱讀
    基于可拉伸、自卷曲微流控電子器件的高適形性<b class='flag-5'>神經(jīng)</b>接口開(kāi)發(fā)

    NeurIPS23|視覺(jué) 「讀腦術(shù)」:從大腦活動(dòng)中重建你眼中的世界

    刺激塑造,而且深受過(guò)往經(jīng)驗(yàn)的影響,這些共同促成了大腦中的復(fù)雜活動(dòng)。在認(rèn)知神經(jīng)科學(xué)領(lǐng)域,解碼大腦活動(dòng)中的視覺(jué)信息成為了一項(xiàng)關(guān)鍵任務(wù)。功能性磁共振成像(fMRI)作為一種高效的非侵入性技術(shù),在恢復(fù)和分析視覺(jué)信息,如圖像類(lèi)別方面發(fā)揮著
    的頭像 發(fā)表于 12-24 21:35 ?526次閱讀
    NeurIPS23|視覺(jué) 「讀腦術(shù)」:從<b class='flag-5'>大腦</b>活動(dòng)中重建你眼中的世界
    主站蜘蛛池模板: 正在播放国产精品| 66美女人体| 999av视频| 国产二区自拍| 老熟人老女人国产老太| 日本亚洲电影| 又亲又揉摸下面视频免费看| 成人国内精品久久久久影| 精品一产品大全| 日美一级毛片| 在线亚洲黄色| 疯狂做受XXXX高潮欧美日本| 久 久 亚洲 少 妇 无 码| 人妻久久久精品99系列AV| 一个人在线观看免费视频| 国产超碰AV人人做人人爽| 美女被打开了屁股进去的视频 | 久热人人综合人人九九精品视频| 日本无码欧美激情在线视频| 一本道手机无码在线看| 二次元美女扒开内裤喷水| 快穿女主有名器的H纯肉黄暴拉文| 体育生爆操| c了瑜伽老师嗷嗷叫一节课视频| 后入式啪gif动态图| 思思99热久久精品在线6| 97视频在线观看免费视频| 狠狠色狠色综合曰曰| 色琪琪丁香婷婷综合久久| 91久久综合精品国产丝袜长腿| 韩国演艺圈qvod| 十八禁久久成人一区二区| 99久酒店在线精品2019| 久久精品视频免费| 亚洲AVAV天堂AV在线网爱情| 动漫美女脱小内内露尿口| 免费视频国产| 永久免费精品影视网站| 国产又黄又硬又粗| 四虎永久免费网址| 成人18视频在线观看|