Hozz egy hároméves gyermeket az állatkertbe, és intuitív módon meg fogja határozni, hogy a hosszú nyakú állati rágólevelek ugyanazok a zsiráfok, mint a gyermekek képeskönyve. Ez az egyszerű feat valójában meglehetősen bonyolult. A könyv rajza az egyszerű vonalak fagyasztott sziluettje, az élő lény szín, textúra, mozgás és fény remekműve. Különböző szögekből nézve eltérő, és megváltoztathatja az alakját, helyzetét, perspektíváját.
Általában véve az emberek jól teljesítenek ilyen típusú feladatokat. Az objektumok legfontosabb tulajdonságait egyszerű példákból könnyen megértjük, és ezeket az ismereteket valami ismeretlenre alkalmazhatjuk. Másrészről a számítógépeknek általában egy teljes adatbázist kell összeállítaniuk a zsiráfokról, különböző pozíciókban, különböző perspektívákból láthatóak, hogy megtanulják, hogyan kell pontosan felismerni egy állatot.
A vizuális identitás egyike azon sok területnek, amelyben az emberek könnyen legyőzik a számítógépeket. Mi jobban keresünk releváns információkat az adatfolyamban; nem strukturált problémákat oldunk meg; Játékosan tanulunk, mint egy gyermek, aki blokkokkal játszik meg a gravitációt.
„Az emberek sokkal sokkal sokoldalúbbak” - mondja Tai Sing Lee, a Pittsburghi Carnegie Mellon Egyetem tudósa és idegtudós. "Még mindig rugalmasak vagyunk a gondolkodásmódban, képesek vagyunk előre látni, elképzelni és létrehozni a jövőbeli eseményeket."
De az Egyesült Államok egy ambiciózus új programot finanszíroz, amelynek célja a mesterséges intelligencia összehasonlítása a saját mentális képességeinkkel. Három neurológusok és számítógépes tudósok csoportja próbálta kitalálni, hogy az agy miként látja el ezeket a látás-azonosítási képességeket, majd felépít olyan gépeket, amelyek ugyanezt teszik.
"A modern gépi tanulás kudarcot vall, ahol az ember virágzik" - mondja Jacob Vogelstein, aki az Intelligence Advanced Research Projects Activity (IARPA) programjának vezetõje. "Forradalmasítani akarjuk a gépi tanulást fordított mérnöki algoritmusok és agyszámítás segítségével."
Nagyon kevés az idő. Jelenleg minden csoport példátlan részletességgel modellez egy kéregcsíkot. Együtt dolgoznak algoritmusokat a megtanultak alapján. Jövő nyárra ezeknek az algoritmusoknak példája lesz egy ismeretlen dologról, amelyet az ismeretlen adatbázis több ezer képében lehet észlelni. "Az idővonal nagyon szűk" - mondta Christoph Koch, a seattle-i Allen Institute of Brain Science elnöke és vezető munkatársa, aki az egyik csapattal együttműködik.
Koch és munkatársai elkészítik a teljes kapcsolási rajzot az agy kis kocka számára - millió köbméter mikron, a mákmag térfogatának körülbelül ötszázszázaléka. És ez nagyságrenddel nagyobb, mint az agyszövés eddigi legteljesebb és legnagyobb térképe, amelyet tavaly júniusban tettek közzé, és amelynek létrehozása körülbelül hat évbe telt.
Promóciós videó:
Egy ötéves, "kortikális hálózati gépi intelligencia (Microns)" elnevezésű IARPA projekt végére a tudósok a kéreg egy köbmilliméterének feltérképezését tervezik. Ez az apró darab közel 100 000 idegsejt, 3-15 millió idegi kapcsolatot vagy szinapszist és elegendő idegi összefonódást tartalmaz egy nagy város lefedéséhez, ha kinyitják és kinyújtják.
Még senki nem próbálta az agy egy részét ilyen méretű rekonstruálni. A kisebb léptékű erőfeszítések azonban azt mutatták, hogy az ilyen térképek megvilágíthatják az agykéreg belső működését. Wei-Chung Allen Lee - a Harvard Egyetem idegtudós kutatója, aki a Koch-csapattal együtt dolgozik - a Nature folyóiratban márciusban megjelent cikkben kollégáival 50 neuront és több mint 1000 partnerét kapcsolta össze. Ha ezt a térképet egyesíti az agyban lévő egyes neuronok működésével kapcsolatos információkkal - néhányuk például egy vizuális jelre reagál -, a tudósok egy egyszerű szabályt vezettek be a neuronok anatómiai kapcsolatáról a kéreg ezen részén. Megállapították, hogy a hasonló funkcióval rendelkező neuronok nagyobb valószínűséggel kapcsolódnak egymáshoz és nagy kapcsolatot létesítenek egymással, és kevésbé valószínűek más típusú neuronokkal.
És bár a Microns projekt célja nagyon technológiai jellegű - az IARPA olyan kutatást finanszíroz, amely adatanalízis eszközöket eredményezhet az intelligencia ügynökségei számára, és természetesen mások számára is - ezzel párhuzamosan a tudósok adatokat kapnak az agy munkájáról. Andreas Tolias, a Baylor Orvostudományi Főiskola neurológusa, aki a Koch-csapat egyik vezető tagja, összehasonlítja a kéreg jelenlegi ismereteit homályos fényképezéssel. Reméli, hogy a Microns projekt példátlan skálája segíteni fogja e perspektíva élesítését, és felfedezi az idegi áramköröket szabályozó összetettebb szabályokat. Az összes alkotóelem ismerete nélkül "hiányozhatunk ennek a szerkezetnek a szépségéből".
Agyi processzor
Az agy felületét lefedő és az agykéreg (bortex) alkotó bonyolult redők szó szerint be vannak ütve a koponyáinkba. Sok szempontból az agy mikroprocesszora. A három milliméter vastag közbenső réteg ismétlődő modulok sorozatából vagy mikroáramkörökből áll, mint egy logikai kapu tömbje egy számítógépes chipben. Minden modul körülbelül 100 000 neuront tartalmaz, amelyek összekapcsolt sejtek komplex hálózatában vannak elrendezve. Bizonyított, hogy ezeknek a moduloknak az alapfelépítése nagyjából azonos a kéregben. Az agy különböző régióiban működő modulok azonban speciális célokra specializálódtak, mint például látás, mozgás és hallás.
A tudósoknak csak durva elképzelésük van arról, hogy ezek a modulok hogyan néznek ki és hogyan működnek. Ezek nagyrészt az agy legkisebb mértékű tanulmányozására korlátozódnak: tíz vagy száz idegsejt. Az ezer ideg alakjának, aktivitásának és összekapcsolhatóságának nyomon követésére kifejlesztett új technológiák csak most lehetővé teszik a tudósoknak, hogy elemezzék, hogy a modulban lévő sejtek hogyan hatnak egymásra; hogy a rendszer egyik részében a tevékenység hogyan generálhat tevékenységet egy másik részben. "A történelem során először képesek voltunk lekérdezni ezeket a modulokat, ahelyett, hogy csak a tartalomra gondolnánk" - mondja Vogelstein. "A különböző csapatok eltérően gondolják, mi van benne."
A kutatók a kéreg látásért felelős részére összpontosítanak. Ezt az érzelmi rendszert a neurofiziológusok aktívan tanulmányozták, és a számítógépes modellezés szakemberei már régóta próbálják emulálni. „A látás egyszerűnek tűnik - csak nyissa ki a szemét, de a számítógépek megtanítása ugyanezt nagyon nehéz” - mondja David Cox, a Harvardi Egyetem idegtudós szakember, aki az IARPA egyik csoportját vezeti.
Andreas Tolias (balra)
Minden csapat ugyanazzal az alapvető elképzeléssel kezdődik, hogy hogyan működik a látás: egy régi elmélet, amelyet szintézis elemzésnek hívnak. Ennek az ötletnek megfelelően az agy előrejelzéseket készít arról, hogy mi fog történni a közeljövőben, majd ellenőrzi ezeket a jóslatokat az általunk látotthoz képest. Ennek a megközelítésnek az erőssége a hatékonyságában - kevesebb számítást igényel, mint az egyes időpontok folyamatos újratelepítése.
Az agy szintézis útján végezhet elemzést sokféle módon, tehát a tudósok egy másik lehetőséget vizsgálnak meg. Cox-csoport az agyban egyfajta fizikai motort lát, amely a meglévő fizikai modelleket használja a világ szimulálására, ahogy néznie kell. A Tai Sing Lee csapata és a George Church mellett feltételezi, hogy az agynak beépített részei - darabjai, darabjai és darabjai vannak, és emberek -, és megtanítja a szabályokat, hogyan kell ezeket az alkatrészeket összerakni. Például a levelek általában az ágon jelennek meg. Tolias csoportja egy adatközpontúbb megközelítésen dolgozik, amelyben az agy statisztikai elvárásokat hoz létre azon világ számára, amelyben él. Csoportja különféle hipotéziseket tesztel, amelyek szerint az áramkör különböző részei megtanulják kommunikálni.
Mindhárom csoport figyelemmel kíséri a cél agykocka több tízezer neuronjának idegi aktivitását. Ezután különféle módszereket alkalmazunk ezen cellák bekötési diagramjának elkészítésére. Például a Cox csapata az agyszövetet vékonyabb rétegekre vágja, mint az emberi haj, és az egyes szeleteket elektronmikroszkópos elemzéssel elemzi. A tudósok ezután az egyes keresztmetszeteket összeragasztják egy számítógépen, hogy sűrűen összeállított 3D-s térképet készítsenek arról, hogy az idegvezetékek millióinak hogyan járnak át a kéregben.
A térkép és a tevékenységi diagram készítésével minden csapat megpróbálja megérteni az áramkör irányadó alapszabályait. Ezután programozzák ezeket a szabályokat a szimulációba, és megmérik, hogy a szimuláció mennyiben felel meg a valódi agynak.
Andreas Tolias és munkatársai leképezték a neuronpárok kapcsolatát és rögzítették elektromos aktivitásukat. Öt neuron (bal felső rész) komplex anatómiáját egy egyszerű vázlatos diagramban össze lehet foglalni (jobb felső). Ha elektromos áramot futtat a 2. neuronon keresztül, akkor az aktiválódik, és két sejtben indít elektromos töltést az 1. és 5. neuronon (lent)
Tolias és kollégái már megkóstolták ezt a megközelítést. Egy, a Science által novemberben közzétett cikkben 11 000 neuronpáros kapcsolatot kapcsoltak össze, és öt új neurontípust fedtek fel. "Még mindig nincs teljes listája azokról az alkatrészekről, amelyek a kéregből állnak, az egyes sejtek típusáról és azok kapcsolatáról" - mondja Koch. - Itt kezdte Tolias.
A több ezer idegi kapcsolat között a Tolias csoport három általános szabályt fedezett fel, amelyek szabályozzák a sejtek kapcsolatát: egyesek elsősorban a saját típusú neuronokkal kommunikálnak; mások elkerülik a saját típusukat, elsősorban más típusokkal foglalkoznak; a harmadik csoport csak néhány egyéb neuronnal kommunikál. (Tolias csoport a sejteket idegi anatómia alapján határozta meg, nem működik, ellentétben Wei Li csoportjával.) A kommunikációs szabályok közül csupán három alkalmazásával a tudósok meglehetősen pontosan tudták reprodukálni az áramkört. "Most a kihívás az, hogy kitaláljuk, mit jelent ezek a kommunikációs szabályok algoritmikusan" - mondja Tolias. "Milyen típusú számításokat végeznek?"
Valós idegsejteken alapuló neurális hálózatok
Az agyalapú mesterséges intelligencia nem új ötlet. Az agy alapszerkezetét utánozó, úgynevezett neurális hálózatok rendkívül népszerűek voltak az 1980-as években. Abban az időben azonban a terület tudósai nem rendelkeztek a számítási képességgel és az algoritmusok hatékonyságát szolgáló adatokkal. És az interneten a macskákkal ellátott képek millióinak nem az volt. És bár az ideghálózatok jelentős reneszánszon mentek keresztül, manapság már nehéz elképzelni az életet hang- és arcfelismerő programok nélkül, és az AlphaGo számítógép a közelmúltban legyőzte a világ legjobb go-lejátszóját - azok a szabályok, amelyek ideghálózatokat használnak kapcsolataik megváltoztatására, szinte biztosan különböznek azoktól, amelyek mit használ az agy.
A modern ideghálózatok "azon alapulnak, amit az agyról az 1960-as években tudtunk" - mondja Terry Seinowski, a san diegoi Salk Intézet számítástechnikai idegtudós kutatója, aki Jeffrey Hintonnal, a torontói egyetem tudósával dolgozott ki az első neurális hálózat algoritmusokat. "Az agy felépítésének ismerete a varratokon átszakad."
Például a modern neurális hálózatok közvetlen áramlási architektúrából állnak, ahol az információ a bemenetről a kimenetre rétegek sorozatán keresztül folyik. Mindegyik réteget arra képezik, hogy felismerjék bizonyos tulajdonságait, mint például a szem vagy a pofaszakáll. Ezután az elemzés továbblép, és minden réteg egyre összetettebb számításokat hajt végre. Végül a program felismeri a macskát színes képpontok sorozatában.
Ennek az előretekintő struktúrának azonban nincs a biológiai rendszer egyik fontos eleme: a visszacsatolás mind az egyes rétegeken belül, mind a magasabb rendű és az alacsonyabb rétegekből származó visszajelzések alapján. Egy valódi agyban a kéreg egyik rétegében lévő neuronok kapcsolódnak a szomszédaikhoz, valamint a felső és alsó rétegben lévő neuronokhoz, összetett hurkok hálózatát képezve. "A visszajelzés a kortikális hálózatok rendkívül fontos része" - mondja Seinovski. "Annyi jel van a visszacsatolásban, mint az előre-visszakapcsolások."
A neurológiai tudósok még nem tudják teljesen megérteni, hogy a visszacsatolási ciklusok mit csinálnak, bár tudják, hogy ezek elengedhetetlenek a koncentrációs képességünkhöz. Segítnek meghallgatni a telefon hangját anélkül, hogy elvonnák például a város hangokat. A szintézis elemzés elméletének népszerűsége részben abban rejlik, hogy megalapozza ezeket az ismétlődő vegyületeket. Segítik az agyat, hogy összehasonlítsák előrejelzéseit a valósággal.
A mikron kutatók megpróbálják megfejteni a visszacsatolási hurkokat szabályozó szabályokat - például hogy mely cellák összekötik a hurkokat, melyek aktiválják tevékenységüket, és hogy ez a tevékenység hogyan befolyásolja az áramkör adatainak kibocsátását -, majd ezeket a szabályokat algoritmussá alakítják. „A gépen most nincs képzelet és önellenőrzés. Úgy gondolom, hogy a visszacsatolási kör lehetővé teszi számunkra, hogy különféle szinteken elképzeljük és elemezzük az elemzést”- mondja Tai Sing Lee.
Lehet, hogy egy visszacsatolási hurok egy napon olyan gépeket fog biztosítani olyan gépekkel, amelyeket az emberekre egyedinek tekintünk. "Ha megvalósíthat egy visszacsatoló hurkot egy mély hálózatban, akkor átmenhet egy olyan hálózatról, amely csak térdig ér - képes bemeneteket és kimeneteket biztosítani - egy reflektálóbb hálózathoz, amely elkezdi fogalmazni a bemeneteit és tesztelni a hipotéziseket." - mondja Sejnowski.
A tudatosság rejtélyének kulcsa
Mint minden IARPA program, a Microns projekt magas kockázatot jelent. Léteznek azok a technológiák, amelyekre a tudósoknak szükségesek az idegi aktivitás és az összefonódások nagyszabású feltérképezéséhez, de eddig senki nem alkalmazott ilyen léptékben. A tudósoknak hatalmas mennyiségű adatgal kell foglalkozniuk - 1-2 petabájtnyi adat az agy köbméterében. Ezen adatok elemzéséhez valószínűleg új gépi tanulási eszközöket kell kifejlesztenie, ami elég ironikus.
Az sem világos, hogy az agy kicsi harapásából levont tanulságok utalhatnak-e a nagyobb tehetségekre. "Az agy nem csak egy darab kérge" - mondja Sejnowski. "Az agy több száz olyan rendszer, amely különféle funkciókra specializálódott."
Maga az agykéreg ismétlődő kapcsolatokból áll, amelyek hasonlóan néznek ki. Az agy más részei azonban nagyon különböző módon működhetnek. "Ha azt szeretnénk, hogy az AI meghaladja az egyszerű mintafelismerést, akkor sok különféle alkatrészre lesz szüksége" - mondja Seinowski.
Ha a projekt sikerrel jár, akkor nem csupán intelligencia-adatokat elemez. A sikeres algoritmus fontos igazságokat derít fel arról, hogy az agy miként értelmezi ezt a világot. Különösen segít megerősíteni, hogy az agy valóban működik-e szintézis útján végzett elemzéssel - hogy összehasonlítja a világra vonatkozó előrejelzéseit az érzékeink beérkező adataival. Ez megmutatja, hogy a tudatosság receptének kulcseleme a képzelet és az észlelés állandóan változó keveréke. A gondolkodni képes gép felépítésével a tudósok remélik, hogy feltárják a gondolatok titkait.