Atvesk trejų metų vaiką į zoologijos sodą, ir jis intuityviai nustatys, kad ilgą kaklą turinčio gyvūno kramtomieji lapai yra ta pati žirafa iš jo vaikų paveikslėlių knygos. Šis paprastas žygdarbis iš tikrųjų yra gana sudėtingas. Piešinys knygoje yra užšaldytas paprastų linijų siluetas, o gyvas padaras yra spalvų, tekstūros, judesio ir šviesos šedevras. Žiūrint iš skirtingų kampų, jis atrodo skirtingai ir gali pakeisti formą, padėtį, perspektyvą.
Apskritai žmonėms gerai sekasi atlikti šias užduotis. Iš nesudėtingų pavyzdžių lengvai suprantame svarbiausias objekto savybes ir pritaikome šias žinias kažkam nepažįstamam. Kita vertus, norint sužinoti, kaip tiksliai atpažinti gyvūną, kompiuteriams paprastai reikia sudaryti visą žirafų duomenų bazę, parodytą skirtingose pozicijose, iš skirtingų perspektyvų.
- „Salik.biz“
Vaizdinė tapatybė yra viena iš daugelio sričių, kurioje žmonės lengvai muša kompiuterius. Mes taip pat geriau ieškome susijusios informacijos duomenų sraute; sprendžiame nestruktūruotas problemas; Mes mokomės žaismingai, kaip vaikas, kuris sužino apie sunkumą žaisdamas blokais.
„Žmonės yra daug, daug įvairesni“, - sako Tai Sing Lee, Pitsburgo Carnegie Mellon universiteto mokslininkas ir neuromokslininkas. „Mes vis dar lanksčiau mąstome, gebame numatyti, įsivaizduoti ir kurti ateities įvykius“.
Tačiau JAV finansuoja plataus užmojo programą, kuria siekiama dirbtinį intelektą prilyginti mūsų pačių protiniams sugebėjimams. Trys neuromokslininkų ir kompiuterių mokslininkų komandos bando išsiaiškinti, kaip smegenys atlieka šiuos vaizdinio identifikavimo žygdarbius, ir tada sukonstruoja mašinas, kurios daro tą patį.
„Šiuolaikinis mašinų mokymasis žlunga ten, kur klesti žmonės“, - sako Jokūbas Vogelšteinas, vadovaujantis programai intelekto pažangiųjų mokslinių tyrimų projektų veikloje (IARPA). "Mes norime revoliucionizuoti mašinų mokymąsi pagal atvirkštinės inžinerijos algoritmus ir smegenų skaičiavimą."
Laiko yra labai mažai. Šiuo metu kiekviena grupė modeliuoja beprecedentį žievės pleistrą. Kartu jie kuria algoritmus remdamiesi tuo, ko išmoko. Iki kitos vasaros kiekvienam iš šių algoritmų bus pateiktas nepažįstamo dalyko pavyzdys, kurį galima aptikti tūkstančiais nepažįstamos duomenų bazės vaizdų. „Laikas yra labai trumpas“, - sakė Sietlo Alleno smegenų mokslo instituto prezidentas ir vyresnysis bendradarbis Christophas Kochas, dirbantis su viena iš komandų.
Kochas ir jo kolegos sukuria išsamią laidų schemą mažam smegenų kubui - milijonas kubinių mikronų, maždaug penktadalis šimtosios aguonos tūrio. Tai yra masto tvarka daugiau nei išsamiausias ir didžiausias iki šiol smegenų audimo žemėlapis, kuris buvo paskelbtas praėjusių metų birželį ir kurio sukūrimas užtruko apie šešerius metus.
Reklaminis vaizdo įrašas:
Pasibaigus penkerių metų IARPA projektui, pavadinimu „žievės tinklo mašinos intelektas (mikronai)“, mokslininkai planuoja nubrėžti žievės kubinį milimetrą. Šioje mažoje riekėje yra beveik 100 000 neuronų, nuo 3 iki 15 milijonų nervinių jungčių ar sinapsių ir pakankamai nervų užkimšimų, kad būtų galima apdengti pagrindinį miestą, jei jis nebus atsietas ir ištemptas.
Dar niekas nebandė rekonstruoti smegenų dalies tokiu mastu. Tačiau daugiau nedidelių pastangų parodė, kad tokie žemėlapiai gali parodyti vidinį smegenų žievės darbą. Kovo mėn. Žurnale „Nature“paskelbtame dokumente Wei-Chung Allen Lee - Harvardo universiteto neurologas, dirbantis su Kocho komanda - su kolegomis apžvelgė 50 neuronų ir daugiau nei 1000 jų partnerių ryšius. Derindami šį žemėlapį su informacija apie kiekvieno neurono funkcionavimą smegenyse - kai kurie, pavyzdžiui, reaguoja į regimąjį signalą - mokslininkai išvedė paprastą neuronų anatominio ryšio šioje žievės dalyje taisyklę. Ir jie nustatė, kad panašias funkcijas atliekantys neuronai yra labiau linkę jungtis ir sudaryti didelius ryšius vienas su kitu, o mažiau tikėtina - su kitų tipų neuronais.
Ir nors projekto „Microns“tikslas yra labai technologinis - IARPA finansuoja mokslinius tyrimus, kurie galėtų būti naudojami žvalgybos agentūrų duomenų analizės įrankiams ir, žinoma, kitiems - tuo pat metu mokslininkai gaus duomenis apie smegenų darbą. Andreas Toliasas, Bayloro medicinos koledžo neurologas, kuris yra vienas iš pirmaujančių Kocho komandos narių, mūsų dabartines žinias apie žievę vertina kaip neryškią fotografiją. Jis tikisi, kad precedento neturintis „Microns“projekto mastas padės paaštrinti šią perspektyvą ir atrasti sudėtingesnes taisykles, kurios valdo mūsų neuronines grandines. Nežinant visų sudedamųjų dalių, „mums gali trūkti šios struktūros grožio“.
Smegenų procesorius
Sudėtingos raukšlės, apimančios smegenų paviršių ir sudarančios smegenų žievę (žievę), yra pažodžiui įsmeigtos į mūsų kaukolę. Daugeliu atžvilgių tai yra smegenų mikroprocesorius. Trijų milimetrų storio tarpsluoksnį sudaro daugybė pasikartojančių modulių arba mikroschemų, tarsi loginių vartų masyvas kompiuterio mikroschemoje. Kiekvieną modulį sudaro maždaug 100 000 neuronų, išdėstytų sudėtingame sujungtų ląstelių tinkle. Yra įrodymų, kad pagrindinė šių modulių struktūra yra beveik vienoda visoje žievėje. Tačiau moduliai skirtinguose smegenų regionuose yra specializuoti konkretiems tikslams, tokiems kaip regėjimas, judėjimas ir klausa.
Mokslininkai turi tik apytikslę idėją, kaip šie moduliai atrodo ir kaip jie veikia. Jie didžiąja dalimi apsiriboja smegenų tyrimu mažiausiu mastu: dešimtimis ar šimtais neuronų. Naujos technologijos, sukurtos stebėti tūkstančių neuronų formą, aktyvumą ir ryšį, tik dabar leidžia mokslininkams pradėti analizuoti, kaip modulio ląstelės sąveikauja viena su kita; kaip veikla vienoje sistemos dalyje gali generuoti veiklą kitoje dalyje. „Pirmą kartą istorijoje galėjome apklausti šiuos modulius, o ne tik spėlioti apie turinį“, - sako Vogelšteinas. "Skirtingos komandos turi skirtingus spėjimus apie tai, kas yra viduje".
Tyrėjai sutelks dėmesį į smegenų žievės dalį, atsakingą už regėjimą. Šią jausmų sistemą aktyviai tyrė neurofiziologai, o kompiuterinio modeliavimo specialistai ilgą laiką bandė rungtyniauti. „Regėjimas atrodo paprastas - tiesiog atmerkite akis, tačiau išmokyti kompiuterius daryti tą patį yra labai sunku“, - sako Davidas Coxas, Harvardo universiteto neurologas, vadovaujantis vienai iš IARPA komandų.
Andreasas Toliasas (kairėje)
Kiekviena komanda pradeda nuo tos pačios pagrindinės idėjos, kaip veikia regėjimas: senos teorijos, vadinamos sintezės analize. Remdamiesi šia idėja, smegenys daro prognozes apie tai, kas nutiks artimiausiu metu, ir tada patikrina tas prognozes pagal tai, ką mato. Šio metodo pranašumas yra jo efektyvumas - jam reikia mažiau skaičiavimo, nei nuolat kartoti kiekvieną laiko momentą.
Smegenys gali atlikti analizę sintezės būdu daugybe skirtingų būdų, todėl mokslininkai nagrinėja dar vieną galimybę. Cokso grupė smegenyse mato savotišką fizikos variklį, kuris naudoja esamus fizinius modelius, kad imituotų pasaulį taip, kaip jis turėtų atrodyti. „Tai Sing Lee“komanda kartu su George'u Church'u daro prielaidą, kad smegenyse yra įmontuota dalių - daiktų ir daiktų bei žmonių gabalų - biblioteka, ir moko taisyklių, kaip tas dalis sudėti. Pavyzdžiui, lapai dažniausiai atsiranda ant šakų. Toliaso grupė dirba labiau į duomenis orientuotu metodu, pagal kurį smegenys sukuria statistinius lūkesčius pasaulio, kuriame gyvena. Jo grupė išbandys skirtingas hipotezes apie tai, kaip skirtingos grandinės dalys mokosi bendrauti.
Visos trys grupės stebės dešimčių tūkstančių neuronų, esančių tiksliniame smegenų kube, nervinį aktyvumą. Tada, norint sukurti šių elementų laidų schemą, naudojami įvairūs metodai. Pvz., Cokso komanda smegenų audinius supjaustys plonesniais nei žmogaus plaukai sluoksniais ir analizuos kiekvieną pjūvį, naudodama elektroninę mikroskopiją. Tuomet mokslininkai sulieja kiekvieną skerspjūvį kompiuteryje, kad sudarytų tankiai supakuotą 3D žemėlapį, kuriame vaizduojama, kaip milijonai nervų laidų eina per žievę.
Turėdama žemėlapį ir veiklos diagramą, kiekviena komanda bandys suprasti pagrindines taisykles, reglamentuojančias trasą. Tada jie užprogramuoja šias taisykles modeliavimui ir matuoja, kaip gerai modeliavimas atitinka tikras smegenis.
Andreasas Toliasas ir kolegos apžvelgė porų neuronų ryšius ir užfiksavo jų elektrinį aktyvumą. Penkių neuronų (viršuje kairėje) sudėtingą anatomiją galima apibendrinti paprasta schema (viršuje dešinėje). Jei per 2 neuroną vykdote elektros srovę, jis suaktyvėja, paleisdamas elektros krūvį dviejose ląstelėse trasoje, 1 ir 5 neuronuose (žemiau).
Toliasas ir jo kolegos jau pamėgo šį požiūrį. Lapkritį publikuotame leidinyje „Science“jie apžvelgė 11 000 neuronų porų jungtis, atskleisdami penkis naujus neuronų tipus. „Mes vis dar neturime viso sąrašo dalių, kurios sudaro žievę, atskirų ląstelių tipą, jų jungtis“, - sako Kochas. „Štai čia ir prasidėjo Toliasas“.
Tarp tūkstančių nervinių jungčių Tolias grupė atrado tris bendrąsias taisykles, reglamentuojančias ląstelių ryšį: kai kurios bendrauja pirmiausia su savo tipo neuronais; kiti vengia savo tipo, pirmiausia spręsdami su kitais tipais; trečioji grupė bendrauja tik su keliais kitais neuronais. (Tolias grupė, kitaip nei Wei Li grupė, apibrėžė savo ląsteles pagal neuronų anatomiją, o ne funkcijas). Naudodamiesi tik trimis iš šių ryšių taisyklių, mokslininkai sugebėjo gana tiksliai atkurti grandinę. „Dabar kyla iššūkis išsiaiškinti, ką šios komunikacijos taisyklės reiškia algoritmiškai“, - sako Toliasas. "Kokio tipo skaičiavimus jie daro?"
Neuroniniai tinklai, pagrįsti tikraisiais neuronais
Smegenų pagrįstas dirbtinis intelektas nėra nauja idėja. Devintajame dešimtmetyje ypač populiarūs buvo vadinamieji neuroniniai tinklai, imituojantys pagrindinę smegenų struktūrą. Tačiau tuo metu šios srities mokslininkams trūko skaičiavimo galios ir duomenų, kaip algoritmus padaryti efektyvius. Ir visų šių milijonų nuotraukų su katėmis internete nebuvo. Ir nors neuroniniai tinklai išgyveno didelį atgimimą - šiais laikais jau sunku įsivaizduoti gyvenimą be balso ir veido atpažinimo programų, o „AlphaGo“kompiuteris neseniai įveikė geriausią pasaulyje žaidėją - taisyklės, kurie naudoja neuroninius tinklus savo ryšiams pakeisti, beveik neabejotinai skiriasi nuo tų, kurie ką smegenys naudoja.
Šiuolaikiniai neuroniniai tinklai „remiasi tuo, ką žinojome apie smegenis septintajame dešimtmetyje“, - sako Terry Seinowski, Salko instituto San Diege skaičiavimo neurologas, sukūręs pirmuosius neuroninių tinklų algoritmus kartu su Toronto universiteto mokslininku Jeffrey Hintonu. "Mūsų žinios apie tai, kaip organizuojamos smegenys, plyšta siūlėse."
Pvz., Šiuolaikinius neuroninius tinklus sudaro tiesioginio srauto architektūra, kai informacija perduodama iš įvesties į išvestį per sluoksnių seriją. Kiekvienas sluoksnis yra išmokytas atpažinti tam tikras savybes, tokias kaip akys ar ūsai. Tada analizė juda toliau ir kiekvienas sluoksnis atlieka vis sudėtingesnius skaičiavimus. Galiausiai programa atpažįsta katę iš spalvotų pikselių.
Tačiau šiai į ateitį nukreiptai struktūrai trūksta svarbaus biologinės sistemos komponento: grįžtamojo ryšio tiek atskiruose sluoksniuose, tiek iš aukštesnės kategorijos sluoksnių su žemesniuoju. Tikrosiose smegenyse viename žievės sluoksnyje esantys neuronai yra sujungti su kaimynais, taip pat virš ir apačios esančiais neuronais, sudarantys sudėtingą kilpų tinklą. „Grįžtamasis ryšys yra nepaprastai svarbi žievės tinklų dalis“, - sako Seinovski. "Atsiliepimuose yra tiek signalų, kiek yra grįžtamojo ryšio."
Neuromokslininkai dar nevisiškai supranta, ką daro grįžtamasis ryšys, nors jie ir žino, kad jie yra būtini mūsų gebėjimui sutelkti dėmesį. Jie padeda mums klausytis balso telefone, nesiblaškant, pavyzdžiui, į miesto garsus. Dalis sintezės analizės teorijos populiarumo yra ta, kad ji suteikia pagrindą visiems šiems pasikartojantiems junginiams. Jie padeda smegenims palyginti savo prognozes su realybe.
Mikronų tyrėjai siekia iššifruoti grįžtamojo ryšio kilpas reglamentuojančias taisykles - pavyzdžiui, kurios ląstelės jungia kilpas, kurios suaktyvina jų veiklą ir kaip ši veikla veikia duomenų išvestį iš grandinės - ir tada šias taisykles paverčia algoritmu. „Mašinai dabar trūksta vaizduotės ir savikontrolės. Manau, kad grįžtamojo ryšio ciklas leis mums įsivaizduoti ir analizuoti save įvairiais lygmenimis “, - sako Tai Sing Lee.
Galbūt grįžtamasis ryšys vieną dieną suteiks mašinoms savybių, kurias laikome išskirtinėmis žmonėms. „Jei galėtumėte įdiegti grįžtamojo ryšio ciklą giliame tinkle, galite pereiti nuo tinklo, kuris yra pajėgus tik kelio sąstingiui - tiekti įvestį ir išvestį - į labiau atspindintį tinklą, kuris pradeda suprasti savo įvestis ir tikrinti hipotezes.“sako Sejnowskis.
Raktas į sąmonės slėpinį
Kaip ir visos IARPA programos, „Microns“projektas kelia didelę riziką. Egzistuoja technologijos, kurių reikia mokslininkams, norint plataus masto atvaizduoti nervų veiklą ir įsipainiojimus, tačiau iki šiol niekas jų netaikė. Mokslininkams tenka susidurti su didžiuliu duomenų kiekiu - 1–2 petabaitų duomenų viename kubiniame milimetro smegenyse. Tikriausiai turėsite sukurti naujas mašininio mokymosi priemones, skirtas analizuoti visus šiuos duomenis, o tai yra gana ironiška.
Taip pat neaišku, ar pamokos, išmoktos iš mažo smegenų įkandimo, gali užsiminti apie didesnius smegenų talentus. „Smegenys nėra tik žievės gabalas“, - sako Sejnowski. "Smegenys yra šimtai sistemų, specializuotų skirtingoms funkcijoms atlikti."
Pati smegenų žievė yra sudaryta iš pasikartojančių ryšių, kurie atrodo maždaug taip. Tačiau kitos smegenų dalys gali veikti labai skirtingai. „Jei norite AI, peržengiančio paprastą modelio atpažinimą, jums prireiks daugybės skirtingų dalių“, - sako Seinowski.
Tačiau jei projektas pavyks, tai bus padaryta daugiau nei analizuojami žvalgybos duomenys. Sėkmingas algoritmas atskleis svarbias tiesas apie tai, kaip smegenys suteikia šiam pasauliui prasmę. Visų pirma, tai padės patvirtinti, ar smegenys iš tikrųjų veikia analizuodamos sintezės būdu - kad jos palygina savo prognozes apie pasaulį su gaunamomis mūsų pojūčių duomenimis. Tai parodys, kad pagrindinis sąmonės recepto ingredientas yra nuolat kintantis vaizduotės ir suvokimo mišinys. Pastatydami mašiną, galinčią mąstyti, mokslininkai tikisi atskleisti pačios minties paslaptis.