Bawa seorang kanak-kanak berusia tiga tahun ke kebun binatang, dan dia secara intuitif akan menentukan bahawa haiwan yang mengunyah leher panjang itu adalah zirafah yang sama dari buku gambar anak-anaknya. Pencapaian sederhana ini sebenarnya cukup kompleks. Lukisan dalam buku ini adalah siluet beku dari garis sederhana, dan makhluk hidup adalah karya warna, tekstur, pergerakan dan cahaya. Ia kelihatan berbeza jika dilihat dari sudut yang berbeza, dan dapat mengubah bentuk, kedudukan, perspektif.
Secara amnya, orang melakukan tugas seperti ini dengan baik. Kita dapat dengan mudah memahami ciri-ciri yang paling penting dari objek dari contoh mudah dan menerapkan pengetahuan ini kepada sesuatu yang tidak dikenali. Komputer, sebaliknya, biasanya perlu menyusun keseluruhan pangkalan data zirafah, ditunjukkan dalam kedudukan yang berbeza, dari perspektif yang berbeza, untuk belajar bagaimana mengenali haiwan dengan tepat.
Identiti visual adalah salah satu daripada banyak bidang di mana manusia dengan mudah mengalahkan komputer. Kami juga lebih baik mencari maklumat yang relevan dalam aliran data; kami menyelesaikan masalah tidak berstruktur; Kami belajar dengan suka bermain, seperti kanak-kanak yang belajar tentang graviti dengan bermain dengan blok.
"Orang jauh lebih serba boleh," kata Tai Sing Lee, seorang saintis dan ahli sains saraf di Carnegie Mellon University di Pittsburgh. "Kami masih lebih fleksibel dalam berfikir, dapat meramalkan, membayangkan dan membuat acara di masa depan."
Tetapi A. S. membiayai program baru yang bercita-cita tinggi yang bertujuan untuk meletakkan kecerdasan buatan setara dengan kemampuan mental kita sendiri. Tiga pasukan saintis saraf dan saintis komputer berusaha untuk mengetahui bagaimana otak melakukan prestasi pengenalan visual ini, dan kemudian membina mesin yang melakukan perkara yang sama.
"Pembelajaran mesin moden gagal di mana manusia berkembang," kata Jacob Vogelstein, yang mengetuai program di Intelligence Advanced Research Projects Activity (IARPA). "Kami ingin merevolusikan pembelajaran mesin dengan algoritma teknik terbalik dan pengiraan otak."
Terdapat sedikit masa. Setiap kumpulan sedang memodelkan kulit kayu dengan perincian yang belum pernah terjadi sebelumnya. Bersama-sama, mereka mengembangkan algoritma berdasarkan apa yang telah mereka pelajari. Menjelang musim panas depan, setiap algoritma ini akan diberi contoh perkara yang tidak dikenali untuk dikesan dalam ribuan gambar dalam pangkalan data yang tidak dikenali. "Garis masa sangat ketat," kata Christoph Koch, presiden dan rakan kanan di Allen Institute for Brain Science di Seattle, yang bekerja dengan salah satu pasukan.
Koch dan rakan-rakannya membuat gambarajah pendawaian lengkap untuk kubus kecil otak - sejuta mikron padu, kira-kira satu lima ratus isipadu biji poppy. Dan ini adalah susunan yang lebih besar daripada peta tenunan otak yang paling lengkap dan terbesar sehingga kini, yang diterbitkan pada bulan Jun tahun lalu dan memerlukan sekitar enam tahun untuk dibuat.
Video promosi:
Pada akhir projek IARPA lima tahun yang disebut "kecerdasan mesin rangkaian kortikal (Mikron)", saintis merancang untuk memetakan milimeter kubik korteks. Potongan kecil ini mengandungi hampir 100,000 neuron, 3 hingga 15 juta sambungan saraf, atau sinapsis, dan keterlibatan saraf yang cukup untuk menutup sebuah bandar utama jika tidak terurai dan terbentang.
Belum ada yang berusaha membina semula bahagian otak pada skala seperti itu. Tetapi lebih banyak usaha skala kecil menunjukkan bahawa peta seperti itu dapat menjelaskan cara kerja dalaman korteks serebrum. Dalam makalah yang diterbitkan dalam jurnal Nature pada bulan Mac, Wei-Chung Allen Lee - ahli sains saraf di Universiti Harvard yang bekerja dengan pasukan Koch - dan rakan-rakannya memetakan hubungan 50 neuron dan lebih dari 1,000 rakan mereka. Dengan menggabungkan peta ini dengan maklumat mengenai fungsi setiap neuron di otak - ada yang bertindak balas terhadap isyarat visual, misalnya - saintis telah menyimpulkan satu peraturan mudah mengenai hubungan anatomi neuron di bahagian korteks ini. Dan mereka mendapati bahawa neuron dengan fungsi yang serupa lebih cenderung untuk menghubungkan dan membentuk hubungan besar antara satu sama lain, dan kemungkinan besar dengan jenis neuron lain.
Walaupun tujuan projek Mikron cukup berteknologi - IARPA adalah membiayai penyelidikan yang boleh membawa kepada alat analisis data untuk agensi perisikan, dan yang lain, tentu saja - selari dengan ini, para saintis akan menerima data mengenai kerja otak. Andreas Tolias, pakar neurologi di Baylor College of Medicine yang merupakan salah satu anggota pasukan Koch yang terkemuka, menyamakan pengetahuan kita tentang korteks dengan fotografi kabur. Dia berharap skala projek Mikron yang belum pernah terjadi sebelumnya dapat membantu mempertajam perspektif ini dan menemui peraturan yang lebih kompleks yang mengatur litar saraf kita. Tanpa mengetahui semua bahagian penyusunnya, "kita mungkin kehilangan keindahan struktur ini."
Pemproses otak
Lipatan yang rumit yang menutupi permukaan otak dan membentuk korteks serebrum (korteks) secara harfiah disisipkan ke dalam tengkorak kita. Dalam banyak cara ia adalah mikropemproses otak. Interlayer setebal tiga milimeter terdiri daripada rangkaian modul berulang, atau litar mikro, seperti susunan pintu logik dalam cip komputer. Setiap modul terdiri daripada kira-kira 100,000 neuron yang disusun dalam rangkaian kompleks sel yang saling berkaitan. Terdapat bukti bahawa struktur asas modul ini hampir sama di seluruh korteks. Walau bagaimanapun, modul di kawasan otak yang berlainan dikhususkan untuk tujuan tertentu seperti penglihatan, pergerakan dan pendengaran.
Para saintis hanya mempunyai idea kasar tentang bagaimana modul ini kelihatan dan bagaimana ia berfungsi. Mereka sebahagian besarnya terbatas untuk mempelajari otak pada skala terkecil: puluhan atau ratusan neuron. Teknologi baru yang dirancang untuk mengesan bentuk, aktiviti, dan penyambungan ribuan neuron kini hanya membolehkan para saintis mula menganalisis bagaimana sel-sel dalam modul berinteraksi antara satu sama lain; bagaimana aktiviti di satu bahagian sistem dapat menjana aktiviti di bahagian lain. "Untuk pertama kalinya dalam sejarah, kami dapat memilih modul ini daripada hanya meneka kandungannya," kata Vogelstein. "Pasukan yang berbeza mempunyai tekaan yang berbeza tentang apa yang ada di dalamnya."
Penyelidik akan memberi tumpuan kepada bahagian korteks yang bertanggungjawab untuk penglihatan. Sistem perasaan ini telah dipelajari secara aktif oleh pakar neurofisiologi, dan pakar dalam pemodelan komputer telah lama dicontohi. "Penglihatan nampak sederhana - hanya buka mata anda - tetapi mengajar komputer untuk melakukan perkara yang sama sangat sukar," kata David Cox, ahli sains saraf di Universiti Harvard yang memimpin salah satu pasukan IARPA.
Andreas Tolias (kiri)
Setiap pasukan bermula dengan idea asas yang sama tentang bagaimana penglihatan berfungsi: teori lama yang dikenali sebagai analisis oleh sintesis. Menurut idea ini, otak membuat ramalan tentang apa yang akan berlaku dalam masa terdekat, dan kemudian memeriksa ramalan tersebut terhadap apa yang dilihatnya. Kekuatan pendekatan ini adalah kecekapannya - ia memerlukan pengiraan yang lebih sedikit daripada membuat secara berterusan setiap saat dalam satu masa.
Otak dapat melakukan analisis melalui sintesis dengan berbagai cara, jadi saintis sedang mencari kemungkinan lain. Kumpulan Cox melihat di otak sejenis mesin fizik yang menggunakan model fizikal yang ada untuk mensimulasikan dunia sebagaimana mestinya. Pasukan Tai Sing Lee, bersama dengan George Church, beranggapan bahawa otak mempunyai perpustakaan yang terdiri daripada bahagian - kepingan dan kepingan objek dan orang - dan mengajar peraturan tentang bagaimana menyatukan bahagian-bahagian tersebut. Daun, misalnya, biasanya muncul di dahan. Kumpulan Tolias mengusahakan pendekatan yang lebih berasaskan data, di mana otak membuat jangkaan statistik untuk dunia tempatnya tinggal. Kumpulannya akan menguji hipotesis yang berbeza mengenai bagaimana bahagian litar yang berbeza belajar berkomunikasi.
Ketiga-tiga kumpulan akan memantau aktiviti saraf puluhan ribu neuron di kubus otak sasaran. Kemudian pelbagai kaedah digunakan untuk membuat gambarajah pendawaian untuk sel-sel ini. Pasukan Cox, misalnya, akan memotong tisu otak menjadi lapisan yang lebih tipis daripada rambut manusia dan menganalisis setiap potongan menggunakan mikroskop elektron. Para saintis kemudian melekatkan setiap keratan pada komputer untuk membuat peta 3D yang padat mengenai bagaimana berjuta-juta wayar saraf berjalan melalui korteks.
Dengan peta dan carta aktiviti di tangan, setiap pasukan akan cuba memahami peraturan asas yang mengatur litar. Kemudian mereka memprogramkan peraturan ini ke dalam simulasi dan mengukur seberapa baik simulasi itu sesuai dengan otak yang sebenarnya.
Andreas Tolias dan rakannya memetakan hubungan pasangan neuron dan merekodkan aktiviti elektrik mereka. Anatomi kompleks lima neuron (kiri atas) dapat diringkaskan dalam gambarajah skematik sederhana (kanan atas). Sekiranya anda menjalankan arus elektrik melalui neuron 2, ia diaktifkan, melancarkan cas elektrik dalam dua sel di bawahnya, neuron 1 dan 5 (di bawah)
Tolias dan rakan-rakannya sudah merasakan pendekatan ini. Dalam sebuah makalah yang diterbitkan dalam Science pada bulan November, mereka memetakan hubungan 11,000 pasangan neuron, mengungkapkan lima jenis neuron baru. "Kami masih tidak mempunyai senarai lengkap bahagian yang membentuk korteks, jenis sel individu, hubungannya," kata Koch. "Di situlah Tolias bermula."
Di antara beribu-ribu sambungan saraf, kumpulan Tolias menemui tiga peraturan umum yang mengatur hubungan sel: ada yang berkomunikasi terutamanya dengan neuron jenisnya sendiri; yang lain menghindari jenis mereka sendiri, terutama berurusan dengan jenis lain; kumpulan ketiga berkomunikasi hanya dengan beberapa neuron lain. (Kumpulan Tolias mendefinisikan sel mereka berdasarkan anatomi saraf, tidak berfungsi, tidak seperti kumpulan Wei Li.) Dengan menggunakan hanya tiga peraturan komunikasi ini, saintis dapat menghasilkan semula rangkaian dengan tepat. "Tantangannya sekarang adalah mencari tahu apa arti aturan komunikasi ini secara algoritma," kata Tolias. "Apa jenis pengiraan yang mereka lakukan?"
Rangkaian saraf berdasarkan neuron sebenar
Kecerdasan buatan berasaskan otak bukanlah idea baru. Rangkaian neural yang meniru struktur asas otak sangat popular pada tahun 1980-an. Tetapi pada masa itu, saintis di lapangan tidak memiliki kekuatan dan data komputasi mengenai bagaimana membuat algoritma cekap. Dan semua berjuta-juta gambar dengan kucing di Internet tidak ada. Dan walaupun rangkaian saraf telah mengalami kebangkitan semula - kini sukar untuk membayangkan kehidupan tanpa program pengecaman suara dan wajah, dan komputer AlphaGo baru-baru ini mengalahkan pemain go terbaik dunia - peraturan yang menggunakan rangkaian neural untuk menukar sambungannya hampir pasti berbeza daripada yang lain apa yang otak gunakan.
Rangkaian neural moden "didasarkan pada apa yang kita ketahui mengenai otak pada tahun 1960-an," kata Terry Seinovski, seorang saintis saraf sains di Institut Salk di San Diego yang mengembangkan algoritma rangkaian neural pertama dengan Jeffrey Hinton, seorang saintis di University of Toronto. "Pengetahuan kami tentang bagaimana otak diatur meletup di permukaan."
Sebagai contoh, rangkaian saraf moden terdiri daripada seni bina aliran langsung, di mana maklumat mengalir dari input ke output melalui rangkaian lapisan. Setiap lapisan dilatih untuk mengenali ciri-ciri tertentu, seperti mata atau misai. Kemudian analisis diteruskan, dan setiap lapisan melakukan pengiraan yang lebih dan lebih kompleks. Akhirnya, program mengenali kucing dalam serangkaian piksel berwarna.
Tetapi struktur berpandangan ke depan ini tidak mempunyai komponen penting dalam sistem biologi: maklum balas, baik dalam lapisan individu dan dari lapisan yang lebih tinggi dengan yang lebih rendah. Dalam otak sebenar, neuron dalam satu lapisan korteks dihubungkan dengan jirannya, dan juga neuron pada lapisan di atas dan di bawah, membentuk rangkaian gelung yang kompleks. "Maklum balas adalah bahagian yang sangat penting dari rangkaian kortikal," kata Seinovski. "Terdapat banyak isyarat dalam maklum balas kerana ada sambungan feedforward."
Ahli sains saraf belum memahami sepenuhnya apa yang dilakukan oleh maklum balas, walaupun mereka tahu bahawa perkara itu penting bagi kemampuan kita untuk fokus. Mereka membantu kita untuk mendengar suara di telefon tanpa terganggu oleh suara kota, misalnya. Sebahagian daripada populariti teori analisis dengan sintesis terletak pada fakta bahawa ia memberikan asas bagi semua sebatian berulang ini. Mereka membantu otak membandingkan ramalannya dengan kenyataan.
Penyelidik mikron berusaha untuk menguraikan peraturan yang mengatur gelung maklum balas - sebagai contoh, sel mana yang menghubungkan gelung, mana yang mengaktifkan aktiviti mereka, dan bagaimana aktiviti itu mempengaruhi output data dari litar - dan kemudian menerjemahkan peraturan ini ke dalam algoritma. Mesin itu sekarang tidak mempunyai imaginasi dan introspeksi. Saya percaya bahawa gelung maklum balas akan membolehkan kita membayangkan dan menganalisis sendiri di pelbagai peringkat,”kata Tai Sing Lee.
Mungkin gelung maklum balas suatu hari nanti akan memberi mesin dengan ciri-ciri yang kita anggap unik untuk manusia. "Sekiranya anda dapat menerapkan gelung maklum balas dalam jaringan yang dalam, Anda dapat berpindah dari jaringan yang hanya mampu melakukan sentakan lutut - memberikan input dan output - ke jaringan yang lebih reflektif yang mulai memahami inputnya dan menguji hipotesis." kata Sejnowski.
Kunci misteri kesedaran
Seperti semua program IARPA, projek Microns berisiko tinggi. Teknologi yang diperlukan para saintis untuk pemetaan aktiviti saraf dan ikatan skala besar ada, tetapi tidak ada yang menerapkannya pada skala seperti itu hingga sekarang. Para saintis harus berurusan dengan sejumlah besar data - 1-2 petabyte data per milimeter padu otak. Anda mungkin perlu mengembangkan alat pembelajaran mesin baru untuk menganalisis semua data ini, yang cukup ironis.
Juga tidak jelas apakah pelajaran yang diambil dari gigitan otak kecil dapat mengisyaratkan bakat otak yang lebih besar. "Otak bukan hanya sepotong kulit kayu," kata Sejnowski. "Otak adalah ratusan sistem yang dikhususkan untuk fungsi yang berbeza."
Korteks serebrum itu sendiri terdiri daripada pautan berulang yang kelihatan sama. Tetapi bahagian otak yang lain dapat berfungsi dengan cara yang sangat berbeza. "Sekiranya anda mahukan AI yang melampaui pengecaman corak sederhana, anda akan memerlukan banyak bahagian yang berbeza," kata Seinowski.
Sekiranya projek itu berjaya, ia akan melakukan lebih daripada sekadar menganalisis data perisikan. Algoritma yang berjaya akan mendedahkan kebenaran penting tentang bagaimana otak memberi makna kepada dunia ini. Secara khusus, ia akan membantu mengesahkan sama ada otak benar-benar berfungsi dengan analisis melalui sintesis - bahawa ia membandingkan ramalannya mengenai dunia dengan data masuk dari deria kita. Ini akan menunjukkan bahawa ramuan utama dalam resipi kesedaran adalah campuran imaginasi dan persepsi yang sentiasa berubah. Dengan membina mesin yang dapat berfikir, para saintis berharap dapat mengungkap rahsia pemikiran itu sendiri.
