Искусственный мозг — уже реальность ? Искусственный мозг
Выращен искусственный мозг - Мастерок.жж.рф
Исследователи из Гарвардского университета вырастили самый сложный на сегодняшний день мозг-на-чипе, состоящий из трех различных областей и обладающий способностью формировать нервные связи между этими областями. Области этого искусственного мозга состоят из нейронов различных типов, выполняющих различные функции в нормальном мозге живого существа. А наблюдения за формированием взаимосвязей позволят ученым узнать больше о заболеваниях, причиной которых являются нарушения порядка формирования этих нейронных связей.
Выращенный учеными искусственный мозг содержит аналоги трех областей мозга - миндалины, гиппокампа и предлобной коры, областей, наиболее часто затрагиваемых большинством психических заболеваний.
Свою работу ученые начали с углубленного анализа состава нервных клеток разных типов, находящихся в них белков, метаболизма и их электрической деятельности. Затем ученые отследили изменения, которые претерпевают нейроны при создании связей и "общении" с нейронами других типов. Это было сделано путем культивирования нервных клеток одного типа в отдельной области, после чего были убраны ограничители областей, препятствовавшие образованию нервных связей.
Проведя повторный анализ состава нервных клеток и их электрической деятельности, ученые нашли, что клетки претерпели значительные изменения после установления контакта с клетками из других областей. "Когда нейроны соединяются с нейронами других типов, они претерпевают кардинальные электрофизиологические изменения, и эти изменения являются движущей силой процесса развития мозга в целом" - рассказывает Бен Маоз (Ben Maoz), ведущий исследователь, - "Такая модель мозга в пробирке позволит нам выявить влияние разных типов неврологических болезней на связанные друг с другом области мозга".
Для демонстрации эффективности искусственного мозга в деле моделирования различных заболеваний ученые ввели препарат под названием Phencyclidine hydrochloride, который обычно используется для моделирования симптомов шизофрении. Мозг-на-чипе впервые позволил исследователям изучить эффект воздействия препарата как на отдельные области мозга, так и на их взаимосвязи. Все это говорит о том, что такой мозг-на-чипе является весьма полезным инструментом для изучения любых неврологических и психиатрических болезней, в том числе наркомании и болезней, вызванных травмой мозга.
Футуристы уверены: рано или поздно учёным удастся создать искусственный интеллект, подобный человеческому, а то и превосходящий его. Учёные пытаются сделать это при помощи моделирования человеческого мозга, но им ещё предстоит пройти долгий путь, чтобы скопировать 100 млн нейронов мозга и 1 трлн их соединений. Тем более предпосылки к этому уже есть: к примеру, нейробиолог Генри Маркрам (Henry Markram) с коллегами работают над многообещающим проектом — созданием полностью идентичного человеческому виртуального мозга, а Барак Обама выделил $100 млн на исследования функций головного мозга и инновационные проекты в этой области.
Однако на Международном научном форуме в Нью-Йорке группа исследователей объявила, что существует как минимум четыре серьёзных препятствия на пути создания искусственного интеллекта.
1. Мозг — не компьютер
Вероятно, можно спроектировать машину, которая будет функционировать, как мозг человека, но не наоборот. В обществе принято сравнивать работу мозга с работой компьютера, однако, по мнению нейробиолога Дугласа Филдса (Douglas Fields), подобные параллели недопустимы, так как мозг — биологический орган с живыми клетками и тканями, пропускающими электрические импульсы, а не платы с цифровым кодом и проводами.
2. Технологии ещё недостаточно развиты
Недавно учёным удалось приоткрыть «тайну» мозговой нейронной сети: для этого они сканировали при помощи электронного микроскопа мельчайшие кусочки нервной ткани, а затем воссоздали её компьютерную модель, однако чтобы проделать то же самое с целым мозгом существующих технологий недостаточно. Нейробиолог Кристен Харрис (Kristen Harris) пояснил: в настоящее время одна клетка головного мозга эквивалентна по мощности одному ноутбуку.
3. Структура мозга слишком сложна
Но даже если появятся суперсовременные компьютеры, способные воссоздать весь триллион нейронных связей, учёным ещё долго придется расшифровывать, как проявляется каждая из них в сознании и поведении человека. Кроме того, сами нейроны составляют лишь 15% нервной ткани, а помимо них есть ещё вспомогательные клетки — глии.
4. Мозг — лишь часть ЦНС
Грегори Уилер (Gregory Wheeler) из Университета Карнеги-Меллона заметил, что мозг подаёт сигналы, которые были бы бесполезны, к примеру, без спинного мозга. Поэтому, чтобы создать искусственный интеллект, подобный человеческому, нужно разрабатывать не один орган, а целый организм.
Однако, умнейшие люди в hi-tech индустрии, Стивен Хокинг, Билл Гейтс и Элон Маск периодически делятся опасениями, которые несведущие могут посчитать сказками про «Терминатора» и «Скайнет». Всерьез бояться революции механизмов. Однако остается вопрос на будущее: что будет делать искусственный интеллект, когда превзойдет нас по силе мысли? Возможно, это выяснится быстрее, чем мы ожидали. Исследователи из Наньянского Технологического Университета в Сингапуре разработали технологию, которая, по их словам, способна выращивать искусственные «мозги» — очень похожие на человеческие.
Легендарный человек в мире физики Стивен Хокинг неоднократно предупреждал человечество об опасности искусственного интеллекта. «С развитием полноценного искусственного интеллекта наступит конец человеческой расы», — заметил однажды Хоукинг в интервью BBC. Хотя сам Хоукинг пользуется достижениями в этой сфере, например, речевым аппаратом, насчет развития технологии AI физик настроен панически и называет опыты, подобным открытию сингапурских ученых, «величайшей ошибкой человечества».
Совсем недавно и другой человек, получивший все от мира технологий, Билл Гейтс высказал тревожные мысли о потенциальной опасности экспериментов по созданию искусственного интеллекта. «Я вхожу в лагерь тех, кто обеспокоен развитием супер-интеллекта. Поначалу машину будут выполнять за нас огромную часть работы и не будут сверхинтеллектуальными. Это принесёт пользу при условии, что контроль останется в наших руках. Однако спустя несколько десятилетий искусственный интеллект станет достаточно развитым, чтобы превратиться в проблему», — сказал Гейтс.
[источники]источникиhttps://medicalxpress.com/news/2017-01-multiregional-brain-chip.htmlhttps://www.factroom.ru/facts/35348http://www.popmech.ru/technologies/56514-iskusstvennyy-mozg-strakhi-geytsa-i-khokinga-vse-blizhe-k-realnosti/
Когда будет создан искусственный мозг?
Руководитель проекта Blue Brain Генри Маркрам рассказывает о том, что нужно, чтобы построить компьютер, возможности которого сравняются с возможности человеческого мозга, и какие опасности подстерегают человечество на этом пути.
Редакция ПМ
3 июля 2017 15:30
Этим летом журнал Института инженеров электротехники и электроники IEEE Spectrum опубликовал ответы известных учёных и популяризаторов науки на вопрос о том, когда человечество сможет построить действующую модель человеческого мозга и чего нам ждать от такой модели. Мы приводим ответ Генри Маркрама — человека, который знает о мозге и его искусственных аналогах больше всех. Уже четыре года Маркрам руководит проектом Blue Brain, цель которого — детальная реконструкция мозга животных, а в долгосрочной перспективе — и человеческого.
Генри Маркрам, нейрофизиолог, руководитель проекта Blue Brain
Когда компьютеры станут способны на всё, на что способен человеческий мозг?
Мозг — это сеть сетей генов, белков, клеток, синапсов и более крупных структур, существующих в неисчислимом количестве измерений и работающих в непрестанно меняющем свойства коктейле из нейромедиаторов и других важных веществ. Наше восприятие, движения, мысли и чувства рождаются из цепных реакций электрической, химической и механической природы, которые возникают в этих сетях. Сегодня у нас нет никаких данных, которые позволили бы пренебречь какими-либо из этих реакций, и до тех пор, пока ситуация не изменится, единственный доступный нам способ создать машину, способную на то, на что способен мозг — это тщательно реконструировать все до единой реакции. То, когда мы сможем это сделать, зависит от степени детализации, которая нам понадобится.
Я предлагаю отказаться от попыток рассчитать срок, за который мы сможем воссоздать мозг с точностью до каждой его молекулы. Чтобы симулировать человеческий мозг с такой степенью детализации, нам потребовались бы йоттафлопсы (1024 операций в секунду) вычислительной мощности, а это в миллионы раз превосходит возможности самых мощных суперкомпьютеров, существующих сегодня. Для симуляции мозга мыши потребуются зеттафлопсы (1021 операций в секунду), а для мозга лобстера — экзафлопсы (1018). Вычислительная мощность самых современных компьютеров измеряется в сотнях петафлопс (1015): этого едва хватит на грубую симуляцию нервной системы червя вроде коловратки. (Прим. пер. Коловраток (автор называет конкретный таксон — Rotifera) сегодня не причисляют, как раньше, к первичнополостным червям, а выделяют в отдельную группу. Нервная система у них довольно примитивна и состоит из надглоточного ганглия и нескольких нервных стволов).
Суперкомпьютер IBM Blue Gene/Q На этой машине Маркрами и его коллеги моделируют отдельные участки крысиного мозга. Предельная скорость вычислений на сегодняшний день составляет 20 петафлопс (операций в секунду).
А значит, цифровые копии мозга с небольшой степенью детализации можно будет создавать на мобильных устройствах ещё до конца XX века, а вместе с ними — более детализированные модели мышиного мозга, симуляции мозга птиц, мух, пчёл и муравьёв с вполне удовлетворительным разрешением.
Попробуем допустить, что для того, чтобы воссоздать основные процессы, происходящие в мозге, необязательно углубляться в тонкости клеточной структуры, и можно рассматривать клетки как узлы сети. Тогда мозг можно свести к нейросети на точечных отображениях. Если такая нейросеть будет работать примерно так же, как мозг, то даже существующих мощностей хватит на то, чтобы создать рабочую модель. Проблема в том, что для такой редукции сложной системы мозга к нейросети нам нужна подробная модель высокого разрешения. Начать строить такую модель возможно уже сейчас — если хватит человеческих ресурсов и денег.
Мы можем пойти дальше и пренебречь миллиардами лет итераций биологического дизайна, опустить все сложные химические и клеточные взаимодействия и скопировать только процессы ввода и вывода информации, уподобив человеческий мозг набору алгоритмов глубокого обучения. Тогда у мы, возможно, добьемся производительности, подобной производительности мозга, уже очень скоро. Допущения, которые мы себе позволили, довольно рискованны, но тот, кто сможет заставить этот план работать, выиграет по‑крупному; на кону здесь — полноценный искусственный интеллект.
Самый главный вопрос звучит так: сможем ли мы опередить эволюцию, догнав и перегнав человеческий разум? Здесь важно понимать, что каждая часть мозга глубоко связана с остальным телом и его средой обитания, физической, социальной и культурной. Примерно миллиард молекул в каждой из триллионов клеток тела поют свою песню в унисон с миром.
www.popmech.ru
Не от мира сего: ученые создали искусственный мозг из серебра и заставили его учиться
Крошечная самоорганизованная сеть искусственных синапсов помнит свои переживания и может решать простые задачи. Ее создатели надеются, что когда-нибудь на основе этого искусственного мозга будут созданы устройства, по своей энергоэффективности не уступающие вычислительной мощности мозга. Вообще, мозги, если опустить их достижения в мышлении и решении проблем, совершенны в своей энергоэффективности. Для работы мозгу нужно столько же энергии, сколько поглощает 20-ваттная лампа накаливания. А один из мощнейших и быстрейших суперкомпьютеров в мире, компьютер K в Кобе, Япония, потребляет до 9,89 мегаватта энергии – примерно столько же, сколько и 10 000 домов. Но в 2013 году, даже с такой энергией, машине потребовалось 40 минут, чтобы смоделировать 1% активности человеческого мозга на протяжении 1 секунды.
И вот инженеры-исследователи из Калифорнийского института NanoSystems при Калифорнийском университете в Лос-Анджелесе надеются потягаться с вычислительной и энергоэффективной способностями мозга, благодаря системам, которые отражают структуру мозга. Они создают устройство, возможно, первое в своем роде, которое «вдохновлено мозгом генерировать свойства, которые позволяют мозгу делать то, что он делает», говорит Адам Стиг, исследователь и доцент института, руководящий проектом вместе с Джимом Гимжевски, профессором химии в Калифорнийском университете в Лос-Анджелесе.
Их устройство совсем не похоже на обычные компьютеры, в основе которых лежат небольшие провода, отпечатанные на кремниевых микросхемах в высокоупорядоченных схемах. Текущая экспериментальная версия представляют собой сетку 2 х 2 мм из серебряных нанопроводов, соединенных искусственными синапсами. В отличие от кремниевой схемы с ее геометрической точностью, это устройство переплетено как «хорошо перемешанное блюдо спагетти», говорит Стиг. При этом ее тонкая структура организована из случайных химических и электрических процессов, а не спроектирована тщательным образом.
По своей сложности эта серебряная сеть напоминает мозг. На квадратный сантиметр сетки приходится миллиард искусственных синапсов, что на несколько порядков отличается от реального мозга. Электрическая активность сети также демонстрирует свойство, уникальное для сложных систем вроде мозга: «критичность», состояние между порядком и хаосом, указывающее на максимальную эффективность.
Эта сеть чрезвычайно переплетенных нанопроводов может выглядеть хаотичной и случайной, но ее структура и поведение напоминают поведение нейронов мозга. Ученые из NanoSystems разрабатывают ее как устройство-мозг для обучения и вычислений
Более того, предварительные эксперименты показывают, что эта нейроморфная (то есть похожая на мозг) серебряная проволочная сетка обладает большим функциональным потенциалом. Она уже может выполнять простые учебные и логические операции. Она может очищать принимаемый сигнал от нежелательного шума, а это важная способность для распознавания голоса и похожих задач, которые вызывают проблемы у традиционных компьютеров. И ее существование доказывает принцип, что в один прекрасный день станет возможно создание устройств с энергоэффективностью, близкой к энергоэффективности мозга.
Особенно любопытно эти преимущества выглядят на фоне приближающегося предела миниатюризации и эффективности кремниевых микропроцессоров. «Закон Мура мертв, полупроводники больше не могут становиться меньше, а люди начинают голосить, мол, что же нам делать», говорит Алекс Нюджент, CEO компании Knowm, занимающейся нейроморфными вычислениями и не участвовавшей в проекте Калифорнийского университета. «Мне нравится эта идея, это направление. Обычные вычислительные платформы в миллиард раз менее эффективны».
Переключатели в роли синапсов
Когда Гимжевски начал работать над своим проектом с серебряной сеткой 10 лет назад, его интересовала вовсе не энергоэффективнось. Ему было скучно. Используя сканирующий туннельный микроскоп для изучения электроники на атомных масштабах в течение 20 лет, он, наконец, сказал: «Я устал от совершенства и точного контроля и слегка подустал от редукционизма».
Редукционизм, стоит полагать, лежит в основе всех современных микропроцессоров, когда сложные явления и схемы можно объяснить при помощи простых явлений и элементов.
В 2007 году ему предложили заняться изучением отдельных атомных коммутаторов (или переключателей), разработанных группой Масакадзу Аоно из Международного центра материалов на наноархитектонике в Цукубе, Япония. Эти коммутаторы содержали тот же ингредиент, который окрашивает серебряную ложку в черный цвет, когда она касается яйца: сульфид железа, зажатый в сендвиче между твердым металлическим серебром.
Подача напряжения на устройства подталкивает положительно заряженные ионы серебра в сульфиде серебра к слою серебряного катода, где те восстанавливаются до металлического серебра. Атомные нити серебра растут, в конечном счете закрывая промежуток между металлическими серебряными сторонами. Переключатель включен, и ток может течь. Реверсирование тока имеет противоположный эффект: серебряные мосты сокращаются, а переключатель выключается.
Однако вскоре после разработки переключателя группа Аоно начала наблюдать необычное поведение. Чем чаще использовался переключатель, тем легче он включался. Если же он некоторое время не использовался, он постепенно выключался самостоятельно. По сути, переключатель помнил свою историю. Аоно и его коллеги также обнаружили, что переключатели, похоже, взаимодействовали друг с другом, так что включение одного переключателя иногда блокировало или выключало других поблизости.
Большинство в группе Аоно хотело сконструировать эти странные свойства вне переключателей. Но Гимжевски и Стиг (который только что оформил докторскую степень в группе Гимжевского) вспомнили о синапсах, переключателях между нервными клетками в человеческом мозге, которые также меняют отношения с получением опыта и взаимодействием. И так родилась идея. «Мы подумали: почему бы не попробовать воплотить все это в структуре, напоминающей кору мозга млекопитающего, и изучить ее?», говорит Стиг.
Создание такую сложную структуру определенно было сложно, но Стиг и Одриус Авиценис, который только что присоединился к группе в качестве аспиранта, разработали для этого протокол. Выливая нитрат серебра на крошечные медные сферы, они могли вызвать рост микроскопически тонких пересекающихся серебряных проводов. Затем они могли пропустить через эту сетку серный газ, чтобы создать слой серебристого сульфида между серебряными проводами, как в исходном атомном переключателе команды Аоно.
Самоорганизованная критичность
Когда Гимжевски и Стиг рассказали другим о своем проекте, никто не поверил, что это сработает. Некоторые сказали, что устройство продемонстрирует один тип статической активности и на нем осядет, вспоминает Стиг. Другие предположили противоположное: «Они говорили, что переключение станет каскадным и вся конструкция просто сгорит», говорит Гимжевски.
Но устройство не расплавилось. Напротив, когда Гимжевски и Стиг наблюдали за ним через инфракрасную камеру, входной ток продолжал менять пути, которыми проходил через устройство — доказывая, что активность в сети была не локализована, а скорее распределена, как в мозге.
Однажды осенним днем в 2010 году, когда Авиценис и его коллега Генри Силлин повышали входное напряжение в устройстве, они внезапно заметили, что выходящее напряжение начало случайным образом колебаться, будто сетка проводов ожила. «Мы сели и смотрели на это, мы были в шоке», говорит Силлин.
Они догадывались, что нашли кое-что интересное. Когда Авиценис проанализировал данные мониторинга за несколько дней, он обнаружил, что сеть оставалась на одном и том же уровне активности в течение коротких периодов чаще, чем в течение длительных. Позже они обнаружили, что мелкие области активности более распространены, чем крупные.
«У меня челюсть отвисла», говорит Авиценис, потому что они впервые извлекли из своего устройства степенной закон. Степенные законы описывают математические отношения, в которых одна переменная изменяется как степень другой. Они применяются к системам, в которых более крупные масштабы, более длительные события менее распространены, чем мелкие и более короткие, однако распространены и не случайно. Пер Бак, датский физик, почивший в 2002 году, впервые предложил степенные законы как отличительные черты всех видов сложных динамических систем, которые могут организовываться на больших масштабах и длинных дистанциях. Такое поведение, говорил он, указывает, что сложная система балансирует и функционирует на золотой середине между порядком и хаосом, в состоянии «критичности», и все ее части взаимодействуют и связаны ради максимальной эффективности.
Как и предсказывал Бак, степенное поведение наблюдалось в мозге человека: в 2003 году Дитмар Пленц, нейрофизиолог Национального института здоровья, наблюдал, что группы нервных клеток активировали другие, которые, в свою очередь, активировали другие, зачастую запуская системные каскады активаций. Пленц обнаружил, что размеры этих каскадов следуют распределению по степенному закону, и мозг действительно действовал таким образом, чтобы максимизировать распространение активности, не рискуя потерять контроль над ее распространением.
Тот факт, что устройство Калифорнийского университета также продемонстрировало степенной закон в действии, это очень важно, говорит Пленц. Потому что из этого следует, что, как и в мозге, у него есть тонкий баланс между активацией и торможением, который удерживает в работе сумму его частей. Активность не подавляет сет, но и не прекращается.
Позднее Гимжевски и Стиг нашли еще одно сходство между серебряной сетью и мозгом: точно так же, как спящий человеческий мозг демонстрирует меньше коротких каскадов активации, чем бодрствующий мозг, состояние короткой активации в серебряной сети становится менее распространенным при более низких входных энергиях. В некотором роде, уменьшение энергопотребления в устройство может создать состояние, напоминающее спящее состояние человеческого мозга.
Обучение и вычисления
И вот вопрос: если сеть серебряных проводов обладает свойствами, похожими на свойства мозга, может ли она решать вычислительные задачи? Предварительные эксперименты показали, что ответ — да, хотя устройство, конечно, еще и отдаленно не сравнить с обычным компьютером.
Во-первых, программного обеспечения нет. Вместо этого исследователи используют тот факт, что сеть может искажать входящий сигнал различными способами, в зависимости от того, где измеряется выход. Это предлагает возможное использование для распознавания голоса или изображения, поскольку устройство должно иметь возможность очищать шумный входящий сигнал.
Из этого также следует, что устройство можно использовать для так называемых резервуарных вычислений. Поскольку один ввод может, в принципе, генерировать много, миллионы разных выводов (отсюда и резервуар), пользователи могут выбирать или комбинировать выводы так, чтобы результатом стало желаемое вычисление вводных. Например, если стимулировать устройство в двух разных местах одновременно, есть шанс, что один из миллионов разных выводов будет представлять сумму двух вводных.
Задача состоит в том, чтобы найти правильные выводы и декодировать их, а также выяснить, как лучше кодировать информацию, чтобы сеть могла ее понимать. Сделать это можно будет за счет обучения устройства: путем прогона задачи сотни или тысячи раз, сперва с одним типом ввода, затем с другим, и сравнения, какой вывод лучше справляется с задачей. «Мы не программируем устройство, но выбираем лучший способ кодировать информацию так, чтобы поведение сети было полезным и интересным», говорит Гимжевски.
В работе, которая скоро будет опубликована, ученые расскажут, как обучили сеть проводов производить простые логические операции. И в неопубликованных экспериментах они обучили сеть решать простую задачу на память, которую обычно задают крысам (Т-лабиринт). В тесте Т-лабиринта крыса вознаграждается, если делает правильный поворот в ответ на свет. Имея собственную версию для обучения, сеть может делать правильный выбор в 94% случаев.
До сих пор эти результаты были не более чем доказательством принципа, говорит Нуджент. «Маленькая крыса, принимающая решение в Т-лабиринте, никогда не приближается к чему-то из области машинного обучения, что может оценивать свои системы» на традиционном компьютере, говорит он. Он сомневается, что из этого устройства можно сделать полезный чип в ближайшие несколько лет.
Но потенциал огромен, подчеркивает он. Потому что сеть, как и мозг, не разделяет обработку и память. Традиционным компьютерам необходимо передавать информацию между различными областями, которые обрабатывают две этих функции. «Вся эта лишняя коммуникация накапливается, потому что проводам нужна энергия», говорит Нуджент. Взяв традиционные компьютеры, вы должны были бы обесточить Францию, чтобы смоделировать полный человеческий мозг в приличном разрешении. Если устройства вроде серебряной сети смогут решать задачи с эффективностью алгоритмов машинного обучения, работающих на традиционных компьютерах, они смогут задействовать в миллиард раз меньше энергии. А дальше дело за малым.
Выводы ученых также подтверждают мнение, что при правильных обстоятельствах интеллектуальные системы могут формироваться путем самоорганизации, не имея какого-либо шаблона или процесса для их разработки. Серебряная сеть «возникла спонтанно», говорит Тодд Хилтон, бывший менеджер DARPA, поддержавшего проект на ранних этапах.
Гимжевски считает, что сеть серебряных проводов или подобные устройства могут стать лучше традиционных компьютеров в прогнозировании сложных процессов. Традиционные компьютеры моделируют мир уравнениями, которые часто только приблизительно описывают сложные явления. Нейроморфные сети на атомных переключателях выравнивают собственную внутреннюю структурную сложность с явлением, которое моделируют. И они также делают это быстро — состояние сети может колебаться со скоростью до десятков тысяч изменений в секунду. «Мы используем сложную систему для понимания сложных явлений», говорит Гимжевски.
В начале этого года на заседании Американского химического общества в Сан-Франциско Гимжевски, Стиг и их коллеги представили результаты эксперимента, в ходе которого они скормили устройству первые три года шестилетнего набора данных о дорожном движении в Лос-Анджелесе, в форме серии импульсов, указывающих количество проезжающих машин в час. Через сотни часов обучения вывод, наконец, предсказал статистическую тенденцию второй половины набора данных, и вполне неплохо, хотя устройству его не показывали.
Возможно, однажды, шутит Гимжевски, он использует сеть для прогнозирования фондового рынка.
hi-news.ru
Искусственный интеллект воссоздал активность мозга при движении
Фото: Neil Lockhart / Shutterstock.com
Мозг живого существа использует определенные нейроны для того, чтобы определять место этого существа в пространстве. Исследователи из Университетского колледжа Лондона (University College London) совместно с одной из «дочек» Google компанией DeepMind решили проверить, каким образом будет производить те же действия программа, созданная на основе алгоритмов машинного обучения. Компьютер должен был рассчитать, как будет двигаться виртуальная крыса в виртуальной реальности, а специалисты наблюдали за работой искусственного интеллекта. Они проверяли гипотезу о том, что мозг осознает себя в пространстве, основываясь на скорости и направлении перемещения тела.
Оказалось, что программа выработала принципы управления крысой, схожие с теми, которые в течение миллионов лет создавались эволюцией. Когда настоящее животное определяет себя в пространстве, в его мозге работают нейроны решетки, клетки, которые становятся активными, когда животное переходит из одной воображаемой координатной точки в другую. Координатные единицы такой сетки похожи на шестиугольники. Те же самые основанные на шестиугольниках схемы наблюдались и при работе компьютерной программы. Алгоритм позволил виртуальной крысе не только перемещаться по лабиринту, но и запоминать кратчайшие пути – то же самое происходит с реальными животными. Ученые подчеркнули, что надеялись увидеть сходство алгоритма и механизма работы нейронов решетки, но не ожидали, что оно будет настолько сильным. Искусственный интеллект, отметили авторы работы, может быть крайне полезным инструментов при тестировании гипотез, касающихся функционирования мозга.
med.vesti.ru
Искусственный мозг
Сегодня трудно сказать, кто ближе всех находится на пути создания искусственного интеллекта - именно такую цель преследуют ученые, занимающиеся созданием искусственного мозга. Из разных стран мира последнее время приходят сообщения о разработке искусственных синапсов, представляющих собой цепочки нейронов.
Именно из синапсов с миллиардами связей между ними состоит мозг человека. Мозг - удивительное создание, по своей энергоэффективности в невероятное количество раз превосходящее все зозданные человеком компьютеры. Для его работы требуется примерно 20 ватт, в то время, как суперкомпьютеры нуждаются в целых электростанциях мегаваттной мощности. И это при том, что возможности мозга человека на многие порядки превосходят все современные творения рук человеческих. Именно поэтому внимание ученых ведущих научных центров сконцентрировано на создании структуры, которая по своему строению и принципу работы соответствовала бы мозгу. Конечной целью ученые видят действующий искусственный мозг, который некоторые футуристы надеются использовать для увеличения продолжителльности жизни.
Искусственный мозг – реальность обозримого будущего
Кора головного мозга человека содержит 22 миллиарда нейронов и 220 триллионов синапсов. Даже самые современные компьютеры не способны обрабатывать подобные массивы данных. Однако, по мнению ученых, этот вопрос решится в течение трех лет.
Ускорение мышления привело бы к замедлению происходящего вокруг в сознании людей. Ускорилось бы восприятие, а деятельность, наоборот, казалась бы медленной. То есть секунды в реальности превратились бы в минуты для нашего усовершенствованного мозга. Многих проблем в чрезвычайных ситуациях это позволило бы избежать.
Искусственный мозг позволил бы ощутимо расширить возможности человека: можно было бы говорить на иностранных языках, не изучая их, вести дискуссии на незнакомые темы, иметь фотографическую память, не говоря уже об управлении техникой силой мысли.
Дальнейшее развитие технологий приведет к тому, что люди смогут не бояться несчастных случаев. По данным, сохраненным в искусственном мозге, можно будет полностью восстановить каждый орган физического тела. То есть после автокатастрофы человек просто проснулся бы, не зная, что умирал. При остановке сердца биологический мозг погибает через несколько минут. Искусственный же просто «выключился» бы в ожидании источника питания.
По прогнозам экспертов, все эти фантастические перспективы вполне осуществимы уже к 2050 году. Опасения по поводу превращения в киборгов и потери человечности можно разделять или нет. Ученые говорят, что это неизбежность. В качестве аргументов в пользу искусственного мозга и клонирования тела человека в неограниченных количествах приводятся уже реальные положительные примеры современности: очки, титановые пластины, вставные зубы и т. д.
Создана миниатюрная нейронная модель мозга
Исследователи из Университета Брауна придумали способ создания мини-мозга – 3D-модели настоящего мозга из нервной ткани с функционирующими синапсами. передающими электрические сигналы. Такого рода модели могут быть использованы в дальнейшем для неврологических исследований.
Разумеется, данный прототип мозга не способен думать, однако он больше похож на настоящие клетки и структуры, нежели ранее культивированные двумерные ткани, а также больше подходит для научно-исследовательских целей из-за некоторых свойств, схожих с реальными органами. Например, несколько типов клеток мини-мозга способны образовывать синапсы, или электрические соединения, друг с другом.
Диаметр созданного мини-мозга – всего треть миллиметра, но форма и плотность аналогичны мозгу грызуна. Он не требует использования микроэлектроники или искусственного коллагенового каркаса, как предыдущие модели, однако при этом способен формировать молекулы, секретируемые клетками.
Мини-мозг был выращен из крохотных частичек мозга лабораторной мыши, полученных в ходе биопсии. Затем методом центрифугирования клетки очистили, изолировали необходимые и высеяли их на желеобразную форму.
Последняя была разработана стартапом одного из разработчиков мини-мозга Джеффри Моргана — компанией MicroTissues Inc.. Через несколько дней клетки образовали сферу, которая затем развила небольшую нейросеть: на это потребовалось примерно две-три недели.
Первоначально глава исследования Диана Хоффман-Ким разработала эту методику создания тестовой модели для своей лаборатории, дабы обеспечить платформу для тестирования трансплантации нервных клеток .
Однако теперь разработчики хотят увеличить количество производимых "органов" и полагают, что данная технология может сократить необходимость использования животных в нейронаучных экспериментах. Разработчики сообщают, что один такой мини-мозг стоит всего 25 центов. А значит, он может стать доступной моделью практически для любой лаборатории мира.
Ученые создали искусственный мозг крысы
Нейрофизиологи и программисты из Федеральной политехнической школы Швейцарии в Лозанне смогли создать цифровой аналог участка мозга молодой крысы объемом около 0,29 кубических миллиметра, состоящий из 31 тысячи нейронов. Над кибермозгом участники проекта Blue Brain работали 10 лет. По словам лидера группы исследователей Генри Маркрэма, ученым пришлось шаг за шагом изучать то, какими свойствами обладают нейроны каждого типа, как каждый из них связан с соседними клетками и какими сигналами они обмениваются. Для этого разрабатывались специальные алгоритмы, имитирующие работу настоящих нервных клеток со всеми химическими процессами и реакциями внутри них.
- Создание этого мозга открывает дорогу для предсказания того, где расположены все 40 миллионов синапсов, как они соединяются друг с другом и даже того, как много ионов они посылают друг другу, - заявил Генри Маркрэм.
Эмуляция работы даже такого небольшого участка мозга потребовала всех ресурсов суперкомпьютера Blue Gene, чья производительность составляет около 209 терафлопс.
Помимо определения системы сложных связей между нейронами, ученые сделали и несколько любопытных открытий. Выяснилось, что колебания в концентрации конкретных веществ могут вызывать масштабные перестройки в работе мозга, которые невозможно предсказать по тому, как эти сигналы влияют на индивидуальные нервные клетки. В качестве примера Генри Маркрэм привел страх: адреналиновый взрыв способен вызвать как агрессию, так и желание спастись бегством.
Работы над проектом по созданию искусственного мозга начались в 2005 году с целью воссоздать мозг млекопитающих. Важно отметить, что информация по проекту "Голубой мозг" фактически засекречена. Тот факт, что ученым из Лозанны удалось успешно смоделировать мозг крысы, был известен еще в далеком 2009 году, после чего освещение проекта фактически прекратилось. Известо лишь, что к 2021 году учеными планировалось создать действующую модель мозга человека. К этому моменту ожидается появление соответствующих компьютеров.
Искусственный мозг уже реальность?
Итак, на пороге создания искусственного мозга стоят инженеры из Уэтерби. На данном этапе их работы создан искусственный синапс. Подобные искусственные синапсы во многом способны функционировать как биологические нейроны в живых системах. До создания искусственного мозга учёным пока ещё далеко, однако создание синапса открывает дорогу к массе интересных открытий. Над созданием искусственного мозга бьётся команда целого исследовательского центра из Массачусетса. Перед исследователями стоит фундаментальный вопрос: что такое интеллект и что его рождает. Ответив на него, учёные найдут способ оснастить машины искусственным интеллектом.
По самым оптимистичным прогнозам, создание разума машины будет завершено уже в 2020 году. Если технология искусственного интеллекта и дальше будет развиваться, возможности мозга машины превзойдут даже человеческие. Пока что биологические системы совершеннее, чем могут собрать инженеры. У человека в коре головного мозга находится более 20 миллиардов нейронов; вся эта нейронная сеть обменивается такими объёмами данных, которые ни один из существующих ныне компьютеров не способен обрабатывать.
Наноинженер Джон Берч утверждает, что в будущем станет возможным трансплантировать в мозг искусственные наноматериалы вместо клеток. Искусственный мозг будет обрабатывать данные быстрее, и, соответственно, быстрее мыслить. Ускорение передач сигналов в мозгу приведёт к изменению восприятия окружающих событий, так что секунда времени растянется на целую минуту. Ускоренное восприятие поможет избегать неприятности, связанные с экстремальными ситуациями.
Искусственный мозг, как было сказано выше, теоретически может дать человеческому роду физическое бессмертие. Ведь с развитием технологий трансплантации, мозг можно перенести в другое тело, не повредив данные, хранящиеся в нём. Искусственный мозг не умрёт от недостатка кислорода. С таким мозгом люди перестали бы бояться смерти как таковой. Даже если с телом что-то случится, искусственный мозг можно сохранить и подсоединить к другому источнику, словно голову профессора Доуэля. Однако получение бессмертия таким способом может превратить жизнь на Земле в ад, поскольку данные технологии в первую очередь станут доступны замым мрачным личностям, имеющим большие средства, но увы, поглощенные злом. Не следует забывать, что Бог не просто так лишил бессмертия Адама и Еву - таким образом зло в человечестве было ограничено, а человек получал сильный мотив для покаяния и исправления.
Источники: ufo-mir.ru, www.qwrt.ru, www.opentown.org, rg.ru, krosswordscanword.ru, interestingfact.ucoz.com
Это интересно
Кто такие Гунны?
Гунны - название, известное каждому школьнику. Завоеватели, буквально сметавшие на своем пути поселения, подминавшие под себя народы ...
Строительство из реголита
Инженеры из Европейского Космического Агентства разработали и испытали 3D-принтер, печатающий реголитом с помощью солнечного света. Для создания космической станции ...
Гуманоидный робот Pepper
Умный, скромный робот с искусственным интеллектом. Кому не захочется поговорить с искусственным интеллектом? Люди которые предоставляют эту ...
2 Мировая война кратко
Итоги Второй мировой войны кратко описать очень сложно. Сама война затронула судьбы многих миллионов людей и ...
Как снять усталость глаз?
В век компьютерных технологий, сложно найти такого человека, который никогда не испытывал усталости при работе за компьютером, телефоном ...
Правила самостоятельно монтажа климатического оборудования
Климатическое оборудование можно устанавливать и самостоятельно, если все дело ограничивается проведением монтажа в домашних условиях. Тем не ...
Нептун древнеримский Бог
Когда Юпитер распределял между братьями царства Вселенной, он повелел, чтобы Нептун, правил всеми водами на поверхности ...
objective-news.ru
Искусственный мозг — уже реальность ? — Тайное становиться явным
На пороге создания искусственного мозга стоят светлые инженерные умы из Уэтерби(Великобритания). На данном этапе их работы сконструирован искусственный синапс. Синапс состоит из нейронов, а нейроны, в свою очередь, из неорганических углеродных нанотрубок.
Искусственный мозг – уже реальность?Подобные искусственные синапсы во многом способны функционировать как биологические нейроны в живых системах. До создания искусственного мозга учёным пока ещё далеко, однако создание синапса открывает дорогу к массе интересных открытий. Над созданием искусственного мозга бьётся команда целого исследовательского центра из Массачусетса. Перед исследователями стоит фундаментальный вопрос: что такое интеллект и что его рождает. Ответив на него, учёные найдут способ оснастить машины искусственным интеллектом.
По самым оптимистичным прогнозам, создание разума машины будет завершено уже в 2020 году. Если технология искусственного интеллекта и дальше будет развиваться, возможности мозга машины превзойдут даже человеческие.
Пока что биологические системы совершеннее, чем могут собрать инженеры. У человека в коре головного мозга находится более 20 миллиардов нейронов; вся эта нейронная сеть обменивается такими объёмами данных, которые ни один из существующих ныне компьютеров не способен обрабатывать. Тем не менее, компьютерные технологии совершенствуются огромными скачками, и вскоре данная проблема перестанет быть актуальной.
Наноинженер Джон Берч утверждает, что в будущем станет возможным трансплантировать в мозг искусственные наноматериалы вместо клеток. Искусственный мозг будет обрабатывать данные быстрее, и, соответственно, быстрее мыслить. Ускорение передач сигналов в мозгу приведёт к изменению восприятия окружающих событий, так что секунда времени растянется на целую минуту. Ускоренное восприятие поможет избегать неприятности, связанные с экстремальными ситуациями.
Искусственный мозг приведёт человеческий род к бессмертию. Ведь с развитием технологий трансплантации, мозг можно перенести в другое тело, не повредив данные, хранящиеся в нём. Искусственный мозг не умрёт от недостатка кислорода. С таким мозгом люди перестали бы бояться смерти как таковой. Даже если с телом что-то случится, искусственный мозг можно сохранить и подсоединить к другому источнику, словно голову профессора Доуэля.
Эксперты предсказывают, что подобные технологии, о которых люди пока читали только в фантастических книгах, станут осуществимы уже к 2050 году.
Понравилась статья ? Поделись с друзьями
ufo-mir.ru
Ученые создали искусственный мозг из серебра и заставили его учиться — Альтернативный взгляд Salik.biz
Крошечная самоорганизованная сеть искусственных синапсов помнит свои переживания и может решать простые задачи. Ее создатели надеются, что когда-нибудь на основе этого искусственного мозга будут созданы устройства, по своей энергоэффективности не уступающие вычислительной мощности мозга. Вообще, мозги, если опустить их достижения в мышлении и решении проблем, совершенны в своей энергоэффективности. Для работы мозгу нужно столько же энергии, сколько поглощает 20-ваттная лампа накаливания. А один из мощнейших и быстрейших суперкомпьютеров в мире, компьютер K в Кобе, Япония, потребляет до 9,89 мегаватта энергии – примерно столько же, сколько и 10 000 домов. Но в 2013 году, даже с такой энергией, машине потребовалось 40 минут, чтобы смоделировать 1% активности человеческого мозга на протяжении 1 секунды.
И вот инженеры-исследователи из Калифорнийского института NanoSystems при Калифорнийском университете в Лос-Анджелесе надеются потягаться с вычислительной и энергоэффективной способностями мозга, благодаря системам, которые отражают структуру мозга. Они создают устройство, возможно, первое в своем роде, которое «вдохновлено мозгом генерировать свойства, которые позволяют мозгу делать то, что он делает», говорит Адам Стиг, исследователь и доцент института, руководящий проектом вместе с Джимом Гимжевски, профессором химии в Калифорнийском университете в Лос-Анджелесе.
Их устройство совсем не похоже на обычные компьютеры, в основе которых лежат небольшие провода, отпечатанные на кремниевых микросхемах в высокоупорядоченных схемах. Текущая экспериментальная версия представляют собой сетку 2 х 2 мм из серебряных нанопроводов, соединенных искусственными синапсами. В отличие от кремниевой схемы с ее геометрической точностью, это устройство переплетено как «хорошо перемешанное блюдо спагетти», говорит Стиг. При этом ее тонкая структура организована из случайных химических и электрических процессов, а не спроектирована тщательным образом.
По своей сложности эта серебряная сеть напоминает мозг. На квадратный сантиметр сетки приходится миллиард искусственных синапсов, что на несколько порядков отличается от реального мозга. Электрическая активность сети также демонстрирует свойство, уникальное для сложных систем вроде мозга: «критичность», состояние между порядком и хаосом, указывающее на максимальную эффективность.
Эта сеть чрезвычайно переплетенных нанопроводов может выглядеть хаотичной и случайной, но ее структура и поведение напоминают поведение нейронов мозга. Ученые из NanoSystems разрабатывают ее как устройство-мозг для обучения и вычислений.
Более того, предварительные эксперименты показывают, что эта нейроморфная (то есть похожая на мозг) серебряная проволочная сетка обладает большим функциональным потенциалом. Она уже может выполнять простые учебные и логические операции. Она может очищать принимаемый сигнал от нежелательного шума, а это важная способность для распознавания голоса и похожих задач, которые вызывают проблемы у традиционных компьютеров. И ее существование доказывает принцип, что в один прекрасный день станет возможно создание устройств с энергоэффективностью, близкой к энергоэффективности мозга.
Особенно любопытно эти преимущества выглядят на фоне приближающегося предела миниатюризации и эффективности кремниевых микропроцессоров. «Закон Мура мертв, полупроводники больше не могут становиться меньше, а люди начинают голосить, мол, что же нам делать», говорит Алекс Нюджент, CEO компании Knowm, занимающейся нейроморфными вычислениями и не участвовавшей в проекте Калифорнийского университета. «Мне нравится эта идея, это направление. Обычные вычислительные платформы в миллиард раз менее эффективны».
Переключатели в роли синапсов
Когда Гимжевски начал работать над своим проектом с серебряной сеткой 10 лет назад, его интересовала вовсе не энергоэффективнось. Ему было скучно. Используя сканирующий туннельный микроскоп для изучения электроники на атомных масштабах в течение 20 лет, он, наконец, сказал: «Я устал от совершенства и точного контроля и слегка подустал от редукционизма».
Редукционизм, стоит полагать, лежит в основе всех современных микропроцессоров, когда сложные явления и схемы можно объяснить при помощи простых явлений и элементов.
В 2007 году ему предложили заняться изучением отдельных атомных коммутаторов (или переключателей), разработанных группой Масакадзу Аоно из Международного центра материалов на наноархитектонике в Цукубе, Япония. Эти коммутаторы содержали тот же ингредиент, который окрашивает серебряную ложку в черный цвет, когда она касается яйца: сульфид железа, зажатый в сендвиче между твердым металлическим серебром.
Подача напряжения на устройства подталкивает положительно заряженные ионы серебра в сульфиде серебра к слою серебряного катода, где те восстанавливаются до металлического серебра. Атомные нити серебра растут, в конечном счете закрывая промежуток между металлическими серебряными сторонами. Переключатель включен, и ток может течь. Реверсирование тока имеет противоположный эффект: серебряные мосты сокращаются, а переключатель выключается.
Однако вскоре после разработки переключателя группа Аоно начала наблюдать необычное поведение. Чем чаще использовался переключатель, тем легче он включался. Если же он некоторое время не использовался, он постепенно выключался самостоятельно. По сути, переключатель помнил свою историю. Аоно и его коллеги также обнаружили, что переключатели, похоже, взаимодействовали друг с другом, так что включение одного переключателя иногда блокировало или выключало других поблизости.
Большинство в группе Аоно хотело сконструировать эти странные свойства вне переключателей. Но Гимжевски и Стиг (который только что оформил докторскую степень в группе Гимжевского) вспомнили о синапсах, переключателях между нервными клетками в человеческом мозге, которые также меняют отношения с получением опыта и взаимодействием. И так родилась идея. «Мы подумали: почему бы не попробовать воплотить все это в структуре, напоминающей кору мозга млекопитающего, и изучить ее?», говорит Стиг.
Создание такую сложную структуру определенно было сложно, но Стиг и Одриус Авиценис, который только что присоединился к группе в качестве аспиранта, разработали для этого протокол. Выливая нитрат серебра на крошечные медные сферы, они могли вызвать рост микроскопически тонких пересекающихся серебряных проводов. Затем они могли пропустить через эту сетку серный газ, чтобы создать слой серебристого сульфида между серебряными проводами, как в исходном атомном переключателе команды Аоно.
Самоорганизованная критичность
Когда Гимжевски и Стиг рассказали другим о своем проекте, никто не поверил, что это сработает. Некоторые сказали, что устройство продемонстрирует один тип статической активности и на нем осядет, вспоминает Стиг. Другие предположили противоположное: «Они говорили, что переключение станет каскадным и вся конструкция просто сгорит», говорит Гимжевски.
Но устройство не расплавилось. Напротив, когда Гимжевски и Стиг наблюдали за ним через инфракрасную камеру, входной ток продолжал менять пути, которыми проходил через устройство — доказывая, что активность в сети была не локализована, а скорее распределена, как в мозге.
Однажды осенним днем в 2010 году, когда Авиценис и его коллега Генри Силлин повышали входное напряжение в устройстве, они внезапно заметили, что выходящее напряжение начало случайным образом колебаться, будто сетка проводов ожила. «Мы сели и смотрели на это, мы были в шоке», говорит Силлин.
Они догадывались, что нашли кое-что интересное. Когда Авиценис проанализировал данные мониторинга за несколько дней, он обнаружил, что сеть оставалась на одном и том же уровне активности в течение коротких периодов чаще, чем в течение длительных. Позже они обнаружили, что мелкие области активности более распространены, чем крупные.
«У меня челюсть отвисла», говорит Авиценис, потому что они впервые извлекли из своего устройства степенной закон. Степенные законы описывают математические отношения, в которых одна переменная изменяется как степень другой. Они применяются к системам, в которых более крупные масштабы, более длительные события менее распространены, чем мелкие и более короткие, однако распространены и не случайно. Пер Бак, датский физик, почивший в 2002 году, впервые предложил степенные законы как отличительные черты всех видов сложных динамических систем, которые могут организовываться на больших масштабах и длинных дистанциях. Такое поведение, говорил он, указывает, что сложная система балансирует и функционирует на золотой середине между порядком и хаосом, в состоянии «критичности», и все ее части взаимодействуют и связаны ради максимальной эффективности.
Как и предсказывал Бак, степенное поведение наблюдалось в мозге человека: в 2003 году Дитмар Пленц, нейрофизиолог Национального института здоровья, наблюдал, что группы нервных клеток активировали другие, которые, в свою очередь, активировали другие, зачастую запуская системные каскады активаций. Пленц обнаружил, что размеры этих каскадов следуют распределению по степенному закону, и мозг действительно действовал таким образом, чтобы максимизировать распространение активности, не рискуя потерять контроль над ее распространением.
Тот факт, что устройство Калифорнийского университета также продемонстрировало степенной закон в действии, это очень важно, говорит Пленц. Потому что из этого следует, что, как и в мозге, у него есть тонкий баланс между активацией и торможением, который удерживает в работе сумму его частей. Активность не подавляет сет, но и не прекращается.
Позднее Гимжевски и Стиг нашли еще одно сходство между серебряной сетью и мозгом: точно так же, как спящий человеческий мозг демонстрирует меньше коротких каскадов активации, чем бодрствующий мозг, состояние короткой активации в серебряной сети становится менее распространенным при более низких входных энергиях. В некотором роде, уменьшение энергопотребления в устройство может создать состояние, напоминающее спящее состояние человеческого мозга.
Обучение и вычисления
И вот вопрос: если сеть серебряных проводов обладает свойствами, похожими на свойства мозга, может ли она решать вычислительные задачи? Предварительные эксперименты показали, что ответ — да, хотя устройство, конечно, еще и отдаленно не сравнить с обычным компьютером.
Во-первых, программного обеспечения нет. Вместо этого исследователи используют тот факт, что сеть может искажать входящий сигнал различными способами, в зависимости от того, где измеряется выход. Это предлагает возможное использование для распознавания голоса или изображения, поскольку устройство должно иметь возможность очищать шумный входящий сигнал.
Из этого также следует, что устройство можно использовать для так называемых резервуарных вычислений. Поскольку один ввод может, в принципе, генерировать много, миллионы разных выводов (отсюда и резервуар), пользователи могут выбирать или комбинировать выводы так, чтобы результатом стало желаемое вычисление вводных. Например, если стимулировать устройство в двух разных местах одновременно, есть шанс, что один из миллионов разных выводов будет представлять сумму двух вводных.
Задача состоит в том, чтобы найти правильные выводы и декодировать их, а также выяснить, как лучше кодировать информацию, чтобы сеть могла ее понимать. Сделать это можно будет за счет обучения устройства: путем прогона задачи сотни или тысячи раз, сперва с одним типом ввода, затем с другим, и сравнения, какой вывод лучше справляется с задачей. «Мы не программируем устройство, но выбираем лучший способ кодировать информацию так, чтобы поведение сети было полезным и интересным», говорит Гимжевски.
В работе, которая скоро будет опубликована, ученые расскажут, как обучили сеть проводов производить простые логические операции. И в неопубликованных экспериментах они обучили сеть решать простую задачу на память, которую обычно задают крысам (Т-лабиринт). В тесте Т-лабиринта крыса вознаграждается, если делает правильный поворот в ответ на свет. Имея собственную версию для обучения, сеть может делать правильный выбор в 94% случаев.
До сих пор эти результаты были не более чем доказательством принципа, говорит Нуджент. «Маленькая крыса, принимающая решение в Т-лабиринте, никогда не приближается к чему-то из области машинного обучения, что может оценивать свои системы» на традиционном компьютере, говорит он. Он сомневается, что из этого устройства можно сделать полезный чип в ближайшие несколько лет.
Но потенциал огромен, подчеркивает он. Потому что сеть, как и мозг, не разделяет обработку и память. Традиционным компьютерам необходимо передавать информацию между различными областями, которые обрабатывают две этих функции. «Вся эта лишняя коммуникация накапливается, потому что проводам нужна энергия», говорит Нуджент. Взяв традиционные компьютеры, вы должны были бы обесточить Францию, чтобы смоделировать полный человеческий мозг в приличном разрешении. Если устройства вроде серебряной сети смогут решать задачи с эффективностью алгоритмов машинного обучения, работающих на традиционных компьютерах, они смогут задействовать в миллиард раз меньше энергии. А дальше дело за малым.
Выводы ученых также подтверждают мнение, что при правильных обстоятельствах интеллектуальные системы могут формироваться путем самоорганизации, не имея какого-либо шаблона или процесса для их разработки. Серебряная сеть «возникла спонтанно», говорит Тодд Хилтон, бывший менеджер DARPA, поддержавшего проект на ранних этапах.
Гимжевски считает, что сеть серебряных проводов или подобные устройства могут стать лучше традиционных компьютеров в прогнозировании сложных процессов. Традиционные компьютеры моделируют мир уравнениями, которые часто только приблизительно описывают сложные явления. Нейроморфные сети на атомных переключателях выравнивают собственную внутреннюю структурную сложность с явлением, которое моделируют. И они также делают это быстро — состояние сети может колебаться со скоростью до десятков тысяч изменений в секунду. «Мы используем сложную систему для понимания сложных явлений», говорит Гимжевски.
В начале этого года на заседании Американского химического общества в Сан-Франциско Гимжевски, Стиг и их коллеги представили результаты эксперимента, в ходе которого они скормили устройству первые три года шестилетнего набора данных о дорожном движении в Лос-Анджелесе, в форме серии импульсов, указывающих количество проезжающих машин в час. Через сотни часов обучения вывод, наконец, предсказал статистическую тенденцию второй половины набора данных, и вполне неплохо, хотя устройству его не показывали.
Возможно, однажды, шутит Гимжевски, он использует сеть для прогнозирования фондового рынка.
Илья Хель
salik.biz
