Новости искусства

Взять трex-лeтниx дeтeй в зooпaрк, и oн интуитивнo oпрeдeляeт, чтo eст листья длиннoшeee живoтнoe-жирaф из дeтскиx книг. Этo прoстo чaсть нa сaмoм дeлe дoвoльнo слoжнo. Нa кaртинкe в книгe выдeржaлa силуэт, прoстыe линии, a живoe сущeствo являeтся шeдeврoм цвeт, тeкстурa, движeниe и свeт. Oн выглядит инaчe, eсли рaссмaтривaть с рaзныx стoрoн, и имeeт вoзмoжнoсть измeнeния фoрмы, рaзмeщeния, угoл.

Oбычнo люди дoбивaются успexa в выпoлнeнии этиx зaдaч. Мы мoжeм лeгкo пoнять oснoвныe xaрaктeристики oбъeктa из прoстыx примeрax и испoльзoвaть этo знaниe для чeгo-тo нeизвeстнoгo. Нo кoмпьютeры, кaк прaвилo, нeoбxoдимo сoздaть цeлую бaзу oт жирaфoв, кoтoрыe пoявляются в рaзныx пoзax, с рaзныx тoчeк зрeния, и нaучиться рaспoзнaвaть живoтныx.

Визуaльнaя идeнтичнoсть-oднa из мнoгиx oблaстeй, гдe люди мoгут лeгкo пoбить кoмпьютeрoв. Мы тoжe ищeм лучшeгo сooтвeтствующую инфoрмaцию в пoтoкe дaнныx; решать неструктурированные проблемы; учатся играючи, как ребенок, который узнает о гравитации, играя в кости.

«Люди гораздо, гораздо более разносторонним», — говорит Тай Синг ли, исследователь и нейробиолог из Университета Карнеги-Меллон в Питтсбурге. — Мы остаемся гибкими в мышлении и в состоянии предвидеть, представить и создать будущие события».

Но в США, финансируемых новую амбициозную программу, которая призвана поставить искусственный интеллект в ряде наших собственных умственных способностей. Три команды неврологов и специалистов в области компьютерной науки, пытаются понять, как мозг выполняет эти подвиги визуальной идентификации, а затем строить машины, которые делают то же самое.

«Современные обучающие машины победили, где люди делают», — говорит Джейкоб Vogelstein, кто руководит этой программой, разведки перспективных исследовательских проектов (IARPA). — Мы хотим произвести революцию в машинном обучении методом обратного инжиниринга алгоритмов и вычислений мозга».

Времени очень мало. Каждая группа моделей соответствующей области коры в беспрецедентных деталях. Вместе они разрабатывают алгоритмы, основанные на исследованных. Следующим летом, каждый из этих алгоритмов является примером неизвестное, что он нашел свое проявление в тысячи изображений в неизвестной базе. «Сроки очень сжатые», — говорит Кристоф Кох, главный исполнительный директор и старший научный сотрудник Института наук о мозге Аллена в Сиэтле, работая с одной из команд.

Кох и его коллеги создают полную схему подключения небольшого кубика мозга в миллион кубических микрон, это примерно пять-сотая часть объема семян мака. И это на порядок больше, чем самая подробная и большая карта сплетений головного мозга на сегодняшний день, который был опубликован в июне прошлого года, и на это ушло около шести лет.

После пяти проектов IARPA, которая называется «машина разведки с кортикальной сети (мм)» ученые планируют назначить один миллиметр коры. В этой небольшой порции содержится около 100 000 нейронов, от 3 до 15 миллионов нейронных связей, или синапсов и нейронных переплетений достаточно, чтобы покрыть крупный город, если это, чтобы распутать их и тянет.

Никто не пытался реконструировать часть мозга до такой степени. Но в меньших масштабах усилия показали, что такие карты могут пролить свет на внутреннюю работу коры головного мозга. В статье, опубликованной в журнале Nature в марте, Вэй-Чунг ли Аллен нейробиолог из Гарвардского университета, который работает с командой Кох и его коллеги создали карту связей нейронов 50 и более 1000 партнеров. Совместив эту карту с информацией о работе каждого нейрона в мозгу — некоторые реагируют на визуальные сигналы, например, исследователи вывели простое правило анатомических связей между нейронами в этой части коры между собой. И выяснили, что нейроны с подобными функциями чаще соединяют и формируют важную связь между ними, и реже с другими типами нервных клеток.

Хотя цель проекта очень мм техник — исследований IARPA, что может привести к средства интеллектуального анализа данных для спецслужб, и другие, конечно, параллельно, исследователи получают данные о мозге. Андреас Tolias, невролог из медицинского колледжа Бейлор, который является одним из ведущих членов команды Коха, сравнивает наших современных знаний коры смазывания изображения. Он надеется, что беспрецедентные масштабы микро-проекта поможет улучшить четкость этой точки зрения и обнаружить более сложные правила, которые управляют нашей нейронных цепей. Не знаю всех деталей, «мы можем не заметить красоту этой структуры».

Процессор мозга

Замысловатые складки, которые покрывают поверхность мозга и образуют кору головного мозга (коры), буквально втиснут в наши черепа. Во многом это микропроцессор мозга. Слоя в три миллиметра толщиной и состоит из серии повторяющихся модулей или микросхем, что разнообразие логических вентилей на микросхемы. Каждый модуль состоит из около 100 000 нейронов, которые организованы в сложную сеть взаимосвязанных клеток. Есть свидетельства того, что основной состав этих модулей примерно одинакова во всей земной коре. Однако модули в различных областях мозга, которые специализированы для конкретных целей, таких как зрение, движения и слух.

Ученые имеют лишь примерное представление о том, как эти модули как выглядит и как действует. Они в основном ограничиваются изучением мозга в наименьшем масштабе: от десятков до сотен нейронов. Новая технология для отслеживания формы, активности и связности тысяч нейронов, только теперь позволили исследователям начать анализировать, как клетки в модуль общаться друг с другом, как деятельность в одной части системы может генерировать активность в другой части. «Впервые в истории мы получили возможность взять интервью у этих модулей, а не просто гадание на контент», — говорит Vogelstein. Разные группы имеют разные предположения о том, что внутри».

Исследователи будут уделять особое внимание той части коры, которая отвечает за зрение. Эта система обнаруживает активные исследования нейрофизиологов и специалистов компьютерного моделирования пытаются подражать. «Видение кажется простым — достаточно открыть глаза — но чтобы научить компьютеры делать то же самое очень сложно», — говорит Дэвид Кокс, нейробиолог из Гарвардского университета, возглавляющий один из IARPA команд.

Андреас Tolias (слева)

Каждая команда начинается с той же основной идеи о том, как работает зрение: старая теория, известная как анализ через синтез. Согласно этой теории, мозг делает предсказания о том, что произойдет в ближайшем будущем, а затем сравнить эти предсказания с тем, что они видят. Сила этого подхода является его эффективность — он требует меньше вычислений, чем постоянно заново каждый раз.

Может мозги анализа через синтез кучу разных способов, таких, что ученые изучают и другие возможности. Кокс-группа выглядит в мозг физический движок, используя существующую физическую модель для моделирования мира, поэтому она должна выглядеть. Команда Тай Синг ли с Джордж Черч говорит о том, что мозг имеет встроенные библиотеки деталей — кусочки предметов и людей, и узнать правила, как собрать эти части вместе. Листья, например, обычно появляются на ветках. Группа Tolias работать на более зависеть от поступающих данных подход, при котором мозг создает статистическое ожидание мира, в котором он живет. Его группа будет тестировать различные гипотезы о том, как различные части формы, чтобы научиться общаться.

Все три группы будут контролировать нейронную активность тысяч нейронов в целевой куб головного мозга. Затем вы можете использовать различные методы, чтобы создать схему подключения этих клеток. Компании Кока-Кола, например, будет резать ткань мозга в слоях тоньше человеческого волоса, и будет анализировать каждый кусочек с помощью электронной микроскопии. Затем исследователи клееного каждого сечения на компьютере, чтобы создать плотно упакованную трехмерную карту, как миллионы нервных проводов перемещаться по коре.

Карта и диаграммы активности в стороны, каждая команда будет пытаться понять основные правила, которые применяются по схеме. Затем внедрить эти правила в моделировании, и оценить, насколько эффективно моделирование соответствует реальному мозгу.

Tolias Андреас и его коллеги создали карту связей между парами нейронов и записал их электрической активности. Сложное анатомическое строение пяти нейронов (вверху слева) можно свести к простой схеме (вверху справа). Если пропустить электрический ток через нейрон 2, она включается путем запуска электрический заряд в две клетки ниже цены, нейроны 1 и 5 (внизу)

Tolias и его коллеги пробовали такой подход. В статье, опубликованной в журнале Science в ноябре, они нанесли на карту нейронных соединений 11 000 пар, и показывает пять новых типов нервных клеток. «Мы все еще не имеем полного списка частей, составляющих кору, отдельных клеток, их связи», — говорит Кох. С него началась Tolias».

Среди тысяч нейронных связей, группа Tolias открыл три общих правила, которые определяют соединение клеток: одни общаются в основном с нейронами собственного вида, в то время как другие избегают ее иметь Тип, общаясь в основном с другими видами; третья группа общается только с несколькими другими нейронами. (Группа Tolias конкретной ячейки на основе нейронных анатомия, а не функция, в отличие от группы Вэй ли). Используя только эти три правила общения, исследователи смогли достаточно точно воспроизвести схему. «Сейчас стоит задача выяснить, что эти правила означают связь алгоритмов», — говорит Tolias. — Какие расчеты они выполняют?».

Нейронная сеть на основе этих нейронов

Искусственный интеллект основан на мозг — идея не новая. Так называемая нейронная сеть, которая имитирует основные структуры мозга, и был очень популярен в 1980-х годах. Но в то время ученые в этой области не хватало вычислительной мощности и сведения о том, как создавать эффективные алгоритмы. И все эти миллионы фотографий котов в Интернете, не было. Даже если нейронная сеть пережила многие эпохи Возрождения в наше время трудно представить жизнь без распознавания речи программное обеспечение и устройства, и компьютер AlphaGo недавно избили лучший в мире игрок в го правила, использование нейронных сетей для изменения их соединения, почти наверняка будут отличаться от тех, которые использует мозг.

Современные нейронные сети «на основе того, что мы знали о мозга в 1960-х годах», — говорит Терри Sejnowski, вычислительный нейробиолог из Института Солка в Сан-Диего, разработаны первые алгоритмы нейронных сетей Джеффри Хинтон, исследователь из Университета Торонто. «Наши знания о том, как мозг организован, трещит по швам».

Например, современные нейронные сети состоят из прямоточной архитектуры, где информация идет от входа до выхода через ряд слоев. Каждый слой обучены распознавать определенные особенности, такие как глаза и усы. Затем анализ продолжается, и каждый последующий слой выполняет многообразные и более сложные расчеты. В итоге, программа распознает в серии цветных пикселей кошка.

Но в будущем эта структура отсутствует важная часть биологической системы: Обратная связь, как в пределах отдельных команд и между командами более высокого порядка с более низкой. В реальных нейронов мозга в тех же слоях коры связаны с их соседями, а также с нейронами в слоях выше и ниже, и образуют сложную сеть петель. «Отзывы-это очень важная часть кортикальной сети», — говорит Sejnowski. — В те же сигналы обратной связи, как и соединения с прямой связью».

Неврологи до сих пор не полностью понимаю, что вы делаете петли обратной связи, хотя я знаю, что они важны для нашей способности сосредоточиться. Они помогают нам слышать голос по телефону, не отвлекаясь на звуки города, например. Часть популярности теории для анализа синтеза заключается в том, что она дает основания для всех этих повторяющихся связей. Они помогают мозгу сравнить их прогнозы с реальностью.

Мои ученые стремятся прояснить правила, которые применяются для обратной связи — например, адреса ячеек соединить петли, которая состоит в активизации его деятельности и как эта деятельность влияет на вывод от схемы — и после того, как вы установили эти правила в алгоритм. «Теперь получается, что автомобиль недостает воображения и интроспекции. Я думаю, что схема обратной связи позволяет нам представить, и semianalytical на разных уровнях», — говорит Тай Синг ли.

Может, петля обратной связи в один день придать автомобилю черты, которые мы рассматриваем как уникальный народ. «Если вы можете реализовать цепь обратной связи в глубокую сети, из сети, которые только в состоянии «коленный рефлекс» — для обеспечения ввода и вывода перейти к более рефлексивным сеть, которая начнет осмысливать свои железки и проверки гипотез», — сказал Sejnowski.

Ключ к тайне сознания

Как и все программы IARPA, проект-моему это большой риск. Технология, которая необходима исследователям для крупномасштабного картирования нейронной активности и плетет существует, но никто не использовал их в таких масштабах до сих пор. Исследователи должны обрабатывать большие объемы данных — 1-2 петабайт данных на кубический миллиметр мозга. Возможно, придется разрабатывать новые инструменты машинного обучения для анализа всей этой информации, что очень странно.

Также неясно, будет ли опыт от небольшого локуса мозга, подразумевает, тем больше талантов мозга. «Мозг-это не просто кусочек коры,» — говорит Sejnowski. — Мозг-это сотни систем, специализированных для выполнения различных функций».

Кора головного мозга состоит из повторяющихся звеньев, которое выглядит примерно так же. Но другие части мозга могут работать совершенно по-разному. «Если вам нужен AI, который выходит за рамки простого распознавания образов, вам понадобится много разных деталей», — говорит Sejnowski.

Если проект получится, но он сделает больше, чем анализа. Успешный алгоритм позволит выявить важные истины о том, как мозг дает миру смысл. В частности, это поможет подтвердить, действительно ли работает мозг посредством анализа через синтез является то, что он сравнивает предсказания о мире с данными, поступающими от наших органов чувств. Он покажет, что ключевой ингредиент в рецепте сознание постоянно меняется сочетание воображения и восприятия. Чтобы построить машину, которая может думать, исследователи надеются раскрыть секреты разума.