Заведете тригодишно дете в зоологическата градина и той интуитивно ще определи, че дъвчещите листа на животни с дълги врати са същите жирафи от книжката на децата му. Този прост подвиг всъщност е доста сложен. Рисунката в книгата е замразен силует от прости линии, а живото същество е шедьовър на цвят, текстура, движение и светлина. Изглежда различно, когато се гледа от различни ъгли и може да промени формата, позицията, перспективата.
По принцип хората се справят добре в този вид задачи. Лесно можем да разберем най-важните характеристики на даден обект от прости примери и да приложим тези знания към нещо непознато. От друга страна, компютрите обикновено трябва да съставят цяла база данни от жирафи, показани в различни позиции, от различни гледни точки, за да се научат как точно да разпознаят животно.
Визуалната идентичност е една от многото области, в които хората лесно бият компютрите. Също така сме по-добри в търсенето на подходяща информация в потока от данни; решаваме неструктурирани проблеми; Учим се игриво, като дете, което се учи на гравитацията, като играе с блокове.
„Хората са много, много по-многостранни”, казва Тай Синг Лий, учен и невролог в университета Карнеги Мелън в Питсбърг. „Все още сме по-гъвкави в мисленето, способни сме да предвиждаме, да си представяме и създаваме бъдещи събития.“
Но САЩ финансират нова амбициозна нова програма, която се стреми да постави изкуствения интелект наравно със собствените ни умствени способности. Три екипа от невролози и компютърни учени се опитват да разберат как мозъкът извършва тези подвизи на визуална идентификация и след това изграждат машини, които правят същото.
„Съвременното машинно обучение се проваля там, където процъфтяват хората“, казва Джейкъб Вогелщайн, който ръководи програмата в Intelligence Advanced Research Projects Activity (IARPA). „Искаме да революционизираме машинното обучение чрез обратни инженерни алгоритми и изчисления на мозъка.“
Има много малко време. Всяка група в момента моделира пластир от кора с безпрецедентни детайли. Заедно те разработват алгоритми въз основа на наученото. До следващото лято на всеки от тези алгоритми ще бъде даден пример за непознато нещо, което да се открие в хиляди изображения в непознатата база данни. „Хронологията е много ограничена“, каза Кристоф Кох, президент и старши сътрудник в Алън института за мозъчна наука в Сиатъл, който работи с един от екипите.
Кох и неговите колеги създават цялостна схема за свързване на малък куб на мозъка - милион кубически микрона, около една пета стотна от обема на маково семе. И това е порядък повече от най-пълната и най-голяма карта на тъкането на мозъка до момента, която беше публикувана през юни миналата година и на която бяха необходими около шест години.
Промоционално видео:
В края на петгодишен проект IARPA, наречен "кортикална мрежова интелигентност (Микрони)", учените планират да картографират кубичен милиметър от кората. Този мъничък парче съдържа близо 100 000 неврона, 3 до 15 милиона невронни връзки или синапси и достатъчно невронни заплитания, за да покрие голям град, ако не бъде разгадан и разтегнат.
Все още никой не се е опитал да реконструира част от мозъка в такъв мащаб. Но по-малките усилия показват, че такива карти могат да хвърлят светлина върху вътрешната работа на мозъчната кора. В документ, публикуван в списанието Nature през март, Вей-Чунг Алън Лий - невролог в Харвардския университет, който работи с екипа на Кох - и неговите колеги картографират връзките на 50 неврона и над 1000 техни партньори. Комбинирайки тази карта с информация за функционирането на всеки неврон в мозъка - някои реагират на визуален сигнал, например - учените са извели просто правило за анатомичната връзка на невроните в тази част на кората. И откриха, че невроните с подобни функции са по-склонни да се свързват и образуват големи връзки помежду си, и по-малко вероятно е с други видове неврони.
И въпреки че целта на проекта Microns е доста технологична - IARPA финансира изследвания, които биха могли да доведат до инструменти за анализ на данни за разузнавателните агенции и други, разбира се - успоредно с това учените ще получават данни за работата на мозъка. Андреас Толиас, невролог от Медицинския колеж „Бейлор“, който е един от водещите членове на екипа на Кох, оприличава сегашните ни познания за кората с размазана фотография. Той се надява, че безпрецедентният мащаб на проекта Microns ще помогне да се изостри тази перспектива и да се открият по-сложни правила, които управляват нашите нервни вериги. Без да познаваме всички съставни части, „може да ни липсва красотата на тази структура“.
Мозъчен процесор
Сложните гънки, които покриват повърхността на мозъка и образуват мозъчната кора (кора), буквално се вклиняват в черепите ни. В много отношения това е микропроцесор на мозъка. Тройният милиметър дебел слой се състои от поредица от повтарящи се модули или микросхеми, като масив от логически врати в компютърен чип. Всеки модул се състои от приблизително 100 000 неврона, подредени в сложна мрежа от взаимосвързани клетки. Има доказателства, че основната структура на тези модули е приблизително еднаква в цялата кора. Въпреки това модулите в различни области на мозъка са специализирани за специфични цели като зрение, движение и слух.
Учените имат само груба представа как изглеждат тези модули и как функционират. Те са до голяма степен ограничени до изучаване на мозъка в най-малкия мащаб: десетки или стотици неврони. Новите технологии, предназначени да проследяват формата, дейността и свързаността на хиляди неврони, едва сега позволяват на учените да започнат да анализират как клетките в един модул взаимодействат помежду си; как активността в една част на системата може да генерира активност в друга част. „За първи път в историята успяхме да анкетираме тези модули, вместо просто да гадаем за съдържанието“, казва Вогелщайн. "Различните екипи имат различни догадки за това какво има вътре."
Изследователите ще се съсредоточат върху частта от кората, отговорна за зрението. Тази система от чувства се изучава активно от неврофизиолозите, а специалистите по компютърно моделиране отдавна се опитват да подражават. „Визията изглежда проста - просто отворете очите си, но да научите компютрите да правят същото е много трудно“, казва Дейвид Кокс, невролог от Харвардския университет, който ръководи един от екипите на IARPA.
Андреас Толиас (вляво)
Всеки екип започва с една и съща основна идея за това как работи зрението: стара теория, известна като анализ чрез синтез. Според тази идея мозъкът прави прогнози какво ще се случи в близко бъдеще и след това проверява тези прогнози спрямо това, което вижда. Силата на този подход е в неговата ефективност - той изисква по-малко изчисления, отколкото непрекъснато пресъздаване на всеки момент във времето.
Мозъкът може да извърши анализ чрез синтез по куп различни начини, така че учените проучват друга възможност. Групата на Кокс вижда в мозъка един вид двигател на физиката, който използва съществуващи физически модели, за да симулира света така, както трябва да изглежда. Екипът на Тай Синг Лий, заедно с Джордж Чърч, предполага, че мозъкът има вградена библиотека от части - парчета и парчета предмети и хора - и учи на правилата как да се съберат тези части. Листата, например, обикновено се появяват на клони. Групата на Толиас работи върху по-ориентиран към данните подход, при който мозъкът създава статистически очаквания за света, в който живее. Неговата група ще тества различни хипотези за това как различните части на веригата се учат да общуват.
И трите групи ще наблюдават нервната активност на десетки хиляди неврони в целевия мозъчен куб. Тогава се използват различни методи за създаване на схема за свързване на тези клетки. Екипът на Кокс, например, ще нарязва мозъчната тъкан на слоеве, по-тънки от човешката коса и ще анализира всяка филия, използвайки електронна микроскопия. След това учените залепват всяко напречно сечение заедно на компютър, за да създадат плътно опакована 3D карта за това как милиони нервни проводници си проправят път през кората.
С помощта на картата и диаграмата на дейностите всеки екип ще се опита да разбере основните правила, управляващи схемата. След това те програмират тези правила в симулацията и измерват доколко симулацията съответства на реалния мозък.
Андреас Толиас и колегите му картографират връзките на двойки неврони и записват тяхната електрическа активност. Сложната анатомия на пет неврона (горе вляво) може да бъде обобщена в проста схема (горе вдясно). Ако пуснете електрически ток през неврон 2, той се активира, пускайки електрически заряд в две клетки надолу по хода, неврони 1 и 5 (по-долу)
Толиас и неговите колеги вече са опитали този подход. В документ, публикуван в Science през ноември, те картографират връзките на 11 000 двойки неврони, разкривайки пет нови типа неврони. „Все още нямаме пълен списък на частите, които съставят кората, вида на отделните клетки, техните връзки“, казва Кох. „Оттам започна Толиас.“
Сред хилядите невронни връзки групата на Толиас откри три общи правила, които управляват връзката на клетките: някои общуват предимно с неврони от собствен тип; други избягват собствения си тип, занимавайки се предимно с други видове; третата група общува само с няколко други неврона. (Групата на Толиас определя клетките си въз основа на неврална анатомия, а не функция, за разлика от групата на Вей Ли.) Използвайки само три от тези правила за комуникация, учените успяха да възпроизведат схемата сравнително точно. „Сега предизвикателството е да разбера какво означават алгоритмично тези правила за комуникация“, казва Толиас. „Какъв вид изчисления правят?“
Невронни мрежи, базирани на истински неврони
Изкуственият интелект, базиран на мозъка, не е нова идея. Така наречените невронни мрежи, имитиращи основната структура на мозъка, бяха изключително популярни през 80-те години. Но по онова време на учените в областта липсваха изчислителната мощ и данни как да се направят алгоритмите ефективни. И всички тези милиони снимки с котки в интернет не бяха. И въпреки че невронните мрежи преминаха през основен ренесанс - в днешно време вече е трудно да си представим живота без програми за разпознаване на глас и лице, а компютърът AlphaGo наскоро победи най-добрия играч в света - правилата, които използват невронните мрежи за промяна на връзките си, почти сигурно са различни от тези какво използва мозъкът.
Съвременните невронни мрежи "се основават на това, което знаехме за мозъка през 60-те години на миналия век", казва Тери Сейновски, изчислителен невролог от Института Salk в Сан Диего, който разработи първите алгоритми на невронната мрежа с Джефри Хинтън, учен от Университета в Торонто. "Нашите знания за това как е организиран мозъкът се спукват по шевовете."
Например, съвременните невронни мрежи се състоят от архитектура на директен поток, където информацията тече от вход към изход през поредица от слоеве. Всеки слой е обучен да разпознава определени характеристики, като очи или мустаци. Тогава анализът продължава и всеки слой извършва все по-сложни изчисления. В крайна сметка програмата разпознава котка в серия от цветни пиксели.
Но тази перспективна структура няма важен компонент от биологичната система: обратна връзка, както в отделни слоеве, така и от слоеве от по-висок ред с по-ниска. В истински мозък невроните в един слой от кората са свързани със своите съседи, както и с невроните в слоеве над и отдолу, образувайки сложна мрежа от бримки. „Обратната връзка е изключително важна част от кортикалните мрежи“, казва Сейновски. „Има толкова много сигнали в обратната връзка, колкото има и връзки за подаване.“
Невролозите все още не разбират напълно какво правят контурите за обратна връзка, въпреки че те знаят, че те са от съществено значение за способността ни да се фокусираме. Те ни помагат да слушаме гласа по телефона, без да се разсейваме от звуците на града, например. Част от популярността на теорията за анализ чрез синтез се крие във факта, че тя осигурява основата на всички тези повтарящи се съединения. Те помагат на мозъка да сравнява своите прогнози с реалността.
Изследователите на микрони се стремят да дешифрират правилата, управляващи контурите за обратна връзка - например кои клетки свързват веригите, кои активират тяхната активност и как тази дейност влияе на изхода на данни от веригата - и след това превеждат тези правила в алгоритъм. „На машината сега липсва въображение и интроспекция. Вярвам, че цикълът за обратна връзка ще ни позволи да си представим и самоанализираме на много различни нива “, казва Тай Синг Лий.
Може би цикълът за обратна връзка един ден ще даде машини с функции, които считаме за уникални за хората. „Ако бихте могли да внедрите цикъл за обратна връзка в дълбока мрежа, можете да преминете от мрежа, която е способна само на коляното - осигурявайки вход и изход - към по-отразяваща мрежа, която започва да осмисля своите входове и тества хипотези.“казва Сейновски.
Ключът към мистерията на съзнанието
Както всички програми на IARPA, проектът Microns е с висок риск. Технологиите, от които учените се нуждаят за мащабно картографиране на невронната активност и заплитания, съществуват, но досега никой не ги е прилагал в такъв мащаб. Учените трябва да се справят с огромни количества данни - 1-2 петабайта данни на кубичен милиметър от мозъка. Вероятно ще трябва да разработите нови инструменти за машинно обучение, за да анализирате всички тези данни, което е доста иронично.
Също така не е ясно дали поуките от малката хапка на мозъка могат да намекват за по-големи мозъчни таланти. „Мозъкът не е просто парче кора“, казва Сейновски. "Мозъкът е стотици системи, специализирани за различни функции."
Самата мозъчна кора е съставена от повтарящи се връзки, които изглеждат приблизително еднакви. Но други части на мозъка могат да функционират по много различни начини. „Ако искате AI да надхвърля простото разпознаване на шаблони, ще ви трябват много различни части“, казва Сейновски.
Ако проектът успее, обаче, той ще направи повече от анализ на данните от разузнаването. Успешният алгоритъм ще разкрие важни истини за това как мозъкът дава смисъл на този свят. По-специално, това ще помогне да се потвърди дали мозъкът наистина работи чрез анализ чрез синтез - че сравнява своите прогнози за света с входящи данни от нашите сетива. Това ще покаже, че ключова съставка в рецептата за съзнание е постоянно променяща се смес от въображение и възприятие. Изграждайки машина, която може да мисли, учените се надяват да разкрият самите тайни на мисълта.
