Новостивысоких технологий

Oни пoмoгaют мoзгу срaвнивaть свoи прoгнoзы с рeaльнoстью. Три кoмaнды, сoстoящиe из нeйрoбиoлoгoв и спeциaлистoв пo кoмпьютeрным нaукaм, пытaются выяснить, кaк мoзг сoвeршaeт эти пoдвиги визуaльнoй идeнтификaции, a зaтeм пoстрoить мaшины, кoтoрыe дeлaют тo жe сaмoe. A вoт кoмпьютeрaм, кaк прaвилo, нужнo сoстaвить цeлую бaзу дaнныx из жирaфoв, пoкaзaнныx в рaзныx пoзax, с рaзнoй пeрспeктивoй, чтoбы нaучиться тoчнo рaспoзнaвaть живoтнoe. Привeдитe трexлeтнee чaдo в зooпaрк, и oнo интуитивнo oпрeдeлит, чтo длиннoшeee жующee листья живoтнoe — тoт сaмый жирaф из eгo дeтскoй книжки с кaртинкaми. «Врeмeнныe рaмки oчeнь сжaтыe», считaeт Кристoф Кox, президент и старший научный сотрудник Института наук о мозге Аллена в Сиэтле, работающий с одной из команд. И это на порядок больше, чем самая полная и большая карта переплетений мозга на сегодняшний день, которая была опубликована в июне прошлого года и на создание которой ушло около шести лет. Андреас Толиас, невролог из Медицинского колледжа Бэйлора, который является одним из ведущих сотрудников команды Коха, уподобляет наше современное знание коры размытой фотографии. Тем не менее модули в разных регионах мозга специализированы под конкретные цели, такие как зрение, движение и слух. Сила этого подхода в его эффективности — он требует меньше вычислений, чем непрерывное воссоздание каждого момента времени. Листья, например, обычно появляются на ветвях. Построив машину, которая способна мыслить, ученые надеются раскрыть секреты самой мысли. Группа Толиаса работает над более зависимым от данных подходом, в котором мозг создает статистические ожидания мира, в котором живет. Если пропустить электрический ток через нейрон 2, он активируется, запуская электрический заряд в двум клеткам ниже по курсу, нейронам 1 и 5 (внизу)
Толиас и его коллеги уже попробовали на вкус такой подход. Кох и его коллеги создают полную схему подключений небольшого кубика мозга — в миллион кубических микрон, это примерно одна пятисотая от объема макового зернышка. Но в то время ученым этой области не хватало вычислительной мощи и данных о том, как сделать алгоритмы эффективными. С картой и схемой активности в руках, каждая команда попытается понять базовые правила, управляющие схемой. Визуальная идентификация — одна из многих сфер, в которых люди с легкостью побеждают компьютеры. Ученые имеют лишь примерное представление о том, как эти модули выглядят и как функционируют. Его группа будет проверять разные гипотезы о том, как разные части схемы учатся сообщаться. Объединяя эту карту с информацией о работе каждого нейрона в мозге — некоторые реагируют на зрительный сигнал, например — ученые вывели простое правило анатомического соединения нейронов в этой части коры между собой. Успешный алгоритм позволит выявить важные истины о том, как мозг наделяет этот мир смыслом. Мы можем запросто понять важнейшие особенности объекта из простых примеров и применить это знание к чему-то незнакомому. Современные нейронные сети «основаны на том, что мы знали о мозге в 1960-х», говорит Терри Сейновски, вычислительный нейробиолог из Института Солка в Сан-Диего, разработавший первые алгоритмы нейронных сетей с Джеффри Хинтоном, ученым из Университета Торонто. Имеются данные, которые говорят о том, что базовая структура этих модулей примерно одинакова по всей коре. Но более мелкомасштабные усилия показали, что такие карты могут пролить свет на внутреннюю работу коры головного мозга. — Какой тип вычислений они проводят?». Андреас Толиас (слева)
Каждая команда начинает с одной и той же основной идеи о том, как работает зрение: старой теории, известной как анализ через синтез. В этой крошечной порции содержится близко 100 000 нейронов, от 3 до 15 миллионов нейронных соединений, или синапсов, и достаточно нейронных переплетений, чтобы охватить крупный город, если их распутать и вытянуть. Нейронные сети на базе настоящих нейронов
Искусственный интеллект на основе мозга — идея далеко не новая. «Если вы могли бы реализовать схему обратной связи в глубокой сети, вы могли бы от сети, которая способна только на «коленный рефлекс» — обеспечивать ввод и вывод, — перейти к более рефлексивной сети, которая начнет осмысливать свои вводы и проверять гипотезы», говорит Сейновски. — Мы все еще гибче в мышлении, умеем предвидеть, представлять и создавать будущие события». Он надеется, что беспрецедентный масштаб проекта Microns поможет повысить четкость этой точки зрения и обнаружить более сложные правила, которые управляют нашими нейронными цепями. — Мозг — это сотни систем, специализированных для различных функций». Вообще люди преуспевают в выполнении такого рода задач. К примеру, современные нейронные сети состоят из прямоточной архитектуры, когда информация идет от ввода к выводу через серию слоев. Часть популярности теории анализа через синтез лежит и в том, что она дает основание для всех этих повторяющихся соединений. — Вот с этого и начал Толиас». Затем используют различные методы, чтобы создать схему подключения этих клеток. Затем запрограммируют эти правила в симуляции и измерять, насколько хорошо моделирование соответствует реальному мозгу. Группа Кокса видит в мозге некий физический движок, использующий существующие физические модели для имитации мира таким, каким он должен выглядеть. Рисунок в книжке — замерший силуэт простых линий, а живое существо — шедевр из цвета, текстуры, движений и света. (Группа Толиаса определяла свои клетки на основе нейронной анатомии, а не функции, в отличие от группы Вей Ли). «Теперь задача заключается в том, чтобы выяснить, что эти правила связи означают алгоритмически, — говорит Толиас. Согласно этой идее, мозг делает предсказания о том, что произойдет в ближайшем будущем, а затем сверяет эти предсказания с тем, что видит. И хотя цель проекта Microns весьма технологична — IARPA финансирует исследования, которые могут привести к инструментам анализа данных для органов разведки, ну и другим, конечно, — параллельно с этим ученые получат данные о работе мозга. Прослойка в три миллиметра толщиной состоит из серии повторяющихся модулей, или микросхем, подобно массиву логических вентилей в компьютерном чипе. «Впервые в истории мы получили возможность опрашивать эти модули вместо того, чтобы просто гадать на содержании, — говорит Фогельштейн. «Люди намного, намного более универсальны, — говорит Тай Синг Ли, ученый и нейробиолог из Университета Карнеги-Меллона в Питтсбурге. Вместе они разрабатывают алгоритмы на основе изученного. Андреас Толиас и его коллеги составили карту соединений пар нейронов и записали их электрическую активность. «Если вам нужен ИИ, который выходит за рамки простого распознавания образов, вам понадобится много разных частей», говорит Сейновски. Исследователи Microns стремятся расшифровать правила, управляющие петлями обратной связи, — например, какие клетки соединяют петли, какие активизируют их активность и как эта активность влияет на вывод данных из схемы — и после перевести эти правила в алгоритм. Они помогают нам слушать голос по телефону, не отвлекаясь на звуки города, например. Комплексная анатомия пяти нейронов (слева вверху) может быть сведено к простой схематической диаграмме (справа вверху). Мозговой процессор
Замысловатые складки, покрывающие поверхность мозга и образующие кору головного мозга (кортекс), буквально втиснуты в наши черепа. «Наше знание о том, как организован мозг, трещит по швам». Каждый слой обучен распознавать определенные функции, вроде глаз или усов. Также неясно, смогут ли уроки, извлеченные из небольшого куса мозга, намекнуть на более крупные таланты мозга. И обнаружили, что нейроны с подобными функциями более вероятно будут соединяться и образовывать крупные связи между собой, и менее вероятно — с другими типами нейронов. Если проект удастся, впрочем, он будет делать больше, чем анализировать разведывательные данные. Затем ученые склеят каждое поперечное сечение на компьютере, чтобы создать плотно упакованную трехмерную карту того, как миллионы нервных проводков прокладывают свой путь через кору. — Мы хотим осуществить революцию в машинном обучении с помощью обратной инженерии алгоритмов и вычислений мозга». К следующему лету каждому из этих алгоритмов будет приведен пример незнакомой вещи, чтобы тот обнаружил ее проявления в тысячах изображений в незнакомой базе данных. «Современное машинное обучение терпит поражение там, где преуспевают люди, — говорит Джейкоб Фогельштейн, возглавляющий эту программу в Intelligence Advanced Research Projects Activity (IARPA). В статье, опубликованной в журнале Nature в марте, Вей-Чунг Аллен Ли — нейробиолог из Гарвардского университета, работающий с командой Коха — и его коллеги составили карту подключений 50 нейронов и более 1000 их партнеров. В работе, опубликованной в Science в ноябре, они картировали связи 11 000 нейронных пар, обнажив пять новых типов нейронов. Среди тысяч нейронных связей группа Толиаса открыла три общих правила, которые определяют соединение клеток: некоторые общаются преимущественно с нейронами своего собственного типа; другие избегают свой собственный тип, общаясь преимущественно с другими типами; третья группа общается лишь с несколькими другими нейронами. Технологии, которые необходимы ученым для крупномасштабного картирования нейронной активности и переплетений, существуют, но никто не применял их в таких масштабах доныне. Так называемые нейронные сети, имитирующие базовую структуру мозга, были чрезвычайно популярны в 1980-х годах. Да и всех этих миллионов картинок с кошками в Интернете не было. Новые технологии, предназначенные для отслеживания формы, активности и связанности тысяч нейронов, только сейчас позволили ученым начать анализ того, как клетки в пределах модуля взаимодействуют друг с другом; как активность в одной части системы может порождать активность в другой части. Но другие части мозга могут действовать совершенно по-разному. К концу пятилетнего проекта IARPA, который называется «машинный интеллект из кортикальных сетей (Microns)», ученые планируют картировать кубический миллиметр коры. «Обратная связь — чрезвычайно важная часть кортикальных сетей, — говорит Сейновски. Мы также лучше ищем релевантную информацию в потоке данных; решаем неструктурированные проблемы; играючи учимся, подобно ребенку, который узнает о гравитации, играя с кубиками. В частности, поможет подтвердить, действительно ли мозг работает путем анализа через синтез — что он сравнивает свои прогнозы о мире с поступающими данными с наших органов чувств. Во многом это микропроцессор мозга. В реальном мозге нейроны в одном слое коры связаны со своими соседями, а также с нейронами в слоях выше и ниже, образуя сложную сеть петель.

Комментирование и размещение ссылок запрещено.

Обсуждение закрыто.