Přiveďte do zoo tříleté dítě a intuitivně určí, že žvýkací listy zvířete s dlouhým hrdlem jsou stejná žirafa z obrázkové knihy jeho dětí. Tento jednoduchý čin je ve skutečnosti docela složitý. Kresba v knize je zamrzlou siluetou jednoduchých čar a živá bytost je mistrovským dílem barvy, textury, pohybu a světla. Při pohledu z různých úhlů pohledu vypadá jinak a může změnit tvar, polohu, perspektivu.
Obecně se lidem daří v těchto druzích úkolů. Snadno pochopíme nejdůležitější vlastnosti objektu z jednoduchých příkladů a aplikujeme tyto znalosti na něco neznámého. Počítače, na druhé straně, obvykle potřebují sestavit celou databázi žiraf, ukázaných na různých pozicích, z různých perspektiv, aby se naučili, jak přesně rozpoznat zvíře.
Vizuální identita je jednou z mnoha oblastí, v nichž lidé snadno porazili počítače. Rovněž lépe hledáme relevantní informace v datovém proudu; řešíme nestrukturované problémy; Učíme se hravě, jako dítě, které se dozví o gravitaci hraním s bloky.
"Lidé jsou mnohem, mnohem všestrannější," říká Tai Sing Lee, vědec a neurovědec na Carnegie Mellon University v Pittsburghu. "Jsme stále flexibilnější v myšlení, jsme schopni předvídat, představovat si a vytvářet budoucí události."
USA však financují ambiciózní nový program, který se snaží dát umělou inteligenci srovnatelnou s našimi vlastními mentálními schopnostmi. Tři týmy neurovědců a počítačových vědců se snaží zjistit, jak mozek provádí tyto funkce vizuální identifikace, a pak stavět stroje, které dělají totéž.
„Moderní strojové učení selhává tam, kde se lidem daří,“říká Jacob Vogelstein, který je vedoucím programu Intelligence Advanced Research Projects Activity (IARPA). "Chceme revolucionizovat strojové učení pomocí algoritmů reverzního inženýrství a výpočtů mozku."
Je velmi málo času. Každá skupina v současné době modeluje zápletku kůry v bezprecedentních detailech. Společně vyvíjejí algoritmy na základě toho, co se naučili. Do příštího léta bude každý z těchto algoritmů uveden jako příklad neznámé věci, kterou lze v neznámé databázi detekovat v tisících obrazů. "Časová osa je velmi napjatá," řekl Christoph Koch, prezident a starší kolega Allen Institute for Brain Science v Seattlu, který pracuje s jedním z týmů.
Koch a jeho kolegové vytvářejí kompletní schéma zapojení malé kostky mozku - milion kubických mikronů, asi pět setin objemu máku. A to je řád o více než nejúplnější a největší mapa tkaní mozku, která byla dosud publikována v červnu minulého roku a která vytvořila asi šest let.
Propagační video:
Na konci pětiletého projektu IARPA nazvaného „inteligence kortikálních síťových strojů (Microns)“plánují vědci zmapovat kubický milimetr kůry. Tento drobný kus obsahuje téměř 100 000 neuronů, 3 až 15 milionů neuronových spojení nebo synapsí a dostatek neuronových spletenin, aby zakryl hlavní město, pokud je rozpleteno a nataženo.
Zatím se nikdo nepokusil rekonstruovat část mozku v takovém měřítku. Úsilí v malém měřítku však ukázalo, že takové mapy mohou vrhnout světlo na vnitřní fungování mozkové kůry. V příspěvku zveřejněném v časopise Nature v březnu Wei-Chung Allen Lee - neurovědec na Harvardské univerzitě, který pracuje s Kochovým týmem - a jeho kolegové mapovali spojení 50 neuronů a více než 1 000 jejich partnerů. Kombinací této mapy s informacemi o fungování každého neuronu v mozku - například někteří reagují na vizuální signál - vědci vyvodili jednoduché pravidlo anatomického spojení neuronů v této části kůry. Zjistili, že neurony s podobnými funkcemi se více pravděpodobně spojí a vytvoří si velká spojení mezi sebou a méně pravděpodobně s jinými typy neuronů.
A ačkoliv je projekt Microns docela technologický - IARPA financuje výzkum, který by mohl vést k nástrojům pro analýzu dat pro zpravodajské agentury a další, samozřejmě - současně s tím vědci získají údaje o práci mozku. Andreas Tolias, neurolog z Baylor College of Medicine, který je jedním z předních členů týmu Koch's, přirovnává naše současné znalosti o kůře k rozmazané fotografii. Doufá, že bezprecedentní rozsah projektu Microns pomůže vyostřit tuto perspektivu a objevit složitější pravidla, kterými se řídí naše nervové obvody. Aniž bychom znali všechny součásti, „můžeme chybět krásu této struktury.“
Mozkový procesor
Složité záhyby, které pokrývají povrch mozku a tvoří mozkovou kůru (kůru), jsou doslova zaklíněny do našich lebek. V mnoha ohledech je to mozkový mikroprocesor. Mezivrstva o tloušťce tří milimetrů sestává z řady opakujících se modulů nebo mikroobvodů, jako je řada logických bran v počítačovém čipu. Každý modul se skládá z přibližně 100 000 neuronů uspořádaných do komplexní sítě vzájemně propojených buněk. Existuje důkaz, že základní struktura těchto modulů je v celé kůře přibližně stejná. Moduly v různých oblastech mozku se však specializují pro specifické účely, jako je vidění, pohyb a sluch.
Vědci mají jen hrubou představu o tom, jak tyto moduly vypadají a jak fungují. Většinou se omezují na studium mozku v nejmenším měřítku: desítky nebo stovky neuronů. Nové technologie určené ke sledování tvaru, aktivity a konektivity tisíců neuronů teprve nyní umožňují vědcům začít analyzovat vzájemné působení buněk v modulu; jak může aktivita v jedné části systému generovat aktivitu v jiné části. "Poprvé v historii jsme byli schopni tyto moduly dotazovat namísto jen hádání obsahu," říká Vogelstein. "Různé týmy mají různé odhady toho, co je uvnitř."
Výzkumní pracovníci se zaměří na část kůry zodpovědnou za vizi. Tento systém pocitů aktivně studovali neurofyziologové a specialisté na počítačové modelování se již dlouho snaží napodobovat. "Vize se zdá jednoduchá - stačí otevřít oči - ale učit počítače dělat to samé je velmi obtížné," říká David Cox, neurovědec na Harvardské univerzitě, který vede jeden z týmů IARPA.
Andreas Tolias (vlevo)
Každý tým začíná stejnou základní myšlenkou, jak funguje vize: stará teorie známá jako analýza syntézou. Podle této myšlenky mozek předpovídá, co se stane v blízké budoucnosti, a poté tyto předpovědi zkontroluje proti tomu, co vidí. Silnou stránkou tohoto přístupu je jeho efektivita - vyžaduje méně výpočtu než nepřetržité opakování každého okamžiku v čase.
Mozek může provádět syntézu syntézou mnoha různými způsoby, takže vědci zkoumají další možnost. Coxova skupina vidí v mozku jakýsi fyzikální motor, který používá existující fyzikální modely k simulaci světa, jak by měl vypadat. Tým Tai Sing Lee spolu s Georgem Churchem předpokládá, že mozek má vestavěnou knihovnu součástí - kusů a kusů předmětů a lidí - a učí pravidla, jak tyto části dát dohromady. Listy se například obvykle objevují na větvích. Toliasova skupina pracuje na přístupu založeném na více údajích, ve kterém mozek vytváří statistická očekávání pro svět, ve kterém žije. Jeho skupina bude testovat různé hypotézy o tom, jak se různé části okruhu naučí komunikovat.
Všechny tři skupiny budou sledovat nervovou aktivitu desítek tisíc neuronů v cílové mozkové kostce. Pak se používají různé metody k vytvoření schématu zapojení pro tyto buňky. Tým společnosti Cox například rozřeže mozkovou tkáň na vrstvy tenčí než lidské vlasy a analyzuje každý kousek pomocí elektronové mikroskopie. Vědci pak přilepí každý průřez společně na počítač a vytvoří hustě zabalenou 3D mapu toho, jak se milióny nervových drátů dostávají skrz kůru.
S mapou a grafem aktivit v ruce se každý tým pokusí pochopit základní pravidla upravující okruh. Poté tato pravidla naprogramují do simulace a změří, jak dobře simulace odpovídá skutečnému mozku.
Andreas Tolias a jeho kolegové mapovali spojení dvojic neuronů a zaznamenávali jejich elektrickou aktivitu. Komplexní anatomie pěti neuronů (vlevo nahoře) lze shrnout do jednoduchého schématu (vpravo nahoře). Pokud vedete elektrický proud přes neuron 2, aktivuje se a spustí elektrický náboj ve dvou buňkách v průběhu, neurony 1 a 5 (níže)
Tolias a jeho kolegové tento přístup již ochutnali. V článku publikovaném ve Vědě v listopadu mapovali spojení 11 000 párů neuronů a odhalili pět nových typů neuronů. "Stále nemáme úplný seznam částí, které tvoří kůru, typ jednotlivých buněk, jejich spojení," říká Koch. "Tam začal Tolias."
Mezi tisíci nervových spojení skupina Tolias objevila tři obecná pravidla, která řídí spojení buněk: někteří komunikují primárně s neurony svého vlastního typu; jiní se vyhýbají svému vlastnímu typu, jedná se především o jiné typy; třetí skupina komunikuje pouze s několika dalšími neurony. (Toliasova skupina definovala své buňky na základě neurální anatomie, ne na rozdíl od Wei Liovy skupiny.) Použitím pouze tří těchto komunikačních pravidel dokázali vědci obvod přesně reprodukovat. "Výzvou je nyní zjistit, co tato komunikační pravidla znamenají algoritmicky," říká Tolias. "Jaký typ výpočtu dělají?"
Neuronové sítě založené na skutečných neuronech
Umělá inteligence založená na mozku není nový nápad. Takzvané neuronové sítě, které napodobují základní strukturu mozku, byly v 80. letech velmi populární. V té době však vědcům v oboru chyběla výpočetní síla a data o tom, jak zefektivnit algoritmy. A všechny tyto miliony obrázků s kočkami na internetu nebyly. A ačkoli neuronové sítě prošly významnou renesancí - dnes je už těžké si představit život bez programů rozpoznávání hlasu a obličeje a počítač AlphaGo nedávno porazil nejlepšího hráče na světě - pravidla, která používají neuronové sítě ke změně spojení, se téměř jistě liší od pravidel co mozek používá.
Moderní neuronové sítě „jsou založeny na tom, co jsme věděli o mozku v šedesátých letech,“říká Terry Seinowski, výpočetní neurovědec ze Salk Institute v San Diegu, který vyvinul první algoritmy neuronové sítě s Jeffrey Hintonem, vědcem z University of Toronto. "Naše znalosti o tom, jak je mozek organizován, praskají ve švech."
Například moderní neuronové sítě sestávají z architektury přímých toků, kde informace proudí od vstupu k výstupu přes řadu vrstev. Každá vrstva je vyškolena k rozpoznání určitých funkcí, jako jsou oči nebo vousy. Poté analýza pokračuje a každá vrstva provádí stále složitější výpočty. Program nakonec rozpozná kočku v řadě barevných pixelů.
Tato výhledová struktura však postrádá důležitou součást biologického systému: zpětnou vazbu, a to jak v rámci jednotlivých vrstev, tak z vrstev vyššího řádu s nižším. Ve skutečném mozku jsou neurony v jedné vrstvě kůry spojeny se svými sousedy, stejně jako s neurony ve vrstvách nad a pod, vytvářející komplexní síť smyček. "Zpětná vazba je nesmírně důležitou součástí kortikálních sítí," říká Seinovski. "Zpětná vazba obsahuje tolik signálů, kolik je zpětných spojení."
Neurovědci dosud plně nechápou, co zpětná vazba dělá, i když vědí, že jsou zásadní pro naši schopnost soustředit se. Pomáhají nám poslouchat hlas v telefonu, aniž by nás například rušily zvuky města. Část popularity teorie analýzy syntézou spočívá v tom, že poskytuje základ pro všechny tyto opakující se sloučeniny. Pomáhají mozku porovnat jeho předpovědi se skutečností.
Výzkumníci Micronů se snaží rozluštit pravidla upravující zpětnovazební smyčky - například, které buňky spojují smyčky, které aktivují jejich aktivitu a jak tato aktivita ovlivňuje výstup dat z obvodu - a poté tato pravidla převádí do algoritmu. "Stroj nyní postrádá představivost a introspekci." Věřím, že zpětná vazba nám umožní představit si a analyzovat se na mnoha různých úrovních, “říká Tai Sing Lee.
Možná zpětná vazba jednoho dne vybaví stroje funkcemi, které považujeme za jedinečné pro člověka. "Pokud byste mohli implementovat zpětnovazební smyčku v hluboké síti, mohli byste se přesunout ze sítě, která je schopná pouze kolena - poskytujícího vstup a výstup - k reflexivnější síti, která začíná konceptualizovat své vstupy a testovat hypotézy." říká Sejnowski.
Klíč k tajemství vědomí
Stejně jako všechny programy IARPA i projekt Microns představuje vysoké riziko. Technologie, které vědci potřebují pro rozsáhlé mapování neuronové aktivity a spletenin, existují, ale nikdo je dosud v takovém měřítku nepoužil. Vědci se musí vypořádat s obrovským množstvím dat - 1 - 2 petabajty dat na krychlový milimetr mozku. Pravděpodobně budete muset vyvinout nové nástroje strojového učení pro analýzu všech těchto dat, což je docela ironické.
Rovněž není jasné, zda ponaučení získané z malého kousnutí mozku mohou naznačovat větší mozkové talenty. "Mozek není jen kousek kůry," říká Sejnowski. "Mozek je stovky systémů specializovaných na různé funkce."
Mozková kůra sama o sobě je tvořena opakujícími se odkazy, které vypadají stejně. Ale jiné části mozku mohou fungovat velmi odlišným způsobem. "Pokud chcete AI, která jde nad rámec jednoduchého rozpoznávání vzorů, budete potřebovat spoustu různých částí," říká Seinowski.
Pokud však projekt uspěje, bude to více než analyzovat zpravodajská data. Úspěšný algoritmus odhalí důležité pravdy o tom, jak mozek dává tomuto světu smysl. Zejména to pomůže potvrdit, zda mozek skutečně pracuje analýzou pomocí syntézy - že porovnává své předpovědi o světě s příchozími daty z našich smyslů. To ukáže, že klíčovou ingrediencí v receptu na vědomí je neustále se měnící směsice představivosti a vnímání. Budováním stroje, který dokáže myslet, vědci doufají, že odhalí tajemství samotného myšlení.