Blue Brain Project — один из самых амбициозных проектов современности

0   55   0

Общие и комплексные проблемы естественных и точных наук
16 янв. 18:00


587cf6c55f1be756a280c173

Blue Brain Project запущен 11 лет назад и за это время он уже успел завоевать статус одного из самых амбициозных проектов современности.

Немножечко предыстории

Мысль о создании искусственного аналога человеческого разума возникла задолго до появления в первой половине XX в. первых электронно-вычислительных машин (ЭВМ). Возникшее на волне успехов в физике течение механистического материализма (XVI–XVIII вв.) основывалось на предположении, что весь мир можно рассматривать как механизм. Интеллект человека не стал исключением в данном случае. Рене Декарт, в частности, в своей работе «Рассуждение о методе» (1637) высказал мнение, что животное представляет собой некий сложный механизм. Так и появилась механистическая теория, последователями которой были Галилео Галилей, Роберт Гук, Роберт Бойль, Исаак Ньютон и многие другие не менее известные светила науки.

Blue Brain Project — один из самых амбициозных проектов современности

Но если Декарт оставил за собой право быть автором теоретической основы искусственного интеллекта, то Вильгельм Шикард, Блез Паскаль, Готфрид Лейбниц стали пионерами в создании первых «умных» машин. Эта идея прижилась и стала основой для работы Чарльза Бэббиджа и Ады Лавлейс — ученых, трудившихся над созданием первых программируемых машин.

Структура мозга человека и особенности взаимосвязей между нейронами — эти знания откроют новые возможности не только для искусственного интеллекта, но и раскроют тайну восприятия окружающего мира.

В XIX в. способности ЭВМ воспринимались в качестве возможности для увеличения продуктивности человеческого разума (например, первые компьютеры производили расчеты с большими числами значительно быстрее). Но останавливаться на достигнутых результатах ученые не собирались. Научно-техническая революция поспособствовала развитию «интеллектуальных машин» (определение, автором которого является изобретатель механических устройств для поиска и систематизации, перфорированных карт — русский ученый Семен Николаевич Корсаков), и в первой половине XX в. одна за другой начали появляться работы, которые стали основой для развития современного искусственного интеллекта. Бертран Рассел и А. Н. Уайтхэд произвели настоящую революцию в формальной логике, опубликовав свой труд под названием «Принципы математики» в 1910–1913 гг. А уже в 1943 г. была представлена статья «Логическое исчисление идей, относящихся к нервной активности» (авторы У. Мак-Каллок и У. Питтс), в которой впервые заговорили о нейронных сетях и показали модель искусственного нейрона. Спустя шесть лет, в 1949 г., Д. Хебб описал способы обучения конструкции, состоящей из искусственных аналогов клеток человеческого мозга, в своем труде «Организация поведения». Настоящую революцию в этой отрасли совершил Алан Тьюринг, который в 1950 г. рассказал в своей статье «Вычислительные машины и разум» о том, как с помощью теста можно определить близость интеллекта компьютера к человеческому. Эмпирический тест Тьюринга до сих пор используется для проверки способностей искусственного интеллекта.

Идеи, предложенные пионерами компьютерной инженерии и программирования, с огромным энтузиазмом подхватили их последователи, которые стали ломать голову над тем, как же создать «умную» машину.

Предпосылки к запуску проекта Blue Brain Project

О скорости развития современных технологий дополнительно говорить не приходится: мы на пороге создания сверхбыстрого квантового компьютера, а что за возможности появятся в результате открытия гравитационных волн, нам еще только предстоит узнать. Так почему же создание искусственного разума так затруднительно? Давайте копнем глубже и узнаем больше о подходах к реализации искусственного интеллекта (ИИ).

Первый, символьный, подход, получив в качестве надежной опоры первый язык программирования ИИ LISP, ученые считали реальной возможностью для создания искусственного разума. Однако ограничения данного направления проявились буквально сразу: интеллектуальная задача поручалась аналитику или программисту, умеющему на необходимом уровне абстрагировать условия задания, и только после этого создавался программный код для машины. В результате получалось, что компьютер лишь имитировал интеллект человека.

Ученые пустили в ход логику и определили соответствующий логический подход, который основан на рассуждениях. Машине предлагалось решить задачу разными способами, при этом используя определенные условия. Однако и тут возникла серьезная проблема, которая впоследствии заставила ученых задуматься над вопросом: «А как же наделить машину сознанием?» Например, у робота есть определенная задача, согласно которой он должен уничтожить небольшой движущийся объект. У компьютера есть диапазоны размеров объекта, его скорости, по которым он и определит впоследствии цель. Но что делать, если под такие параметры подходит младенец? Как объяснить машине, что в квадрокоптер стрелять можно, а вот в человеческого ребенка — нет?

Вот так исследователи искусственного интеллекта и пришли к агентноориентированному подходу, включающему в себя такое популярное ныне направление, как распознавание образов. В основе этого подхода лежит способность машины воспринимать окружающий мир с помощью датчиков и реагировать на него соответственно результатам работы исполнительных механизмов.

На основе агентноориентированного возник гибридный подход. Его приверженцы считают, что комбинация нейронных и символьных моделей позволит создать сильную интеллектуальную систему. Этот подход лежит в основе машинного обучения.

Итак, ученые научили машину «видеть», чтобы отличать руку от ноги, «слышать», чтобы распознавать команды человека. Современные роботы могут даже похвастаться способностью к определению настроения (по мимике лица человека и тону его голоса). Однако обработка естественного языка остается — наряду с вопросами: «Как научить машину чувствовать?», «Как создать искусственный интеллект, способный к самообучению?» и «Как наделить машину сознанием?» — главной проблемой отрасли искусственного интеллекта. Чтобы их решить ученые решили обратиться за ответом к анатомии человека: современные исследователи предположили, что феномены человеческого разума объясняются биологической структурой мозга и особенностями его функционирования. Именно эта идея легла в основу одного из самых амбициозных научных проектов современности — Blue Brain Project.

Blue Brain Project на пути к Разгадке главных феноменов мозга — восприятия и сознания

История проекта по компьютерному моделированию неокортекса человека (полное название Blue Brain Project) берет свое начало в июле 2005 г. В реализации этого проекта принимают участие компания IBM и Швейцарский федеральный технический институт Лозанны (École Polytechnique Fédérale de Lausanne — EPFL).

А что такое собственно неокортекс? Неокортекс (он же — новая кора, или изокортекс) — часть коры больших полушарий головного мозга. Степень его развитости — это как раз то, что отличает человека от других животных. У рыб неокортекс отсутствует, у рептилий он весьма мал и просто устроен, у млекопитающих получил многослойное строение и делится на доли, а у человека имеет рекордное количество слоев и составляет основную часть коры головного мозга. Располагается новая кора в верхнем слое мозговых полушарий. Ее толщина — от 2 до 4 мм. Неокортекс отвечает за сенсорное восприятие, осознанное мышление, речь и выполнение моторных команд.

В состав изокортекса входит два типа нейронов: пирамидальные, из которых почти на 80 % состоит новая кора, и вставочные (на них, соответственно, приходится 20 % нейронов неокортекса).

Эти нейроны объединены в нейронные колонки (в одной такой колонке около 103–104 нейронов). Дендриты в таких колонках проходят через всю их высоту. Нейробиологи выяснили, что количество слоев неокортекса значительно влияет на мыслительный процесс. Так, например, новая кора в мозге собаки состоит из четырех слоев, поэтому у этого животного нет способности к прогнозированию ситуации и вычислению дальнейших логических действий на основе этого прогноза. В человеческом мозге неокортекс шестислойный.

Генри Маркрам — руководитель проекта Blue Brain ProjectГенри Маркрам — руководитель проекта Blue Brain Project

Моделированием нейронных колонок изокортекса занимается суперкомпьютер Blue Gene (разработка компании IBM). Первым достижением в его работе была одна колонка неокортекса мозга молодой крысы. Для получения этого результата команда Blue Brain Project использовала один суперкомпьютер, 8 192 процессора которого моделировали 10 000 нейронов. Чтобы соединить искусственные нейроны, Blue Gene создал около 3 х 107 синапсов. Такие результаты команда профессора EPFL Генри Маркрама получила в рамках первой фазы проекта спустя год с его старта.

Еще около 10 лет понадобилось программистам и нейрофизиологам из Blue Brain Project на то, чтобы создать первый искусственный аналог мозга крысы, состоящий из 31 000 нейронных колонок. Такое количество времени, по словам Маркрама, понадобилось его команде потому, что для создания этой модели необходимо было изучить свойства разных типов клеток мозга и особенности взаимодействия между ними. Для эмуляции работы компьютерного аналога такого небольшого участка мозга крысы (объемом всего 0,29 мм3) понадобилась вся вычислительная мощность суперкомпьютера Blue Gene — 209 терафлопс. Благодаря полученной модели исследователи подсчитали, что эта небольшая часть мозга содержит в себе 40 миллионов синапсов, при этом каждый нейрон связан с соседними и отдаленными клетками с помощью 2 000 таких связей.

Суперкомпьютер Blue Gene от IBMСуперкомпьютер Blue Gene от IBM

Искусственный аналог крысиного мозга также позволил ученым докопаться до основы одного из феноменов разума. Нейрофизиологи выяснили, что любое периодическое изменение в концентрации ряда веществ (в числе которых и ионы кальция) может влиять на то, что взаимодействие индивидуальных нервных клеток будет перепрограммировано. Руководитель проекта Blue Brain Project привел в качестве примера такого феномена реакцию на страх: повышение уровня адреналина и ряда других гормонов могут включить в мозге режим либо агрессии, либо побега. Понимать влияние концентрации определенных веществ на работу мозга, отмечает Маркрам, позволит понять, почему человек может вести себя неадекватно в той или иной ситуации.

Достижения команды Blue Brain Project не ограничиваются только точной моделью неокортекса крысиного мозга: ученым из EPFL удалось разобраться в том, как же все-таки нейроны образуют связи с соседними клетками головного мозга. Ранее большинство нейробиологов были приверженцами идеи, согласно которой соседние нейроны «привлекали» друг друга с помощью специального набора химических веществ, который они секретировали в межклеточную жидкость («гипотеза хемоафинности»). Если придерживаться этой теории при создании искусственного аналога человеческого мозга, то необходимо разбирать участки мозга на мелкие детали и изучать отдельно каждую нейронную пару. А поскольку один нейрон может взаимодействовать со многими другими, то вариантов для отдельного изучения получается слишком много.

Визуальное отображение разнообразия нейронов в неокортексе с помощью специального ферросплава — силикомарганцаВизуальное отображение разнообразия нейронов в неокортексе с помощью специального ферросплава — силикомарганца

Существует также предположение, что синапсы формируются в случайном порядке, а связи образуются именно там, где отростки разных нейронов сталкиваются друг с другом. На живой ткани очень сложно доказать одну из перечисленных выше теорий, однако компьютерная модель, полученная в рамках Blue Brain Project, объяснила, как же именно нейроны «начинают дружить» с соседними клетками мозга.

С помощью компьютерного моделирования исследователи создали статистическую модель небольшого участка неокортекса, которая позволяла отследить связи между 298 нейронами шести типов, расположенных в объеме, который соответствует одной нейронной колонке в новой коре мозга мыши (каждый из этих нейронов был взят из базы ранее смоделированных мозговых клеток). На отдельных уровнях колонки расположение клеток производилось с учетом двух параметров — плотности их размещения и относительного количества нейронов каждого типа на каждом уровне. В остальном клетки размещались в случайном порядке. Сами нейроны из базы также выбирали не конкретные, а случайным образом.

Моделирование электрической активности в виртуальном срезе части крысиного мозга  (части цифровой модели неокортекса, состоящей из семи нейронных колонн)Моделирование электрической активности в виртуальном срезе части крысиного мозга (части цифровой модели неокортекса, состоящей из семи нейронных колонн)

В полученной модели исследователи стали отмечать место для синапсов. В основу работы ученые положили теорию о том, что связи между нейронами образуются в местах их столкновения. В результате у нейрофизиологов было два набора данных для сравнения — первый, полученный в результате исследований реального мозга, и второй, который получили в рамках проекта Blue Brain Project. Их и использовали для сравнения, в ходе которого выяснилось, что связи между нейронами в компьютерной модели соответствуют реальным практически на 75 %. Это означает, что значительная часть синапсов образуется в местах стыков нейронных отростков.

Оставшаяся часть смоделированных синапсов была ошибочной, что, в свою очередь, говорит о влиянии химических веществ на процесс образования связей между клетками мозга. К примеру, в модели, созданной учеными из Blue Brain Project, были синапсы на теле нейрона или на отростках, расположенных очень близко к телу клетки. В реальном мозге такой структуры нет. То есть вероятно, что определенные химические вещества не допускают развития синапсов в непосредственной близости к нейрону.

Модель нейронной колонки со связями, созданная исследователями из Blue Brain Project, показала, что не нужно знать конкретное место расположения нейрона внутри определенного слоя коры, чтобы в результате смоделировать синапсы, соединяющие его с соседними мозговыми клетками. Чтобы прогнозировать с высокой точностью нейронные связи, достаточно расположить нейроны определенного типа в соответствующих слоях, при этом учитывая такие параметры, как плотность их размещения и необходимое количество. Это значит, что исследователям теперь достаточно более общих представлений о расположении нейронов.

На рисунке А изображены связи между нейронами в реальном мозге, обнаруженные с помощью микроскопа. На рисунке Б представлены результаты компьютерного моделирования синаптических связей между нейронами. Рисунок В подтверждает тот факт, что в зависимости от своего типа нейроны образуют разные узоры связей друг с другомНа рисунке А изображены связи между нейронами в реальном мозге, обнаруженные с помощью микроскопа.
На рисунке Б представлены результаты компьютерного моделирования синаптических связей между нейронами.
Рисунок В подтверждает тот факт, что в зависимости от своего типа нейроны образуют разные узоры связей друг с другом.

Читать далее.


Автор: naukatehnika.com

Источник: naukatehnika.com


0



Для лиц старше 18 лет