Prineste trojročné dieťa do zoo a intuitívne zistí, že žuvacie listy zvieraťa s dlhým hrdlom sú rovnakou žirafou z obrázkovej knihy jeho detí. Tento jednoduchý čin je v skutočnosti dosť zložitý. Kresba v knihe je zamrznutou siluetou jednoduchých čiar a živé zviera je majstrovským dielom farby, textúry, pohybu a svetla. Pri pohľade z rôznych uhlov vyzerá inak a môže zmeniť tvar, polohu, perspektívu.
Vo všeobecnosti sa ľudia pri týchto druhoch úloh darí dobre. Z jednoduchých príkladov môžeme ľahko pochopiť najdôležitejšie vlastnosti objektu a tieto znalosti aplikovať na niečo neznáme. Počítače na druhej strane zvyčajne potrebujú zostaviť celú databázu žiraf, zobrazenú na rôznych pozíciách, z rôznych perspektív, aby sa naučili, ako presne zviera presne spoznať.
Vizuálna identita je jednou z mnohých oblastí, v ktorých ľudia ľahko porazia počítače. Lepšie tiež hľadáme relevantné informácie v toku údajov; riešime neštruktúrované problémy; Učíme sa hravo, ako dieťa, ktoré sa dozvie o gravitácii hraním s blokmi.
„Ľudia sú oveľa, oveľa všestrannejší,“hovorí Tai Sing Lee, vedec a neurovedec na Carnegie Mellon University v Pittsburghu. „Stále myslíme flexibilnejšie, sme schopní predvídať, predstavovať si a vytvárať budúce udalosti.“
USA však financujú ambiciózny nový program, ktorého cieľom je dať umelou inteligenciu porovnateľnú s našimi vlastnými mentálnymi schopnosťami. Tri tímy neurovedcov a počítačových vedcov sa snažia zistiť, ako mozog vykonáva tieto črty vizuálnej identifikácie, a potom stavajú stroje, ktoré robia to isté.
„Moderné strojové učenie zlyhá tam, kde sa ľuďom darí,“hovorí Jacob Vogelstein, ktorý vedie program v rámci aktivity Intelligence Advanced Research Projects Activity (IARPA). „Chceme revolúciu v strojovom učení pomocou algoritmov reverzného inžinierstva a výpočtov mozgu.“
Je veľmi málo času. Každá skupina v súčasnosti modeluje kúsok kôry v nebývalých detailoch. Spoločne vyvíjajú algoritmy na základe toho, čo sa naučili. Do budúceho leta bude každý z týchto algoritmov uvedený ako príklad neznámej veci, ktorú je možné zistiť v tisícoch obrázkov v neznámej databáze. „Časový harmonogram je veľmi obmedzený,“povedal Christoph Koch, prezident a starší kolega z Allen Institute for Brain Science v Seattli, ktorý pracuje s jedným z tímov.
Koch a jeho kolegovia vytvoria kompletný elektroinštalačný diagram pre malú kocku v mozgu - milión kubických mikrónov, približne jednu stotinu objemu maku. A to je rádovo viac ako najkompletnejšia a najväčšia mapa doterajších väzieb mozgu, ktorá bola uverejnená v júni minulého roku a ktorej vytvorenie trvalo asi šesť rokov.
Propagačné video:
Na konci päťročného projektu IARPA s názvom „inteligencia kortikálnych sieťových strojov (Microns)“plánujú vedci zmapovať kubický milimeter kôry. Tento malý kúsok obsahuje takmer 100 000 neurónov, 3 až 15 miliónov neurálnych spojení alebo synapsií a dostatok nervových spletencov na pokrytie hlavného mesta, ak je rozmotané a natiahnuté.
Zatiaľ sa nikto nepokúsil rekonštruovať časť mozgu v takomto rozsahu. Úsilie v malom meradle však ukázalo, že takéto mapy môžu vrhať svetlo na vnútorné fungovanie mozgovej kôry. V novine uverejnenej v časopise Nature v marci Wei-Chung Allen Lee - neurovedec z Harvardskej univerzity, ktorý pracuje s tímom Koch - a jeho kolegovia zmapovali spojenia 50 neurónov a viac ako 1 000 ich partnerov. Kombináciou tejto mapy s informáciami o fungovaní každého neurónu v mozgu - napríklad niektorí reagujú na vizuálny signál - vedci odvodili jednoduché pravidlo anatomického spojenia neurónov v tejto časti kôry. Zistili, že neuróny s podobnými funkciami sa častejšie spájajú a vytvárajú veľké spojenia medzi sebou a menej pravdepodobne s inými typmi neurónov.
Aj keď je projekt Microns veľmi technologický - IARPA financuje výskum, ktorý by mohol viesť k nástrojom na analýzu údajov pre spravodajské agentúry a samozrejme aj iné - súbežne s tým dostanú vedci údaje o práci mozgu. Andreas Tolias, neurológ na Baylor College of Medicine, ktorý je jedným z popredných členov tímu Koch's, prirovnáva naše súčasné znalosti kôry k rozmazaniu fotografie. Dúfa, že bezprecedentná škála projektu Microns pomôže vylepšiť túto perspektívu a objaviť komplexnejšie pravidlá, ktorými sa riadia naše nervové obvody. „Bez toho, aby sme poznali všetky základné časti,„ možno nám chýba krása tejto štruktúry. “
Procesor mozgu
Zložité záhyby, ktoré pokrývajú povrch mozgu a tvoria mozgovú kôru (kôru), sú doslova zaklinené do našich lebiek. V mnohých ohľadoch je to mikroprocesor mozgu. Medzivrstva s hrúbkou troch milimetrov sa skladá zo série opakujúcich sa modulov alebo mikroobvodov, napríklad zo súboru logických brán v počítačovom čipe. Každý modul sa skladá z približne 100 000 neurónov usporiadaných v komplexnej sieti vzájomne prepojených buniek. Existuje dôkaz, že základná štruktúra týchto modulov je približne rovnaká v celej kôre. Moduly v rôznych oblastiach mozgu sa však špecializujú na konkrétne účely, ako je videnie, pohyb a sluch.
Vedci majú iba hrubú predstavu o tom, ako tieto moduly vyzerajú a ako fungujú. Z veľkej časti sú obmedzené na štúdium mozgu v najmenšom meradle: desiatky alebo stovky neurónov. Nové technológie určené na sledovanie tvaru, aktivity a konektivity tisícov neurónov len umožňujú vedcom začať analyzovať vzájomné pôsobenie buniek v rámci modulu; ako môže aktivita v jednej časti systému generovať aktivitu v inej časti. „Prvýkrát v histórii sme tieto moduly mohli osloviť namiesto toho, aby sme sa len hádali o obsahu,“hovorí Vogelstein. „Rôzne tímy majú rôzne odhady o tom, čo je vo vnútri.“
Vedci sa zamerajú na tú časť kôry, ktorá je zodpovedná za videnie. Tento systém pocitov aktívne študovali neurofyziológovia a špecialisti na počítačové modelovanie sa už dlho snažia napodobniť. „Vízia sa zdá byť jednoduchá - stačí otvoriť oči - ale učiť počítače robiť to isté je veľmi ťažké,“hovorí David Cox, neurovedec na Harvardskej univerzite, ktorý vedie jeden z tímov IARPA.
Andreas Tolias (vľavo)
Každý tím začína rovnakou základnou myšlienkou, ako vízia funguje: starou teóriou známou ako analýza syntézou. Podľa tejto myšlienky mozog predpovedá, čo sa bude diať v blízkej budúcnosti, a potom tieto predpovede porovnáva s tým, čo vidí. Silnou stránkou tohto prístupu je jeho efektívnosť - vyžaduje si menej výpočtov, ako neustále obnovovať každú chvíľu v čase.
Mozog môže vykonávať analýzu syntézou rôznymi spôsobmi, takže vedci skúmajú inú možnosť. Coxova skupina vidí v mozgu akýsi fyzikálny mechanizmus, ktorý využíva existujúce fyzikálne modely na simuláciu sveta tak, ako by mal vyzerať. Tím Tai Sing Lee spolu s Georgeom Churchom predpokladá, že mozog má zabudovanú knižnicu častí - kusov a predmetov a ľudí - a učí pravidlá, ako tieto časti dať dohromady. Listy sa napríklad zvyčajne vyskytujú na vetvách. Skupina Tolias pracuje na prístupe viac založenom na údajoch, v ktorom mozog vytvára štatistické očakávania pre svet, v ktorom žije. Jeho skupina bude testovať rôzne hypotézy o tom, ako sa rôzne časti okruhu naučia komunikovať.
Všetky tri skupiny budú monitorovať nervovú aktivitu desiatok tisíc neurónov v cieľovej mozgovej kocke. Potom sa na vytvorenie schémy zapojenia týchto buniek používajú rôzne metódy. Tím spoločnosti Cox napríklad rozreže mozgové tkanivo na vrstvy tenšie ako ľudské vlasy a každý rez analyzuje pomocou elektrónovej mikroskopie. Vedci potom prilepia každý prierez na počítač a vytvoria husto zabalenú 3D mapu toho, ako milióny nervových drôtov prechádzajú cez kôru.
S mapou a grafom aktivít v ruke sa každý tím pokúsi pochopiť základné pravidlá upravujúce okruh. Potom tieto pravidlá naprogramujú do simulácie a zmerajú, do akej miery simulácia zodpovedá skutočnému mozgu.
Andreas Tolias a jeho kolegovia zmapovali spojenie párov neurónov a zaznamenali ich elektrickú aktivitu. Komplexná anatómia piatich neurónov (vľavo hore) sa dá zhrnúť do jednoduchého schematického diagramu (vpravo hore). Ak prevádzate elektrický prúd cez neurón 2, aktivuje sa a spustí elektrický náboj v dvoch bunkách, neuróny 1 a 5 (nižšie).
Tolias a jeho kolegovia už tento prístup ochutnali. V novine publikovanej vo vedeckej knihe v novembri zmapovali spojenia 11 000 párov neurónov a odhalili päť nových typov neurónov. "Stále nemáme úplný zoznam častí, ktoré tvoria kôru, typ jednotlivých buniek, ich spojenia," hovorí Koch. "Tam začal Tolias."
Medzi tisíckami nervových spojení skupina Tolias objavila tri všeobecné pravidlá, ktorými sa riadi spojenie buniek: niektoré komunikujú primárne s neurónmi svojho druhu; iní sa vyhýbajú svojmu vlastnému typu a zaoberajú sa predovšetkým inými druhmi; tretia skupina komunikuje iba s niekoľkými ďalšími neurónmi. (Toliasova skupina definovala svoje bunky na základe neurálnej anatómie, nie na rozdiel od Wei Liovej skupiny.) Použitím iba troch z týchto komunikačných pravidiel vedci dokázali obvod reprodukovať pomerne presne. „Výzvou je zistiť, čo tieto komunikačné pravidlá znamenajú algoritmom,“hovorí Tolias. „Aký typ výpočtu robia?“
Neurónové siete založené na skutočných neurónoch
Umelá inteligencia založená na mozgu nie je nový nápad. V 80. rokoch 20. storočia boli veľmi populárne tzv. Neurónové siete, ktoré napodobňujú základnú štruktúru mozgu. V tom čase však vedcom v odbore chýbali výpočtové sily a údaje o tom, ako zefektívniť algoritmy. A všetky tieto milióny obrázkov s mačkami na internete neboli. A hoci neurónové siete zažili významnú renesanciu - dnes je už ťažké predstaviť si život bez programov na rozpoznávanie hlasu a tváre a počítač AlphaGo nedávno prekonal najlepšieho hráča na svete - pravidlá, ktoré používajú neurónové siete na zmenu spojenia, sa takmer určite líšia od pravidiel. čo mozog používa.
Moderné neurónové siete „sú založené na tom, čo sme vedeli o mozgu v 60. rokoch,“hovorí Terry Seinowski, výpočtový neurovedec zo Salk Institute v San Diegu, ktorý vyvinul prvé algoritmy neurónovej siete s Jeffrey Hintonom, vedcom z University of Toronto. "Naše vedomosti o tom, ako je organizovaný mozog, praskajú vo švíkoch."
Napríklad moderné neurónové siete pozostávajú z architektúry priameho toku, kde informácie prúdia od vstupu k výstupu cez sériu vrstiev. Každá vrstva je vyškolená na rozpoznávanie určitých funkcií, ako sú oči alebo fúzy. Potom analýza pokračuje a každá vrstva vykonáva stále zložitejšie výpočty. Program nakoniec rozpozná mačku v sérii farebných pixelov.
Táto výhľadová štruktúra však nemá dôležitú súčasť biologického systému: spätnú väzbu, a to tak v rámci jednotlivých vrstiev, ako aj z vrstiev vyššieho poriadku s nižšou. V skutočnom mozgu sú neuróny v jednej vrstve kôry spojené so svojimi susedmi, ako aj s neurónmi vo vrstvách nad a pod, ktoré tvoria komplexnú sieť slučiek. „Spätná väzba je mimoriadne dôležitou súčasťou kortikálnych sietí,“hovorí Seinovski. "V spätnej väzbe je toľko signálov, ako existuje spätné spojenie."
Neurovedci zatiaľ úplne nechápu, čo robia slučky spätnej väzby, hoci vedia, že sú nevyhnutné pre našu schopnosť sústrediť sa. Pomáhajú nám napríklad počúvať hlas v telefóne bez rozptyľovania napríklad zvukmi mesta. Časť popularity teórie analýzy syntézou spočíva v tom, že poskytuje základ pre všetky tieto opakujúce sa zlúčeniny. Pomáhajú mozgu porovnávať jeho predpovede s realitou.
Vedci z oblasti mikrónov sa snažia dešifrovať pravidlá upravujúce slučky spätnej väzby - napríklad, ktoré bunky spájajú slučky, ktoré aktivujú svoju aktivitu a ako táto aktivita ovplyvňuje výstup údajov z obvodu - a potom tieto pravidlá prevedú do algoritmu. „Stroju teraz chýba fantázia a introspekcia. Verím, že spätná väzba nám umožní predstaviť si a analyzovať sa na mnohých rôznych úrovniach, “hovorí Tai Sing Lee.
Možno, že spätná väzba jedného dňa vybaví stroje vlastnosťami, ktoré považujeme za jedinečné pre ľudí. „Keby ste mohli implementovať spätnoväzbovú slučku v hlbokej sieti, mohli by ste sa presunúť zo siete, ktorá je schopná iba kolenného trhnutia - poskytujúceho vstup a výstup - do reflexnejšej siete, ktorá začne mať zmysel pre svoje vstupy a testuje hypotézy.“hovorí Sejnowski.
Kľúč k tajomstvu vedomia
Rovnako ako všetky programy IARPA, aj projekt Microns predstavuje vysoké riziko. Technológie, ktoré vedci potrebujú na rozsiahle mapovanie nervovej aktivity a zapletení, existujú, ale zatiaľ ich nikto v takomto rozsahu neuplatnil. Vedci sa musia zaoberať obrovským množstvom údajov - 1 - 2 petabajty údajov na kubický milimeter mozgu. Pravdepodobne budete musieť vyvinúť nové nástroje strojového učenia na analýzu všetkých týchto údajov, čo je dosť ironické.
Nie je tiež jasné, či poznatky získané z malého uhryznutia mozgu môžu naznačovať väčšie mozgové talenty. „Mozog nie je iba kúskom kôry,“hovorí Sejnowski. „Mozog je stovkami systémov špecializovaných na rôzne funkcie.“
Mozgová kôra samotná sa skladá z opakujúcich sa spojení, ktoré vyzerajú rovnako. Ale iné časti mozgu môžu fungovať veľmi odlišným spôsobom. „Ak chcete AI, ktorá ide nad rámec jednoduchého rozpoznávania vzorov, budete potrebovať veľa rôznych častí,“hovorí Seinowski.
Ak však projekt uspeje, urobí to viac než len analýza spravodajských údajov. Úspešný algoritmus odhalí dôležité pravdy o tom, ako mozog dáva tomuto svetu zmysel. Pomôže to najmä potvrdiť, či mozog skutočne pracuje analýzou prostredníctvom syntézy - že porovnáva svoje predpovede o svete s prichádzajúcimi údajmi z našich zmyslov. Ukáže sa, že kľúčovou zložkou receptu na vedomie je neustále sa meniaca zmes fantázie a vnímania. Vytvorením stroja, ktorý dokáže myslieť, vedci dúfajú, že odhalia tajomstvá samotného myslenia.