От сложного к сложному: создана новая модель искусственного мозга

14 сентября 2015

Канадские специалисты по искусственному интеллекту создали компьютерный мозг, в котором реализован новый принцип организации нейронных элементов. Их детище, названное Spaun (Semantic Pointer Architecture Unified Network), осуществляет целый ряд различных разнотипных когнитивных функций. В этом искусственном мозге заложены определенные свойства нейронной передачи, отражена функциональная организация некоторых реальных частей мозга, и в результате искусственный мозг демонстрирует сложное и гибкое поведение целого объекта. И это первый работающий искусственный интеллект с подобными способностями.

Любое живое существо, обладающее мозгом, демонстрирует гибкое и сложное поведение, состоящее из целого массива элементарных актов. Каждый из этих актов требует включения разных функций мозга — от распознавания образов до анализа информации, от выполнения конкретного действия до оценки его последствий. Имитация отдельных нейронов, выполняющих эти элементарные функции, объединение их в единую работающую систему составляет сверхзадачу построения искусственного интеллекта. Сложность этой сверхзадачи порождается немыслимо большим числом нейронов в реальном мозге и принципиальным непониманием того, как устроено взаимодействие разных блоков переработки информации. Перед создателями искусственного интеллекта и их коллегами-нейрофизиологами стоит мучительный вопрос: достаточно ли для реконструкции сложного поведения просто увеличивать число нейронов? И если достаточно, то на сколько? А если не достаточно, то что определяет поведенческую гибкость и сложность? Пока, как всем известно, ответа на эти вопросы нет, иначе мы давно бы уже обсуждали достоинства и недостатки разумного робота. А мы пока находимся на стадии анекдотических бесед с компьютерной Алисой.

Но всё не так уж безнадежно: специалисты по искусственному интеллекту вовсю создают новые модели. В их арсенале уже имеется модель мозга с 1 миллионом нейронов, в которой воссоздана адекватная пространственная структура укладки нейронов, свойства их взаимодействия, параметры передачи импульсов и некоторые другие (Henry Markram, 2006. The Blue Brain Project). Есть и более громоздкая модель с 1,6 миллиарда нейронов, сопоставимая по числу нейронов и синапсов с кошачьим мозгом (Rajagopal Ananthanarayanan et al., 2009. The cat is out of the bag: cortical simulations with 109 neurons, 1013synapses, PDF, 2,07 Мб). Построена также еще более внушительная модель, в которой запрограммировано взаимодействие 100 миллиардов нейронов (E. M. Izhikevich, G. M. Edelman, 2008. Large-scale model of mammalian thalamocortical systems). Во всех этих моделях делается упор на количество проводящих путей, на количество и параметры связей между ними. Показателем реалистичности служит, как правило, сходство с электрофизиологическими характеристиками целого мозга и его частей или выполнение какой-либо одной элементарной функции.

Ни одна из предложенных на сегодняшний день моделей не может воспроизвести разнообразия ответных реакций и функций. Зато это смогла сделать новая модель, не столь внушительная по количеству нейронов, но зато по-новому устроенная. Ее назвали Spaun; это имя — аббревиатура от Semantic Pointer Architecture Unified Network, что приблизительно означает «унифицированная сеть организованного семантического указателя». То есть имеется в виду система, способная преобразовать символ в объект и наоборот и использовать эту способность для разных действий. Spaun демонстрирует, как сложно организованный мозг генерирует сложное поведение. Заслуга ее создания принадлежит специалистам из Центра теоретической нейробиологии при Университете Ватерлоо (Канада).

Spaun состоит из двух частей. Первая — это собственно искусственный мозг, в котором имеется глаз (камера). Вторая — искусственная рука, соединенная с мозгом. Таким образом, вся система способна воспринимать, анализировать и действовать: глаз видит, мозг думает и командует, рука исполняет. Они вместе способны выполнить восемь различных задач. При этом сам конструктор не должен вмешиваться в «мысли» своего искусственного детища. Он не может подсказать машине, что от нее требуется, иными словами, не может перепаивать контакты или вводить дополнительные коды. Мозгу сообщают, какую задачу он должен выполнить в данный момент, и он сам должен выбрать путь для ее решения.

Набор задач — для машины он совсем не тривиальный — предлагается следующий (см. видео):

    1) Срисовывание: распознать объект и, соблюдая стиль, изобразить рукой рисунок. Объектов предусмотрено всего 10, это цифры от 0 до 9.
    2) Распознавание образов: узнать написанную от руки цифру и изобразить ее в заранее заданном формате (рис. 2).
    3) Выбор наилучшего: из трех возможностей выбрать ту, за которую положена награда. Награда случайным образом варьирует от опыта к опыту.
    4) Запоминание: воспроизвести показанный ряд чисел.
    5) Сложение: вычислить сумму двух чисел и написать ее.
    6) Ответы на вопросы о пространственном расположении. Тут Spaun должен ответить на один из двух вопросов о порядке (месте) цифры в изображенном ряду: либо какая цифра стоит на определенном месте, либо какое место занимает определенная цифра.
    7) Смысловое распознавание: например, из 0024 сделать 24.
    8) Творческий анализ: нужно решить одно из простых заданий из IQ-теста: продолжить ряд по аналогии, например дописать ряд 123, 567, 23?.

Spaun выполняет эти задачи в любом порядке, и, повторю, создатели модели не вмешиваются, не подсказывают, а только экзаменуют свое творение.

При выполнении подобных задач задействуется одновременно целый ряд когнитивных функций. Именно их и пытались смоделировать нейроконструкторы. Например, чтобы выполнить задачу 8 (пусть это будет вот такой тест: 1, 11, 111, 2, 22, ?), нужно начать с узнавания написанных цифр. Потом полученную информацию требуется закодировать, уменьшить ее объем в 10–15 раз, как это происходит в реальных зрительных центрах, и направить в блок рабочей памяти. В блоке рабочей памяти информация сравнивается с уже имеющейся, и в результате удается различить порядок расположения образов, к примеру разделить варианты 12 и 21. Затем устанавливаются взаимосвязи между смысловыми единицами, то есть оценивается сходство и различие в упорядоченности всех образов, в нашем примере это 1 и 11, 11 и 111, 2 и 22. Далее выводится область усредненных взаимосвязей. Учитывая категории наибольшего сходства, определяется решение — 222. Далее информация поступает в блок раскодировки и расширения информации. Он называется моторным блоком, так как из него сигналы идут к руке, и она рисует, сообразуясь со своим весом и инерцией, нужную цифру.

Модель включает 2,5 миллиона нейронов. Свойства нейронных передач и их проводимость скопированы создателями Spaun с реальных нервных клеток реального мозга млекопитающих. В модели имеются аналоги дофаминовых и ГАМКовыхрецепторов с их специфическими параметрами передачи импульсов.

Нейроны Spaun сгруппированы в отдельные блоки (рис. 3). Блоки имитируют работу специализированных отделов коры, и каждый отвечает за конкретную функцию: запоминание, кодировка и компрессия информации и т. д. Так, первый блок занимается восприятием зрительных стимулов, это аналог зрительной коры. Его задача распознать изображение, вычленить из него значимую информацию, отделив ее от всей сопутствующей, а потом закодировать в понятные мозгу нейронные импульсы. Затем закодированная информация уходит в отдел рабочей памяти, там она еще больше ужимается и в таком виде сохраняется. Блок вознаграждения осуществляет выбор конечного действия из нескольких возможных вариантов. Далее следует очевидно необходимый блок расшифровки нейронной информации в моторные команды руке. Таким образом, блоки вовсе не предназначены для решения каких-то конкретных задач, например сложения чисел или распознавания картинок. Напротив, в модели всё устроено таким образом, чтобы принципиально решалась любая (!) задача, в основе которой лежит зрительное восприятие.

Создатели Spaun подчеркивают, что в их задачу не входил анализ выполнения отдельных тестов. Они намеревались создать такую машину, которая бы могла действовать согласно предъявляемым задачам, и при этом задачи могут быть разнотипными. И такую машину они создали. В результате машина имитирует как свойства отдельных клеток — а они изначально заложены в систему в качестве параметров передачи импульсов, — так и свойства поведения целостного объекта — мы это увидели на примере теста с воспроизведением ряда. Таким образом, с помощью устройства координации отдельных нейронных элементов удалось имитировать сложное и разнообразное поведение целого. И это важный шаг к созданию искусственного интеллекта.

Источник: Chris Eliasmith, Terrence C. Stewart, Xuan Choo, Trevor Bekolay, Travis DeWolf, Yichuan Tang, Daniel Rasmussen.A Large-Scale Model of the Functioning Brain // Science. 30 November 2012. V. 338. P. 1202–1205.

Сайт www.elementy.ru

К списку статей