Aduceți un copil în vârstă de trei ani la grădina zoologică și el va determina intuitiv că frunzele de mestecat cu gât lung de animale este aceeași girafă din cartea de imagini pentru copii. Această simplă fază este de fapt destul de complexă. Desenul din carte este o siluetă înghețată de linii simple, iar creatura vie este o capodoperă a culorii, texturii, mișcării și luminii. Arată diferit atunci când este privit din unghiuri diferite și poate schimba forma, poziția, perspectiva.
În general, oamenii se descurcă bine în aceste tipuri de sarcini. Putem înțelege cu ușurință cele mai importante caracteristici ale unui obiect din exemple simple și putem aplica aceste cunoștințe pe ceva necunoscut. Pe de altă parte, calculatoarele, de obicei, trebuie să compileze o întreagă bază de date de girafe, afișate în diferite poziții, din perspective diferite, pentru a învăța cum să recunoaștem cu exactitate un animal.
Identitatea vizuală este una dintre numeroasele domenii în care oamenii bat cu ușurință calculatoarele. De asemenea, suntem mai bine să căutăm informații relevante în fluxul de date; rezolvăm probleme nestructurate; Învățăm jucăuși, ca un copil care învață despre gravitație jucându-se cu blocuri.
„Oamenii sunt mult, mult mai versatili”, spune Tai Sing Lee, un om de știință și neuroștiințific la Carnegie Mellon University din Pittsburgh. „Suntem încă mai flexibili în gândire, capabili să vedem, să ne imaginăm și să creăm evenimente viitoare.”
Dar SUA finanțează un nou program ambițios, care încearcă să pună inteligența artificială la egalitate cu propriile noastre abilități mentale. Trei echipe de neuroștiințieni și informaticieni încearcă să descopere modul în care creierul îndeplinește aceste faze de identificare vizuală și apoi construiesc mașini care fac la fel.
„Învățarea automată modernă eșuează acolo unde oamenii prosperă”, spune Jacob Vogelstein, care conduce programul în cadrul activității de proiecte de cercetare avansată de informații (IARPA). "Vrem să revoluționăm învățarea mașinilor prin algoritmi de inginerie inversă și calculul creierului."
Este foarte puțin timp. Fiecare grup modelează în prezent un plasture de scoarță în detalii fără precedent. Împreună dezvoltă algoritmi pe baza a ceea ce au învățat. Până în vara viitoare, fiecare dintre acești algoritmi va fi dat un exemplu de lucru necunoscut de detectat în mii de imagini din baza de date necunoscută. „Cronologia este foarte strânsă”, a declarat Christoph Koch, președinte și coleg senior la Institutul Allen pentru Științele Creierului din Seattle, care lucrează cu una dintre echipe.
Koch și colegii săi creează o diagramă de cablare completă pentru un cub mic al creierului - un milion de microni cubi, aproximativ o cincime din volumul unei semințe de mac. Și aceasta este o ordine de mărime mai mare decât cea mai completă și mai mare hartă a țesăturii creierului până în prezent, care a fost publicată în iunie anul trecut și care a avut nevoie de aproximativ șase ani pentru a crea.
Video promotional:
Până la sfârșitul unui proiect IARPA de cinci ani, denumit „inteligență de mașină de rețea corticală (Microni), oamenii de știință intenționează să mapeze un milimetru cubic al scoarței. Această bucată minusculă conține aproape 100.000 de neuroni, între 3 și 15 milioane de conexiuni neuronale sau sinapse și suficiente încurcături neuronale pentru a acoperi un oraș important, dacă este netratată și întinsă.
Nimeni nu a încercat încă să reconstruiască o parte a creierului la o asemenea scară. Dar eforturile la scară mai mică au arătat că astfel de hărți pot arunca lumină asupra funcționării interioare a scoarței cerebrale. Într-o lucrare publicată în revista Nature, în martie, Wei-Chung Allen Lee - un neurolog în cadrul Universității Harvard, care lucrează cu echipa lui Koch - și colegii săi au cartografiat conexiunile a 50 de neuroni și peste 1.000 dintre partenerii lor. Combinând această hartă cu informații despre funcționarea fiecărui neuron din creier - unii răspund la un semnal vizual, de exemplu - oamenii de știință au dedus o simplă regulă a conexiunii anatomice a neuronilor din această parte a cortexului. Și au descoperit că neuronii cu funcții similare sunt mai predispuși să se conecteze și să formeze conexiuni mari între ei, și mai puțin probabil cu alte tipuri de neuroni.
Și deși obiectivul proiectului Microns este foarte tehnologic - IARPA finanțează cercetări care ar putea duce la instrumente de analiză a datelor pentru agențiile de informații, iar altele, desigur - în paralel cu acest lucru, oamenii de știință vor primi date despre activitatea creierului. Andreas Tolias, neurolog la Baylor College of Medicine, care este unul dintre membrii de frunte ai echipei lui Koch, amintește cunoștințele noastre curente despre cortex la fotografiile încețoșate. El speră că scala fără precedent a proiectului Microns va ajuta la accentuarea acestei perspective și la descoperirea unor reguli mai complexe care guvernează circuitele noastre neuronale. Fără a cunoaște toate părțile componente, „s-ar putea să ne lipsească frumusețea acestei structuri”.
Procesor creier
Faldurile complicate care acoperă suprafața creierului și formează cortexul cerebral (cortexul) sunt literalmente înfipt în craniile noastre. În multe feluri, este microprocesorul creierului. Intercalarea de trei milimetri grosime constă dintr-o serie de module repetate sau microcircuite, precum o serie de porți logice într-un cip de computer. Fiecare modul este format din aproximativ 100.000 de neuroni aranjați într-o rețea complexă de celule interconectate. Există dovezi că structura de bază a acestor module este aproximativ aceeași în tot cortexul. Cu toate acestea, modulele din diferite regiuni ale creierului sunt specializate în scopuri specifice, cum ar fi vederea, mișcarea și auzul.
Oamenii de știință au doar o idee brută despre cum arată aceste module și modul în care funcționează. Sunt limitate în mare măsură la studierea creierului la cea mai mică scară: zeci sau sute de neuroni. Noile tehnologii concepute pentru a urmări forma, activitatea și conectivitatea a mii de neuroni permit acum oamenilor de știință să înceapă să analizeze modul în care celulele dintr-un modul interacționează între ele; modul în care activitatea dintr-o parte a sistemului poate genera activitate într-o altă parte. „Pentru prima dată în istorie, am putut să sondăm aceste module în loc să ghicim doar conținutul”, spune Vogelstein. „Diferite echipe au idei diferite despre ce este înăuntru”.
Cercetătorii se vor concentra pe partea cortexului responsabil de vederea. Acest sistem de sentimente a fost studiat în mod activ de neurofiziologi, iar specialiștii în modelarea computerului încearcă de mult să imite. „Viziunea pare simplă - deschideți pur și simplu ochii - dar învățarea calculatoarelor să facă același lucru este foarte dificilă”, spune David Cox, un neurolog în cadrul Universității Harvard, care conduce una dintre echipele IARPA.
Andreas Tolias (stânga)
Fiecare echipă începe cu aceeași idee de bază a modului în care funcționează viziunea: o veche teorie cunoscută sub numele de analiză prin sinteză. Conform acestei idei, creierul face predicții despre ce se va întâmpla în viitorul apropiat și apoi verifică aceste predicții în raport cu ceea ce vede. Punctul forte al acestei abordări este în eficiența sa - necesită mai puține calcule decât recrearea continuă a fiecărui moment în timp.
Creierul poate efectua analize prin sinteză într-o mulțime de moduri diferite, astfel încât oamenii de știință explorează o altă posibilitate. Grupul lui Cox vede în creier un fel de motor de fizică care folosește modele fizice existente pentru a simula lumea așa cum ar trebui să arate. Echipa Tai Sing Lee, împreună cu George Church, presupune că creierul are o bibliotecă încorporată de piese - piese și bucăți de obiecte și oameni - și învață reguli despre cum să alcătui acele părți. Frunzele, de exemplu, apar de obicei pe ramuri. Grupul lui Tolias lucrează la o abordare mai bazată pe date, în care creierul creează așteptări statistice pentru lumea în care trăiește. Grupul său va testa diferite ipoteze despre modul în care diferite părți ale circuitului învață să comunice.
Toate cele trei grupuri vor monitoriza activitatea neuronală a zeci de mii de neuroni în cubul creierului țintă. Apoi, sunt utilizate diferite metode pentru a crea o diagramă de cablare pentru aceste celule. Echipa lui Cox, de exemplu, va tăia țesutul creierului în straturi mai subțiri decât un păr uman și va analiza fiecare felie folosind microscopie electronică. Oamenii de știință vor lipici apoi fiecare secțiune transversală pe un computer pentru a crea o hartă 3D dens ambalată a modului în care milioane de fire nervoase își croiesc drum prin cortex.
Cu harta și graficul de activități în mână, fiecare echipă va încerca să înțeleagă regulile de bază care guvernează circuitul. Apoi programează aceste reguli în simulare și măsoară cât de bine se potrivește simularea cu creierul real.
Andreas Tolias si colegii sai au cartografiat conexiunile perechilor de neuroni si au inregistrat activitatea lor electrica. Anatomia complexă a cinci neuroni (stânga sus) poate fi rezumată într-o simplă diagramă schematică (dreapta sus). Dacă circulați un curent electric prin neuronul 2, acesta este activat, lansând o sarcină electrică în două celule în cursul cursului, neuronii 1 și 5 (mai jos)
Tolias și colegii săi au gustat deja această abordare. Într-o lucrare publicată în Science în noiembrie, acestea au cartografiat conexiunile a 11.000 de perechi de neuroni, dezvăluind cinci tipuri noi de neuroni. „Încă nu avem o listă completă a părților care alcătuiesc cortexul, tipul de celule individuale, conexiunile lor”, spune Koch. De aici a început Tolias.
Printre mii de conexiuni neuronale, grupul Tolias a descoperit trei reguli generale care guvernează conexiunea celulelor: unele comunică în primul rând cu neuroni de tipul lor; alții evită propriul tip, ocupând în primul rând alte tipuri; al treilea grup comunică doar cu câțiva alți neuroni. (Grupul lui Tolias și-a definit celulele pe baza anatomiei neurale, nu funcțional, spre deosebire de grupul lui Wei Li.) Folosind doar trei dintre aceste reguli de comunicare, oamenii de știință au putut să reproducă circuitul destul de precis. „Provocarea este acum să descoperiți ce înseamnă aceste reguli de comunicare algoritmic”, spune Tolias. "Ce tip de calcul fac?"
Rețele neuronale bazate pe neuroni reali
Inteligența artificială bazată pe creier nu este o idee nouă. Așa-numitele rețele neuronale care imită structura de bază a creierului au fost extrem de populare în anii '80. Dar, la acea vreme, oamenii de știință din domeniu nu aveau puterea de calcul și date despre modul în care eficientizarea algoritmilor. Și toate aceste milioane de poze cu pisici pe Internet nu au fost. Și deși rețelele neuronale au cunoscut o renaștere majoră - în zilele noastre este deja dificil să vă imaginați viața fără programe de recunoaștere a vocii și feței, iar computerul AlphaGo a bătut recent cel mai bun jucător go din lume - regulile care utilizează rețelele neuronale pentru a-și schimba conexiunile sunt aproape sigur diferite de cele ce folosește creierul.
Rețelele neuronale moderne „se bazează pe ceea ce știam despre creier în anii ’60”, spune Terry Seinowski, un neuroștiințific de calcul la Institutul Salk din San Diego, care a dezvoltat primii algoritmi de rețea neuronală cu Jeffrey Hinton, un om de știință de la Universitatea din Toronto. „Cunoștințele noastre despre cum este organizat creierul izbucnesc la cusături.”
De exemplu, rețelele neuronale moderne constau într-o arhitectură cu flux direct, unde informațiile curg de la intrare la ieșire printr-o serie de straturi. Fiecare strat este dresat să recunoască anumite trăsături, cum ar fi ochii sau biciuitorii. Apoi, analiza continuă și fiecare strat efectuează calcule din ce în ce mai complexe. În cele din urmă, programul recunoaște o pisică într-o serie de pixeli colorați.
Dar această structură orientată spre viitor îi lipsește o componentă importantă a sistemului biologic: feedback-ul, atât în interiorul straturilor individuale, cât și din straturile de ordin superior cu unul inferior. Într-un creier adevărat, neuronii dintr-un strat al cortexului sunt conectați la vecinii lor, precum și la neuronii din straturile de deasupra și de dedesubt, formând o rețea complexă de bucle. „Feedback-ul este o parte extrem de importantă a rețelelor corticale”, spune Seinovski. "Există tot atâtea semnale în feedback, precum există conexiuni avansate."
Neurologii nu înțeleg pe deplin ce fac buclele de feedback, deși știu că sunt esențiale pentru capacitatea noastră de concentrare. Ne ajută să ascultăm vocea la telefon fără să fim distrași de sunetele orașului, de exemplu. O parte a popularității teoriei analizei prin sinteză constă în faptul că oferă fundamentul tuturor acestor compuși repetitivi. Ei ajută creierul să-și compare predicțiile cu realitatea.
Cercetătorii microni încearcă să descifreze regulile care reglementează buclele de feedback - de exemplu, ce celule conectează buclele, care dintre ele își activează activitatea și modul în care această activitate afectează ieșirea de date din circuit - și apoi traduc aceste reguli într-un algoritm. „Mașina îi lipsește acum imaginație și introspecție. Cred că bucla de feedback ne va permite să ne imaginăm și să ne autoanalizăm la multe niveluri diferite”, spune Tai Sing Lee.
Poate că o buclă de feedback va înzestra într-o zi mașini cu caracteristici pe care le considerăm unice pentru oameni. „Dacă ați putea implementa o buclă de feedback într-o rețea profundă, vă puteți deplasa dintr-o rețea care este capabilă doar de un genunchi - furnizarea de intrare și ieșire - la o rețea mai reflectorizantă care începe să conștientizeze intrările și ipotezele de testare”. spune Sejnowski.
Cheia misterului conștiinței
Ca toate programele IARPA, proiectul Microns prezintă un risc ridicat. Tehnologiile de care au nevoie oamenii de știință pentru cartografierea pe scară largă a activității neuronale și a legăturilor neuronale există, dar nimeni nu le-a aplicat la o asemenea scară până acum. Oamenii de știință trebuie să se ocupe de cantități uriașe de date - 1-2 petabite de date pe milimetru cub de creier. Probabil va trebui să dezvolți noi instrumente de învățare automată pentru a analiza toate aceste date, care sunt destul de ironice.
De asemenea, nu este clar dacă lecțiile învățate de la mușcăturile mici ale creierului pot sugera talente mai mari ale creierului. „Creierul nu este doar o bucată de scoarță”, spune Sejnowski. "Creierul este sute de sisteme specializate pentru diferite funcții."
Cortexul cerebral în sine este alcătuit din legături repetate care arată aproximativ la fel. Dar alte părți ale creierului pot funcționa în moduri foarte diferite. „Dacă doriți AI care depășește simpla recunoaștere a modelului, veți avea nevoie de o mulțime de părți diferite”, spune Seinowski.
Dacă proiectul reușește, totuși, va face mai mult decât să analizeze datele de informații. Un algoritm de succes va dezvălui adevăruri importante despre modul în care creierul dă sens acestei lumi. În special, acesta va ajuta să confirme dacă creierul funcționează cu adevărat prin analiză prin sinteză - că își compară predicțiile despre lume cu datele primite din simțurile noastre. Acest lucru va arăta că un ingredient cheie în rețeta conștiinței este un amestec mereu de imaginație și percepție. Construind o mașină care poate gândi, oamenii de știință speră să descopere în sine secretele gândirii.
