„Moonshot“ pastangos pagaliau išsiaiškinti smegenis

„Šiandien čia yra dirbtinio intelekto problema“, – sako Davidas Coxas. Taip, jis tapo stebėtinai geras – nuo ​​beveik tobulo veido atpažinimo iki automobilių be vairuotojo ir pasaulio čempionų „Go-playing“ mašinų. Ir tiesa, kad kai kurių AI programų net nebereikia programuoti: jos yra pagrįstos architektūromis, leidžiančiomis mokytis iš patirties.

Tačiau jame vis dar yra kažkas gremėzdiško ir žiauraus, sako Harvardo neurologas Coxas. Jis sako, kad norint sukurti šunų detektorių, programai reikia parodyti tūkstančius dalykų, kurie yra šunys, ir tūkstančius dalykų, kurie nėra šunys. Mano dukra turėjo pamatyti tik vieną šunį ir nuo to laiko su džiaugsmu atkreipė dėmesį į šuniukus. Ir žinios, kurias šiandieninis AI sugeba išgauti iš visų tų duomenų, gali būti keistai trapios. Įtraukite į vaizdą šiek tiek meniškos statikos – triukšmo, kurio žmogus net nepastebėtų – ir kompiuteris gali tiesiog supainioti šunį su šiukšliadėže. Tai nėra gerai, jei žmonės naudoja veido atpažinimą, tarkime, išmaniųjų telefonų saugumui užtikrinti (žr. Ar AI jodinėja vieno triuko poniu?).

Podoktorantas Abhinavas Grama stebi smegenis.

Po bandymo gyvūno smegenys buvo pašalintos.

Ši istorija buvo mūsų 2017 m. lapkričio mėnesio numerio dalis

• Žr. likusią numerio dalį
• Prenumeruoti

Kad įveiktų tokius apribojimus, Coxas ir dešimtys kitų neurologų ir mašininio mokymosi ekspertų praėjusiais metais suvienijo jėgas, kad gautų mašininį intelektą iš žievės tinklų (MICrONS). iniciatyva : 100 milijonų dolerių pastangos pakeisti smegenis. Tai bus neurologijos atitikmuo mėnulio šūviui, sako Jacobas Vogelsteinas, MICrONS sugalvojęs ir paleidęs būdamas Intelligence Advanced Research Projects Agency, JAV žvalgybos bendruomenės tyrimų skyriaus, programos pareigūnu. (Dabar jis dirba rizikos kapitalo įmonėje Camden Partners Baltimorėje.) MICrONS mokslininkai bando nustatyti kiekvienos smulkmenos funkciją ir struktūrą mažame graužikų žievės gabale.

Tai liudija, kad smegenys yra sudėtingos, kad norint nubrėžti net šį mažytį žievės gabalėlį, kubą, kurio šonuose yra vienas milimetras – stambaus smėlio grūdelio dydžio, reikalinga mėnulio nuotrauka. Tačiau šis kubas yra tūkstančius kartų didesnis nei bet koks smegenų gabalas, kurį kas nors bandė detalizuoti. Jame bus maždaug 100 000 neuronų ir kažkas panašaus į milijardą sinapsių – jungčių, leidžiančių nerviniams impulsams pereiti iš vieno neurono į kitą.

Žiurkės smegenys inde.

Tai ambicija, kuri stebina kitus neurologus. Manau, kad tai, ką jie daro, yra herojiška, sako Eve Marder, visą savo karjerą praleidusi studijuodamas daug mažesnes neuronines grandines Brandeis universitete. Tai vienas įdomiausių dalykų, vykstančių neurologijos srityje, sako Konradas Kordingas, atliekantis kompiuterinį smegenų modeliavimą Pensilvanijos universitete.

Prieš nuskaitant smegenys priklijuojamos prie plokštelės.

Didžiausias pelnas bus neuroninės paslaptys, išgaunamos iš projekto duomenų – principai, kurie turėtų sudaryti tai, ką Vogelsteinas vadina skaičiavimo blokais naujos kartos AI. Galų gale, pasak jo, šiandieniniai neuroniniai tinklai yra pagrįsti dešimtmečių senumo architektūra ir gana supaprastinta smegenų veikimo koncepcija. Iš esmės šios sistemos skleidžia žinias tūkstančiuose tankiai tarpusavyje susijusių mazgų, panašių į smegenų neuronus. Sistemos pagerina savo veikimą reguliuodamos jungčių stiprumą. Tačiau daugumoje kompiuterių neuroninių tinklų signalai visada kaskaduoja į priekį, iš vieno mazgų rinkinio į kitą. Tikrosios smegenys yra kupinos grįžtamojo ryšio: kiekvienam nervinių skaidulų pluoštui, perduodančiam signalus iš vieno regiono į kitą, yra tiek pat ar daugiau skaidulų, kurios grįžta atgal į kitą pusę. Bet kodėl? Ar tie grįžtamojo ryšio pluoštai yra vieno kadro mokymosi paslaptis ir daugybė kitų didžiulės smegenų galios aspektų? Ar dar kažkas vyksta?

MICrONS turėtų pateikti bent kai kuriuos atsakymus, sako Prinstono universiteto neurologas Sebastianas Seungas, kuris vaidina pagrindinį vaidmenį kuriant žemėlapius. Tiesą sakant, sako jis, nemanau, kad galėtume atsakyti į šiuos klausimus be tokio projekto.

1 vaizdas: Viršutiniame kairiajame kampe esantis mažas kubas yra smegenų dalis, kuri bus pažymėta. 2 vaizdas: Ši smegenų dalis yra padengta akrilu, kad ją būtų galima supjaustyti itin plonai.

Priartinimas

MICrONS komandos – vienai vadovauja Coxas, kitai – adresu Ryžių universitetas ir Baylor College of Medicine, o trečias – Carnegie Mellon – kiekvienas siekia kažko, kas yra nepaprastai visapusiška: visų žiurkės smegenų kubinio milimetro ląstelių rekonstrukcija ir laidų schema – jungtis, rodanti, kaip kiekviena ląstelė. yra sujungtas su kiekviena kita ląstele, o duomenys tiksliai parodo, kokiose situacijose neuronai užsidega ir daro įtaką kitiems neuronams.

Pirmas žingsnis yra pažvelgti į žiurkių smegenis ir išsiaiškinti, ką iš tikrųjų veikia tame kubiniame milimetre esantys neuronai. Kai gyvūnui suteikiamas konkretus regėjimo stimulas, pavyzdžiui, tam tikra kryptimi nukreipta linija, kurie neuronai staiga pradeda skleisti impulsus, o kurie kaimynai reaguoja?

Dar prieš dešimtmetį tokių duomenų fiksavimas svyravo nuo sudėtingų iki neįmanomų: įrankių tiesiog niekada nebuvo, sako Vogelsteinas. Tiesa, mokslininkai galėjo įstumti itin plonus laidus į smegenis ir gauti gražius atskirų neuronų elektrinio aktyvumo įrašus. Tačiau jie negalėjo įrašyti iš daugiau nei kelių dešimčių vienu metu, nes ląstelės taip sandariai supakuotos. Tyrėjai taip pat galėtų nustatyti bendrą nervų veiklos geografiją, įtraukdami žmones ir kitus gyvūnus į MRT aparatus. Tačiau mokslininkai negalėjo taip stebėti atskirų neuronų: geriausiu atveju erdvinė skiriamoji geba buvo maždaug milimetras.

Nupjautos smegenų griežinėliai prilimpa prie plastikinės juostos.

Juosta su pritvirtintais smegenų pavyzdžiais apkarpoma ir uždedama ant skaidrės plokštės, kuri pateks į didžiulę nuskaitymo mašiną.

Tai, kas išmušė tą aklavietę, buvo metodų, leidžiančių priversti neuronus užsidegti gyvose smegenyse, kūrimas. Norėdami tai padaryti, mokslininkai paprastai pasėja neuronus fluorescenciniais baltymais, kurie šviečia esant kalcio jonams, kurių gausa, kai ląstelė užsidega. Baltymai gali būti chemiškai įterpti į graužikų smegenis, pernešti gerybinio viruso arba net užkoduoti į neuronų genomą. Tada fluorescencija gali būti suaktyvinta keliais būdais – galbūt naudingiausia pora lazerių, kurie pumpuoja infraraudonąją šviesą į žiurkę per langą, įtaisytą į kaukolę. Infraraudonieji dažniai leidžia fotonams prasiskverbti į palyginti nepermatomą nervinį audinį nieko nepažeidžiant, kol juos sugeria fluorescenciniai baltymai. Baltymai savo ruožtu sujungia dviejų infraraudonųjų spindulių fotonų energiją ir išskiria ją kaip vieną matomos šviesos fotoną, kurį galima pamatyti įprastu mikroskopu, kai gyvūnas į ką nors žiūri ar atlieka daugybę kitų veiksmų.

Andreasas Toliasas, vadovaujantis daliai Baylor komandos, sako, kad tai revoliucinga, nes galite įrašyti iš kiekvieno neurono, net ir tų, kurie yra šalia vienas kito.

Kokso laboratorijos komandai nustačius žiurkės nervinį aktyvumą, gyvūnas nužudomas, o jo smegenys užpilamos sunkiojo metalo osmiu. Tada komanda, vadovaujama Harvardo biologo Jeffo Lichtmano, supjausto smegenis į gabalus ir tiksliai išsiaiškina, kaip neuronai yra organizuoti ir sujungti.

Šis procesas prasideda rūsio laboratorijoje su staliniu aparatu, kuris veikia kaip delikatesų saliamio pjaustyklė. Nedidelė metalinė plokštelė kyla ir leidžiasi, metodiškai išraižydama, atrodo, gintaro spalvos kreidelės galiuką ir priklijuodama griežinėlius prie konvejerio, pagaminto iš plastikinės juostos. Skirtumas tas, kad saliamis iš tikrųjų yra kietos dervos vamzdelis, kuris apgaubia ir palaiko trapų smegenų audinį, judančioje plokštelėje yra neįmanomai aštrus deimantinis geležtė, o griežinėliai yra apie 30 nanometrų storio.

Smegenų pjūvių nuskaitymai sujungiami pagal algoritmą.

Kairėje matomas kelių pluoštų matymo laukas, sudarytas iš 61 elektroniniu mikroskopu padaryto vaizdo; Dešinėje yra sujungta 14 kelių spindulių matymo laukų.

Nuskaitymai surenkami į kubą ir nuspalvinami.

Tada kitoje laboratorijoje, esančioje koridoriuje, ant silicio plokštelių pritvirtinama juosta, kurioje yra keletas smegenų gabalėlių, ir įdedama į didelį pramoninį šaldytuvą. Prietaisas yra elektroninis mikroskopas: jis naudoja 61 elektronų pluoštą, kad vienu metu keturių nanometrų raiška nuskenuotų 61 smegenų audinio lopinėlį.

Kiekvienos plokštelės nuskaitymas trunka apie 26 valandas. Monitoriai, esantys šalia mikroskopo, rodo gautus vaizdus, ​​​​kurie kaupiasi stulbinančiai detaliai – ląstelių membranose, mitochondrijose, neurotransmiterių užpildytose pūslelėse, besigrūdančiose sinapsėse. Tai tarsi fraktalo priartinimas: kuo arčiau žiūri, tuo sudėtingiau matai.

Pjaustymas vargu ar istorijos pabaiga. Net kai iš mikroskopo pasipila nuskaitymai – jūs tarsi kuriate filmą, kuriame kiekviena pjūvis yra gilesnis, sako Lichtmanas, – jie perduodami komandai, kuriai vadovauja Harvardo kompiuterių mokslininkas Hanspeteris Pfisteris. Mūsų vaidmuo yra fotografuoti ir išgauti kuo daugiau informacijos, sako Pfister.

Tai reiškia, kad reikia atkurti visus tuos trimačius neuronus su visomis jų organelėmis, sinapsėmis ir kitomis savybėmis iš 2-D pjūvių krūvos. Žmonės galėtų tai padaryti su popieriumi ir pieštuku, bet tai būtų beviltiškai lėta, sako Pfister. Taigi jis ir jo komanda išmokė neuroninius tinklus sekti tikrus neuronus. Jis sako, kad jie veikia daug geriau nei visi kiti mūsų naudojami metodai.

Kiekvienas neuronas, neatsižvelgiant į jo dydį, išskiria ūselių mišką, vadinamą dendritais, ir kiekvienas turi kitą ilgą ploną skaidulą, vadinamą aksonu, perduodančiu nervinius impulsus dideliais atstumais – visiškai per smegenis, kraštutiniais atvejais arba net per visas kelią žemyn nugaros smegenimis. Tačiau nustatę kubinį milimetrą, kaip tai daro MICrONS, mokslininkai gali stebėti daugumą šių skaidulų nuo pradžios iki pabaigos ir taip pamatyti visą nervinę grandinę. Manau, kad atrasime dalykų, sako Pfister. Tikriausiai konstrukcijos, kurių niekada neįtarėme, ir visiškai naujos įžvalgos apie laidus.

Laukimo galia

Tarp klausimų, kuriuos MICrONS komandos tikisi pradėti atsakyti: kokie yra smegenų algoritmai? Kaip iš tikrųjų veikia visos tos neuroninės grandinės? Ir konkrečiai, ką daro visi tie atsiliepimai?

Daugelis šiuolaikinių AI programų nenaudoja grįžtamojo ryšio. Daugumoje neuroninių tinklų elektroniniai signalai pereina iš vieno mazgų sluoksnio į kitą, bet paprastai ne atgal. (Nesijaudinkite dėl termino „backpropagation“, nes tai yra būdas traukinys neuroniniai tinklai.) Tai nėra griežta taisyklė: pasikartojantys neuroniniai tinklai turi atgalinių jungčių, o tai padeda jiems susidoroti su įvestimis, kurios keičiasi laikui bėgant. Tačiau nė vienas iš jų nenaudoja grįžtamojo ryšio apie ką nors panašaus į smegenų mastą. Vienoje gerai ištirtoje regos žievės dalyje, sako Tai Sing Lee Carnegie Mellon , tik 5–10 procentų sinapsių klausosi įvesties iš akių. Likusieji klausosi atsiliepimų iš aukštesnių smegenų lygių.

Spalvoti kubeliai yra naudingi 3D įvairių neuronų struktūrų ir procesų iliustracijose, suteikiant mokslininkams iki šiol išsamiausią žemėlapį, kas iš tikrųjų vyksta smegenyse.

Egzistuoja dvi plačios teorijos apie tai, kam yra skirtas grįžtamasis ryšys, sako Coxas, ir viena iš jų yra nuomonė, kad smegenys nuolat bando numatyti savo įvestis. Kol juslinė žievė apdoroja tai Filmo kadras, taip sakant, aukštesni smegenų lygiai bando numatyti Kitas rėmelį ir perduoda savo geriausius spėjimus atgal per grįžtamojo ryšio pluoštus.

Tai vienintelis būdas smegenims susidoroti su greitai besikeičiančia aplinka. Neuronai yra tikrai lėti, sako Coxas. Nuo šviesos patekimo į tinklainę per visus apdorojimo etapus iki sąmoningo suvokimo lygio gali užtrukti iki 170–200 milisekundžių. Per tiek laiko Serenos Williams teniso padavimas nukeliauja devynis metrus. Taigi kiekvienas, kuris sugeba grąžinti tą padavimą, turi siūbuoti savo raketę remdamasis prognozėmis.

Ir jei jūs nuolat bandote nuspėti ateitį, sako Coxas, tada, kai ateis tikroji ateitis, galėsite prisitaikyti, kad kitas spėjimas būtų geresnis. Tai puikiai dera su antrąja pagrindine tiriama teorija: kad smegenų grįžtamojo ryšio ryšiai yra skirti mokymuisi. Iš tiesų, kompiuteriniai modeliai rodo, kad kova už tobulėjimą verčia bet kurią sistemą kurti vis geresnius pasaulio modelius. Pavyzdžiui, Coxas sako, kad jūs turite išsiaiškinti, kaip veidas atrodys, jei jis pasisuks. Ir tai, anot jo, gali pasirodyti labai svarbi vienkartinio mokymosi galvosūkio dalis.

Kai mano dukra pirmą kartą pamatė šunį, sako Cox, jai nereikėjo mokytis, kaip veikia šešėliai ar kaip šviesa atsimuša į paviršius. Ji jau buvo sukaupusi turtingą patirties apie tokius dalykus, vien iš gyvenimo pasaulyje. Taigi, kai ji gavo kažką panašaus į „Tai yra šuo“, - sako jis, ji galėjo pridėti šią informaciją prie didžiulio žinių bagažo.

Jei šios idėjos apie smegenų grįžtamąjį ryšį yra teisingos, jos gali būti rodomos išsamiame MICrONS smegenų formos ir funkcijos žemėlapyje. Žemėlapis galėtų parodyti, kokius triukus naudoja neuroninė grandinė, kad įgyvendintų numatymą ir mokymąsi. Galų gale naujos AI programos galėtų imituoti šį procesą.

Tačiau net ir tada mes toli gražu neatsakysime į visus klausimus apie smegenis. Neuronų grandinių žinojimas visko neišmokys. Yra ląstelių tarpusavio ryšio formų, kurios nevyksta per sinapses, įskaitant kai kurias atlieka hormonai ir neurotransmiteriai, plūduriuojantys erdvėse tarp neuronų. Taip pat yra masto problema. Kad ir koks didelis šuolis būtų MICrONS, jis vis tiek žiūri į mažą žievės gabalėlį, kad sužinotų, kas yra svarbu skaičiavimui. O žievė yra tik plonas išorinis smegenų sluoksnis. Kritines valdymo ir valdymo funkcijas taip pat atlieka giliosios smegenų struktūros, tokios kaip talamas ir baziniai ganglijai.

Geros naujienos yra tai, kad MICrONS jau paruošia kelią būsimiems projektams, kurie nustato didesnes smegenų dalis.

Didžioji dalis 100 milijonų dolerių, pasak Vogelsteino, išleidžiama duomenų rinkimo technologijoms, kurių nereikės išrasti iš naujo. Tuo pačiu metu MICrONS komandos kuria greitesnius nuskaitymo būdus, įskaitant tokius, kurie pašalina poreikį pjaustyti audinį. Harvardo, MIT ir Cold Spring Harbor laboratorijos komandos sukūrė būdą, kaip unikaliai paženklinti kiekvieną neuroną brūkšninio kodavimo schema, o tada labai išsamiai apžiūrėti ląsteles, prisotindamos jas specialiu geliu, kuris labai švelniai pripučia iki dešimčių ar šimtus kartų didesnis už įprastą dydį.

Taigi pirmąjį kubinį milimetrą bus sunku surinkti, sako Vogelsteinas, bet kitą bus daug lengviau.

M. Mitchell Waldrop yra laisvai samdomas rašytojas Vašingtone, D. C. Jis yra autorius Sudėtingumas ir svajonių mašina ir anksčiau dirbo redaktoriumi Gamta .

paslėpti