Tuo kolme-vuotias lapsi eläintarhaan, ja hän selvittää intuitiivisesti, että pitkäkaulaisten eläinten purulehdet ovat sama kirahvi hänen lastensa kuvakirjasta. Tämä yksinkertainen feat on oikeastaan melko monimutkainen. Kirjan piirustus on jäädytetty siluetti, jossa on yksinkertaisia viivoja, ja elävä olento on mestariteos värillä, tekstuurilla, liikkeellä ja valolla. Se näyttää erilaiselta eri näkökulmista katsottuna ja voi muuttaa muotoa, sijaintia, näkökulmaa.
Yleensä ihmiset pärjäävät hyvin tällaisissa tehtävissä. Voimme helposti ymmärtää esineen tärkeimmät piirteet yksinkertaisista esimerkeistä ja soveltaa tätä tietoa tuntemattomaan. Toisaalta tietokoneiden on yleensä koottava kokonainen kiraafien tietokanta, joka on esitetty eri paikoissa, eri näkökulmista, jotta voidaan oppia tunnistamaan eläin tarkasti.
Visuaalinen identiteetti on yksi monista alueista, joilla ihmiset helposti lyövät tietokoneita. Olemme myös parempia etsimään asiaankuuluvaa tietoa tietovirrasta; ratkaisemme jäsentämättömät ongelmat; Opimme leikkisästi, kuten lapsi, joka oppii painovoimasta leikkimällä lohkoilla.
"Ihmiset ovat paljon, paljon monipuolisempia", sanoo Pittsburghin Carnegie Mellon -yliopiston tutkija ja neurotieteilijä Tai Sing Lee. "Olemme edelleen ajattelevampia, pystymme ennakoimaan, kuvittelemaan ja luomaan tulevaisuuden tapahtumia."
Mutta Yhdysvallat rahoittaa kunnianhimoista uutta ohjelmaa, jolla pyritään saattamaan tekoäly vastaamaan omien henkisten kykyjemme tasoa. Kolme neurotieteilijöiden ja atk-tutkijoiden ryhmää yrittää selvittää, kuinka aivot suorittavat nämä visuaalisen tunnistamisen ominaisuudet, ja rakentaa sitten koneet, jotka tekevät saman.
"Nykyaikainen koneoppiminen epäonnistuu siellä, missä ihmiset menestyvät", sanoo Jacob Vogelstein, joka johtaa ohjelmaa Intelligence Advanced Research Projects Activity (IARPA) -ohjelmassa. "Haluamme mullistaa koneen oppimisen käänteisen suunnittelun algoritmeilla ja aivolaskennalla."
Aikaa on hyvin vähän. Jokainen ryhmä mallii parhaillaan kuoren laastaria ennennäkemättömän yksityiskohtaisesti. Yhdessä he kehittävät algoritmeja oppimansa perusteella. Ensi kesään mennessä jokaiselle näistä algoritmeista annetaan esimerkki tuntemattomasta asiasta, joka voidaan havaita tuhansissa tuntemattoman tietokannan kuvissa. "Aikataulu on erittäin tiukka", sanoi Christoph Koch, Seattlessa sijaitsevan Allen Institute of Brain Science -instituutin presidentti ja vanhempi kollega, joka työskentelee yhdessä ryhmän kanssa.
Koch ja hänen kollegansa luovat täydellisen kytkentäkaavion pienelle aivokuutiolle - miljoona kuutiometriä mikronia, noin viiden sadasosa unikon siemenen tilavuudesta. Ja tämä on suuruusluokkaa enemmän kuin kaikkein täydellisin ja suurin aivojen kudontakartta, joka julkaistiin viime vuoden kesäkuussa ja jonka luominen kesti noin kuusi vuotta.
Mainosvideo:
Viiden vuoden IARPA-projektin, jonka nimi on "cortical network machine intelligence (Microns)", loppuun mennessä, tutkijat suunnittelevat kuorta millimetriä kuvaavaa aivokuorta. Tämä pieni palo sisältää lähes 100 000 neuronia, 3–15 miljoonaa hermoyhteyttä tai synapsia ja tarpeeksi hermosolmuja kattamaan suuren kaupungin, jos se puretaan ja venytetään.
Kukaan ei ole vielä yrittänyt rekonstruoida aivojen osaa tällaisessa mittakaavassa. Mutta enemmän pienimuotoisia ponnisteluja on osoittanut, että tällaiset kartat voivat valaista valoa aivokuoren sisäiseen toimintaan. Luonto-lehdessä maaliskuussa julkaistussa lehdessä Wei-Chung Allen Lee - Harvardin yliopiston neurotieteilijä, joka työskentelee Kochin tiimin kanssa - ja hänen kollegansa kartoittivat 50 neuronin ja yli 1000 heidän kumppaninsa yhteyksiä. Yhdistämällä tämän kartan tietoihin kunkin aivojen neuronin toiminnasta - jotkut vastaavat esimerkiksi visuaaliseen signaaliin - tutkijat ovat päättäneet yksinkertaisen säännön neuronien anatomisesta yhteydestä tässä aivokuoren osassa. Ja he havaitsivat, että neuronit, joilla on samanlaiset toiminnot, ovat todennäköisemmin yhteydessä ja muodostavat suuria yhteyksiä toisiinsa ja vähemmän todennäköisesti muun tyyppisiin neuroneihin.
Ja vaikka Microns-hankkeen tavoite on melko tekninen - IARPA rahoittaa tutkimusta, joka voi johtaa tietotekniikan tutkimuslaitosten ja tietysti muidenkin analysointityökaluihin - samanaikaisesti tutkijat saavat tietoa aivojen työstä. Andreas Tolias, neurologi Baylorin lääketieteellisestä korkeakoulusta, joka on yksi Koch-ryhmän johtavia jäseniä, vertaa nykyistä tietämystämme aivokuoresta epäselvälle valokuvaukselle. Hän toivoo, että Microns-projektin ennennäkemätön laajuus auttaa terävöittämään tätä näkökulmaa ja löytää monimutkaisempia sääntöjä, jotka hallitsevat hermopiirejämme. Tietämättä kaikkia sen osia "meistä saattaa puuttua tämän rakenteen kauneus".
Aivoprosessori
Monimutkaiset taitokset, jotka peittävät aivojen pinnan ja muodostavat aivokuoren (aivokuoren), kiilautuvat kirjaimellisesti kalloihimme. Monella tavalla se on aivojen mikroprosessori. Kolmen millimetrin paksu välikerros koostuu sarjasta toistuvia moduuleja tai mikrosiruja, kuten joukko logiikkaportteja tietokonepiirissä. Jokainen moduuli koostuu noin 100 000 neuronista, jotka on järjestetty monimutkaiseen kytkettyjen solujen verkkoon. On näyttöä siitä, että näiden moduulien perusrakenne on suunnilleen sama koko aivokuoressa. Aivojen eri alueiden moduulit on kuitenkin erikoistunut erityistarkoituksiin, kuten visio, liike ja kuulo.
Tutkijoilla on vain karkea käsitys siitä, kuinka nämä moduulit näyttävät ja miten ne toimivat. Ne rajoittuvat suurelta osin aivojen tutkimiseen pienimmässä mittakaavassa: kymmeniä tai satoja neuroneja. Uudet tekniikat, jotka on suunniteltu seuraamaan tuhansien neuronien muotoa, aktiivisuutta ja yhteyksiä, ovat nyt antaneet tutkijoille mahdollisuuden alkaa analysoida kuinka moduulin solut ovat vuorovaikutuksessa keskenään; kuinka toiminta yhdessä järjestelmän osassa voi tuottaa toimintaa toisessa osassa. "Ensimmäisen kerran historiassa pystyimme kysymään nämä moduulit sen sijaan, että vain arvelimme sisältöä", Vogelstein sanoo. "Eri joukkueilla on erilaisia arvauksia siitä, mikä on sisällä."
Tutkijat keskittyvät siihen aivokuoren osaan, joka vastaa visiosta. Tätä tunnejärjestelmää ovat aktiivisesti tutkineet neurofysiologit, ja tietokonemallinnuksen asiantuntijat ovat jo pitkään yrittäneet jäljitellä. "Näky näyttää yksinkertaiselta - avaa vain silmäsi - mutta opettaa tietokoneita tekemään samoin on erittäin vaikeaa", sanoo David Cox, Harvardin yliopiston neurotieteilijä, joka johtaa yhtä IARPA-ryhmistä.
Andreas Tolias (vas.)
Jokainen joukkue aloittaa samalla perusajatuksella, kuinka visio toimii: vanha teoria, jota kutsutaan synteesianalyysiksi. Tämän idean mukaan aivot tekevät ennusteita siitä, mitä tapahtuu lähitulevaisuudessa, ja tarkistaa sitten nämä ennusteet näkemyksensä perusteella. Tämän lähestymistavan vahvuus on sen tehokkuudessa - se vaatii vähemmän laskentaa kuin jatkuvaa uusimista jokainen ajankohta.
Aivot voivat suorittaa analyysejä synteesin avulla joukolla erilaisia tapoja, joten tutkijat etsivät toista mahdollisuutta. Cox-ryhmä näkee aivoissa eräänlaisen fysiikan moottorin, joka käyttää olemassa olevia fyysisiä malleja simuloimaan maailmaa niin kuin sen pitäisi näyttää. Tai Sing Leen ryhmä olettaa yhdessä George Churchin kanssa, että aivoissa on sisäänrakennettu kirjasto osista - kappaleista ja kappaleista kappaleita ja ihmisiä - ja opettaa sääntöjä näiden osien yhdistämiseksi. Esimerkiksi lehdet ilmestyvät yleensä oksille. Tolias-ryhmä työskentelee tietopohjaisemman lähestymistavan parissa, jossa aivot luovat tilastollisia odotuksia maailmalle, jossa se asuu. Hänen ryhmänsä testaa erilaisia hypoteeseja siitä, kuinka piirin eri osat oppivat kommunikoimaan.
Kaikki kolme ryhmää seuraavat kymmenien tuhansien neuronien hermoaktiivisuutta kohde-aivokuutiossa. Sitten käytetään erilaisia menetelmiä näiden solujen kytkentäkaavion luomiseksi. Esimerkiksi Coxin joukkue leikkaa aivokudoksen ohuempiin kerroksiin kuin ihmisen hiukset ja analysoi jokaisen viipaleen elektronimikroskopialla. Sitten tutkijat liimaa jokaisen poikkileikkauksen yhteen tietokoneella luomalla tiheästi pakattu 3D-kartta siitä, kuinka miljoonat hermolangat kulkevat aivokuoren läpi.
Kartan ja toimintakartan ollessa kädessä, jokainen joukkue yrittää ymmärtää piirin perussäännöt. Sitten he ohjelmoivat nämä säännöt simulaatioon ja mittaavat kuinka hyvin simulointi vastaa todellisia aivoja.
Andreas Tolias ja hänen kollegansa kartoittivat neuroniparien yhteydet ja tallensivat niiden sähköisen aktiivisuuden. Viiden neuronin (ylhäällä vasemmalla) monimutkainen anatomia voidaan tiivistää yksinkertaisella kaaviona (ylhäällä oikealla). Jos suoritat sähkövirran neuronin 2 kautta, se aktivoituu, käynnistäen sähkövarauksen kahdessa solussa radan alapuolella, neuronit 1 ja 5 (alla)
Tolias ja hänen kollegansa ovat jo maistaneet tätä lähestymistapaa. Marraskuussa Science-lehdessä julkaistussa lehdessä he kartoittivat 11 000 neuroniparin yhteydet paljastaen viisi uutta neuroni tyyppiä. "Meillä ei vieläkään ole täydellistä luetteloa aivokuoren muodostavista osista, yksittäisten solujen tyypistä ja niiden yhteyksistä", Koch sanoo. "Sieltä Tolias alkoi."
Tuhansien hermoyhteyksien joukosta Tolias-ryhmä löysi kolme yleistä sääntöä, jotka ohjaavat solujen yhteyttä: jotkut kommunikoivat ensisijaisesti omatyyppisten neuronien kanssa; toiset välttävät omaa tyyppiään tekemisissä ensisijaisesti muiden tyyppien kanssa kolmas ryhmä on yhteydessä vain muutaman muun neuronin kanssa. (Tolias-ryhmä määritteli solunsa hermoanatomian perusteella, ei toimi, toisin kuin Wei Li: n ryhmä.) Vain kolmea näistä viestintäsäännöistä tutkijat pystyivät toistamaan piirin melko tarkasti. "Nyt haasteena on selvittää, mitä nämä viestintäsäännöt tarkoittavat algoritmisesti", Tolias sanoo. "Millaista laskentaa he tekevät?"
Oikeisiin neuroneihin perustuvat hermostoverkot
Aivopohjainen tekoäly ei ole uusi idea. Aivojen perusrakennetta jäljittelevät ns. Hermoverkot olivat erittäin suosittuja 1980-luvulla. Mutta tuolloin alan tutkijoilta puuttui laskentateho ja tiedot algoritmien tehostamisesta. Ja kaikkia näitä miljoonia kuvia kissoista Internetissä ei ollut. Ja vaikka hermoverkot ovat käyneet läpi suuren renessanssin - nykyään on jo vaikea kuvitella elämää ilman ääni- ja kasvojentunnistusohjelmia, ja AlphaGo-tietokone on äskettäin voittanut maailman parhaan pelaajan - säännöt, jotka hermoverkkoja käyttävät yhteyksien muuttamiseen, ovat melkein varmasti erilaisia kuin ne mitä aivot käyttävät.
Nykyaikaiset hermoverkot "perustuvat siihen, mitä tiesimme aivoista 1960-luvulla", sanoo San Diegon Salk-instituutin laskennallinen neurotieteilijä Terry Seinowski, joka kehitti ensimmäiset hermoverkkoalgoritmit Toronto-yliopiston tutkijan Jeffrey Hintonin kanssa. "Tietomme aivojen organisoitumisesta räjähtää saumoissa."
Esimerkiksi modernit hermoverkot koostuvat suorasta virtausarkkitehtuurista, jossa tieto virtaa tuloista lähtöihin kerrossarjan kautta. Jokainen kerros on koulutettu tunnistamaan tiettyjä piirteitä, kuten silmät tai viikset. Sitten analyysi etenee, ja jokainen kerros suorittaa yhä monimutkaisempia laskelmia. Lopulta ohjelma tunnistaa kissan värillisten pikseleiden sarjassa.
Mutta tästä eteenpäin suuntautuvasta rakenteesta puuttuu tärkeä komponentti biologisessa järjestelmässä: palaute, sekä yksittäisissä kerroksissa että korkeamman asteen kerroksista alempana. Oikeissa aivoissa aivokuoren yhden kerroksen neuronit on kytketty naapureihinsa sekä ylä- ja alapuolella oleviin kerroksiin oleviin neuroneihin muodostaen monimutkaisen silmukoiden verkon. "Palaute on erittäin tärkeä osa aivokuoriverkkoja", Seinovski sanoo. "Palautteessa on yhtä monta signaalia kuin eteenpäin -yhteyksiä."
Neurotieteilijät eivät vielä ymmärrä täysin, mitä palautteen piirit tekevät, vaikka he tietävätkin, että ne ovat välttämättömiä keskittymiskyvyllemme. Ne auttavat meitä kuuntelemaan puhelimen ääntä ilman, että esimerkiksi kaupungin äänet häiritsevät meitä. Osa synteesianalyysin teorian suosiosta on se, että se tarjoaa perustan kaikille näille toistuville yhdisteille. Ne auttavat aivoja vertaamaan ennusteitaan todellisuuteen.
Mikronitutkijat pyrkivät tulkitsemaan takaisinkytkentäsilmukoita koskevat säännöt - esimerkiksi mitkä solut yhdistävät silmukat, mitkä aktivoivat heidän aktiivisuutensa ja kuinka kyseinen aktiviteetti vaikuttaa datan ulostuloon piiristä - ja kääntämään nämä säännöt algoritmiksi.”Koneesta puuttuu nyt mielikuvitusta ja itsehallintaa. Uskon, että palautekierros antaa meille mahdollisuuden kuvitella ja itseanalysoida monia eri tasoja”, Tai Sing Lee sanoo.
Ehkä palautussilmukka antaa jonain päivänä koneita ominaisuuksilla, joita pidämme ainutlaatuisina ihmisille. "Jos pystyisit toteuttamaan palautteen silmukan syvässä verkossa, voisit siirtyä verkosta, joka kykenee vain polvisuunnitteluun - tarjoamaan tuloa ja lähtöä - enemmän heijastavaan verkkoon, joka alkaa ymmärtää tulojaan ja testata hypoteeseja." sanoo Sejnowski.
Avain tietoisuuden salaisuuteen
Kuten kaikki IARPA-ohjelmat, myös Microns-projekti on suuri riski. Teknologioita, joita tutkijat tarvitsevat hermoaktiivisuuden ja takertumisten laajamittaiseksi kartoittamiseksi, on olemassa, mutta kukaan ei ole vielä soveltanut niitä tällaisessa mittakaavassa. Tutkijoiden on käsiteltävä valtavia määriä tietoja - 1-2 petatavua dataa kuutiometriä kohti aivoa. Sinun on todennäköisesti kehitettävä uusia koneoppimisvälineitä kaiken tämän tiedon analysoimiseksi, mikä on melko ironista.
On myös epäselvää, voivatko aivojen pienestä puremasta opitut vihjata suurempiin aivojen kykyihin. "Aivot eivät ole vain pala kuorta", Sejnowski sanoo. "Aivot ovat satoja järjestelmiä, jotka on erikoistunut eri toimintoihin."
Itse aivokuori koostuu toistuvista linkistä, jotka näyttävät suunnilleen samalta. Mutta aivojen muut osat voivat toimia hyvin eri tavoin. "Jos haluat sellaisen AI: n, joka ylittää yksinkertaisen kuvion tunnistuksen, tarvitset paljon erilaisia osia", Seinowski sanoo.
Jos projekti onnistuu, se kuitenkin tekee enemmän kuin analysoi tiedostotietoja. Menestyvä algoritmi paljastaa tärkeät totuudet siitä, kuinka aivot antavat merkityksen tälle maailmalle. Erityisesti se auttaa vahvistamaan, toimivatko aivot todella synteesin kautta suoritetulla analyysillä - että se vertaa ennusteitaan maailmaa aisteistamme tulevan tiedon kanssa. Tämä osoittaa, että tietoisuuden reseptin keskeinen aineosa on jatkuvasti muuttuva mielikuvituksen ja käsityksen sekoitus. Rakentamalla ajattelevaan koneeseen tutkijat toivovat paljastavansa itse ajatuksen salaisuudet.
