Живой мозг обучит искусственный

Агентство передовых исследований в сфере разведки США (IARPA) запускает новый проект, связанный с работой искусственного интеллекта. В агентстве хотят реконструировать 1 кубический миллиметр мозга, изучить, как мозг производит вычисления, и использовать полученные наблюдения для улучшения алгоритмов машинного обучения и искусственного интеллекта.

Искусственному интеллекту пересадят живой мозг

Работа ведется в рамках программы BRAIN Initiative, которая занимается различными исследованиями, связанными с работой мозга, и поддерживается лично президентом США Бараком Обамой. Новый проект получил название MICrONS (Machine Intelligence from Cortical Networks). Инвестиции составят $100 млн, пишет Scientific American.

"Это значительные инвестиции, но мы считаем этот проект одной из наших важнейших задач, и он будет иметь большое значение для разведывательного сообщества, а также мира в более широком смысле", говорит куратор программы MICrONS Якоб Вогельштейн.

Сейчас огромное количество технологий основано на алгоритмах, которые называются искусственными нейронными сетями. Это модели, построенные по принципу функционирования биологических нейронных сетей, то есть их устройство вдохновлено тем, как устроен человеческий мозг. Но, как показывает практика, то, что считалось прорывной технологией много лет назад, сейчас уже зачастую не справляется с поставленное задачей.

Благодаря значительному увеличению вычислительной мощности и наличию огромного количества данных в Интернете, Facebook может идентифицировать лица, Siri может распознавать голоса, автомобили могут самостоятельно ориентироваться в пространстве, компьютеры могут выигрывать у людей в го и шахматы. Но все эти алгоритмы, позволяющие делать такие невероятные когда-то вещи, остаются примитивным, они основаны на очень упрощенном процессе анализа информации. Эти нейронные сети, как правило, плохо работают в перегруженных средах например, когда компьютер пытается найти конкретный объект в числе множества ему подобных. Увидев один или два примера собаки, компьютер не научится идентифицировать всех собак.

Люди же решают такие задачи без особых усилий. Мы можем разглядеть друга в толпе, сосредоточить внимание на знакомом голосе в шумной обстановке, то есть выводить закономерности из звуков или изображений, основываясь только на одном или нескольких примерах. Мы умеем делать обобщения, не получая какие-то дополнительные инструкции каждый раз. Задача программы MICrONS найти в человеческом мозге связи, которые отвечают за это умение, и научить искусственный интеллект решать подобные задачи так же легко. Речь идет не только об архитектуре мозга, исследователи хотя пойти дальше и изучить "вычислительный уровень" работы мозга.

"Если мы заглянем на один уровень глубже и получим информацию о работе мозга на уровне вычислений, а не только с архитектурной точки зрения, мы сможем улучшить алгоритмы и приблизить эффективность их работы к производительности мозга", говорит Вогельштейн.

Пока изучать будут мозг грызунов. Исследователи должны будут изобразить полную схему нейронных связей в 1 кубическом миллиметре мозга. Этот объем составляет менее одной миллионной доли человеческого мозга, и он может показаться крошечным, но на самом деле это довольно сложная задача. Пока ученые смогли измерить активность только нескольких нейронов в единицу времени. Исследовательским группам MICrONS предстоит изучить активность 100 000 нейронов и связи между ними. Изучаться будет работа мозга грызунов во время восприятия зрительной информации и обучения задачам. Работа потребует обработки изображений с нанометровым разрешением, а также манипулирование проводами длиной всего несколько миллиметров.

“Эта работа – это как создание карты дорог США с точностью до миллиметра", проводит параллели Вогельштейн.

В IARPA наняли три команды, каждая должна была разработать свой способ решения проблемы, рассчитанный не более чем на пять лет. Группа под руководством биолога и программиста из Гарварда Дэвида Кокса будет использовать технику, называемую двухфотонной микроскопией. Исследователи будут измерять активность мозга у крыс во время обучения распознаванию объектов на экране компьютера. Грызунам введут модифицированный флуоресцентный белок, чувствительный к кальцию. Когда по нейронам будет проходить нервный импульс, ионы кальция устремятся в соответствующую клетку мозга, в результате чего белок окрасится, и с помощью лазерного сканирующего микроскопа можно будет отследить нервные импульсы.

"Это как подслушивание телефонных разговоров, только мы будем делать это с мозгом. Мы будем наблюдать за важными аспектами работы мозга, пока животное живет и решает определенные задачи", объясняет Кокс.

Один кубический миллиметр мозга крысы будет отправлен в Гарвард, в лабораторию к нейробиологу Джефри Личтмэну, где этот образец будет разрезан на множество тончайших кусочков. С помощью микроскопа с достаточным разрешением эти маленькие кусочки будут подробно изучаться, и ученые попробуют промоделировать устройство интересующих их клеток головного мозга и связи между ними.

Вторую группу возглавил Андреас Толиас, нейробиолог из Медицинского колледжа Бейлора (Техас). В его планах использовать схожий метод, но это уже будет трехфотонная микроскопия, и это позволит второй группе заглянуть на более глубокие слои мозга.

Третьей группой руководит программист Тай Синг Ли из университета Карнеги — Меллон. В сотрудничестве с Джорджом Черчом, генетиком из Медицинской школы Гарвадра, группа планирует использовать "ДНК-штрихкодирование". Исследователи предлагают маркировать каждый нейрон с уникальной последовательностью нуклеотидов и химические связи через синапсы, чтобы с помощью полученных кодов реконструировать схемы. Хотя этот метод не предполагает такого глубокого погружения, как предыдущие два, Ли надеется, что ему в итоге удастся решить задачу быстрее коллег. Более того, исследователи рассчитывают, что их метод кодирования в итоге окажется даже более точным. Однако пока подобная технология нигде с успехом не применялась.

"Но если эта технология штрихкодирования сработает, это станет революционным для нейробиологии ", говорит Ли.

Этот анализ только первый этап работы. Когда вся информация будет собрана, группы исследователей должны будут предложить способ, как использовать полученные данные о связях в мозге для улучшения работы алгоритмов в компьютерном обучении.

Многие ученые полагают, что мозг работает в соответствии с принципами Байеса: все нейроны представляют сенсорную информацию в виде вероятностных распределений, расчета наиболее вероятной интерпретации события на основе предыдущего опыта. Эта гипотеза основывается главным образом на идее наличия петли обратной связи в мозговой деятельности. То есть исследователи предполагают, что информация не только течет вперед, но и возвращается обратно по каналам внутри мозга. Иными словами наше восприятие определенных событий или данных не линейно, а движется по петлям, постоянно разрастаясь по мере получения новых знаний. Скорее всего, существует конструктивный процесс, "анализ путем синтеза," в ходе которого мозг поддерживает и создает внутреннее представление мира, ожидание и предсказание, что позволяет ему объяснить входящие данные и использовать их.

Сетчатка, которая реагирует на свет, генерируя электрические импульсы, передающиеся на зрительный нерв, а затем в мозг, имеет двумерную структуру. Таким образом, когда человек видит какой-то объект, возможно, мозг использует такую вероятностную модель, чтобы перевести наш трехмерный мир в изображение, соответствующее двумерной поверхности сетчатки. Если это так, то мозг нашел гораздо лучший способ аппроксимации и вывода переменных, чем весь существующий набор математических моделей. Мозг отлично ориентируется в множестве из 100 объектов, находя нужный на различных расстояниях, под разными углами, в различных условиях освещения. А вот компьютер не всегда справляется с такими задачами до сих пор.

Таким образом, исследовательские группы MICrONS должны будут приблизить возможности искусственного интеллекта к способностям живого мозга.

“Для любого алгоритма, например, вероятностного алгоритма, есть миллионы вариантов реализации, и вы должны воплотить это в коде. Из этих миллионов вариантов, некоторые комбинации параметров и функций ведут к хорошим алгоритмам, а некоторые комбинации к неэффективным или плохим алгоритмам. Посредством извлечения этих установок и параметров из головного мозга, мы надеемся сузить пространство выбора до небольшого набора реализаций, соответствующих работе мозга", поясняет Якоб Вогельштейн.

Если это исследование удастся, результаты MICrONS помогут сделать работу машин более точной, особенно это пригодится в части анализа и предсказания будущих событий.

"Мы сможем иметь только одну конкретную картинку, или один конкретный пример кибер-атаки, которую хотим предотвратить, или данные только об одном финансовом кризе, опасных природных катаклизмах и так далее. Компьютеры смогут обобщать данные лучше, им уже не нужно будет тысячи примеров, чтобы делать выводы и давать прогнозы", говорит Вогельштейн.

Комментарии