infa.lt

scientificamerican.com

©iStock

Prieš 30 metų JAV vyriausybė pradėjo projektą „Žmogaus genomas“ – visų žmogaus, kaip biologinės rūšies, genų sekvenavimo ir žemėlapio sudarymo projektas, jo numatoma trukmė – 13 metų. Nežiūrint į tai, kad pradžioje šis projektas kėlė nepasitikėjimą, kurie netgi peraugo į protestus, jis gerokai pakeitė genetiką kaip mokslą ir šiandien laikomas vienu sėkmingiausių projektų istorijoje.

Šiuo metu Pažangių tyrimų žvalgyboje agentūra (IARPA), vykdanti mokslinius tyrinėjimus JAV žvalgybos bendruomenei ir sukurta kaip žymios JAV gynybos ministerijos Perspektyvių gynybinių mokslinių tyrimų agentūros analogas (DARPA), skyrė 100 milijonų dolerių tokiam pat grandioziniam projektui. Didelės tyrinėjimų programos „Dirbtinis intelektas iš neuroninių tinklų“ (Machine Intellingence from Cortical Networks/MICrONS) tikslas – atlikti vieno kubinio milimetro smegenų pavyzdžio inžinerinę analizę, ištirti mechanizmus, kuriais smegenys atlieka skaičiavimus ir remiantis tais duomenimis padidinti dirbtinio intelekto algoritmų darbo našumą. Šio projekto vykdymui IARPA sutelkė tris mokslininkų grupes, kuriems vadovauja biologas ir kompiuterinių mokslų specialistas iš Harvardo universiteto Deividas Koksas (David Cox), kompiuterinių mokslų specialistas iš Karnegio-Melono universiteto Tai Sing Li (Tai Sing Lee) ir neuronų mokslo srities specialistas iš Beiloro medicinos loledžo (BCM) Andreas Tolias (Andreas Tolias). Kiekviena komanda sudarė savo penkerių metų tyrimų programą. dirbtinis intelektas

„Tai solidi lėšų investicija, kadangi mes laikome šią problemą ypač svarbia ir jos sprendimas gali pakeisti žvalgybinės bendruomenės darbą bei apskritai pakeisti visą pasaulį“, – teigia IARPA atstovas Džeikobas Fogelšteinas (Jacob Fogelstein), kuruojantis MICrONS programą.

Didelės tyrimų programos MICrONS, veikiančios pagal prezidento Obamos sprendimu pradėtą JAV nacionalinį projektą BRAIN Initiative (Brain Research Through Advancing Innovative Neurotechnologies – angl. smegenų tyrinėjimas pasitelkus besivystančias inovatyvias neurotechnologijas) tikslas – proveržis skaičiavimo technikos srityje, sukurtos pagal žmogaus smegenų modelį. Šiandien daugelis technologijų jau naudoja grupę algoritmų, vadinamų dirbtiniu neuronų tinklų, kurie, sprendžiant iš pavadinimo, sukurti naudojant smegenų architektūrą (ar bent jau tai, ką mes apie tą architektūrą žinome).

Žymaus kompiuterio darbo našumo padidėjimo ir milžiniško kiekio duomenų internete dėka Facebook gali atpažinti veidus, Siri atpažįsta balsus, automobiliai gali važinėti be vairuotojo, o kompiuteris gali laimėti prieš žmogų, žaisdamas šachmatus. Tačiau šie algoritmai vis dar nėra tobuli ir jų pagrindą sudaro supaprastinti informacijos analizės procesai pagal šablonus ir pavyzdžius. Kaip taisyklė, dirbtinių neuroninių tinklų, sukurtų 1980-ųjų modelių pagrindu darbo našumas apkrautoje sferoje, kur objektas, kurį kompiuteris bando atpažinti, paslėptas tarp daugybės objektų, kurių daugelis užstoja vienas kitą arba identifikuojami nevienareikšmiškai, nėra didelis. Be to, šie algoritmai nėra pakankamai pajėgūs apibendrinti. Pavyzdžiui, jei kompiuteriui parodysime vieną ar du šuns atvaizdus, tai atpažinti visų šunų jis neišmoks.

O štai panašu, kad žmonės su tokia užduotimi susidoroja be vargo. Mes galime atskirti draugą minioje, išskirti pažįstamą balsą triukšme bei pastebėti garsines ar vaizdines formas iš vieno ar kelių pavyzdžių, girdėtų ar matytų anksčiau. Mes nuolatos mokomės apibendrinti be jokios pagalbos ar instrukcijos. Todėl, norint išsiaiškinti, kurių iš šių modelių trūksta kompiuteriui, MICrONS projekto dalyviai ėmėsi tyrinėti smegenis. „Tai – geriausias orientyras“, – mano Koksas.

Nors neuroniniai tinklai ir turi savyje architektūros elementų, rastų smegenyse, skaičiavimo metodai, kuriais jie naudojasi, nėra tiesioginė kokių nors algoritmų, kuriuos informacijos apdorojimui naudoja neuronai, kopija. Kitaip sakant, būdai, kuriais šiuolaikiniai algoritmai mato, supranta informaciją ir jos pagrindu mokosi – tai inžineriniai sprendimai, naudojami daugiausia bandymų ir klaidų būdu.

Jie veikia, tačiau mokslininkai iš tikro nežino kodėl – ar bent jau žinių nepakanka, kad galėtų sukurti dirbtinį neuronų tinklą. Vis dar nėra aišku, ar toks informacijos apdorojimas neuronuose yra panašus į tai, kaip tai daro žmogaus smegenys. „Todėl, jei mes įsigilinsime ir iš smegenų gausime informaciją ne tik architektūros, tačiau ir skaičiavimo lygiu, tai galėsime užbaigti šių algoritmų kūrimą ir jų darbo metodus priartinti prie smegenų darbo mechanizmų“, – sako Fogelšteinas.

Visos trys mokslininkų grupės bandys sudaryti pilną signalų tarp neuronų, esančių viename kubiniame laboratorinės pelės smegenų žievės milimetre, schemą. Gali atrodyti, jog vieno kubinio milimetro – mažiau nei vienos milijoninės žmogaus smegenų dalies – yra per maža. Tačiau šiandienos mokslas vienu metu gali išmatuoti arba tik keleto neuronų veiklą, arba milijonų neuronų, užfiksuotų kombinuotuose vaizduose, gautuose naudojant funkcinio magnetinio rezonanso tomografijos metodą. Šiuo metu MICrONS programos dalyviai, bandymų metu, kai laboratorinė pelė stebės vaizdus bei vykdys mokymosi komandas, planuoja užrašyti 100 tūkstančių neuronų veiklą bei tarpneuroninius ryšius – planas gana sudėtingas, kadangi reikės daryti manometrinio tikslumo nuotraukas bei dirbiti su vos kelių milimetrų ilgio laidais. „Tai tas pats, kas sudarinėti JAV žemėlapį, matuojant kiekvieną colį“, – teigia Fogelšteinas.

Vis dėl to Fogelšteinas nusiteikęs optimistiškai, ypač kai tyrinėjimams yra skirtos lėšos. „Pradėjus veikti nacionaliniam projektui BRAIN Initiative, atsirado daugybė naujų įrankių bei metodų, reikalingų atlikti detalų smegenų tyrimą schemoms sudaryti, – pažymi jis. – Taigi, tai – istorinis momentas, kai mes pirmą kartą istorijoje turime įrankius, metodus ir technines priemones principinės schemos, kurioje bus pažymėtas kiekvienas neuronas bei kiekvienas sinapsis, sukūrimui“.

Kiekviena grupė smegenų „kelių žemėlapį“ ruošiasi sudarinėti savaip. Pelių smegenų mokymosi atskirti vaizdus kompiuterio ekrane proceso metu tyrinėjimui grupė, kuriai vadovauja Koksas, planuoja naudoti taip vadinamą dviejų fotonų mikroskopijos metodą. Mokslininkai ruošiasi suleisti pelėms modifikuotą fluorescentinį baltymą, jautrų kalciui. Kai neuronas įsižiebia, kalcio jonai veržiasi į ląstelę – dėl to baltymai ima šviesti ryškiau, todėl pasinaudoję skanuojančiu lazeriniu mikroskopu mokslininkai galės stebėti, kaip įsižiebia neuronai. „tai šiek tiek primena smegenų pasiklausymą, – aiškina Koksas. – Kaip pasiklausoma telefoninių pokalbių, norint žinoti, kas vyksta, taip ir čia mes galime pasiklausyti svarbių vidinių procesų, vykstančių gyvo ir atliekančio kažkokius veiksmus organizmo smegenyse“.

Po to vieno kubinio milimetro dydžio pelės smegenų dalį išsiųs į Harvardo universitetą – biologui bei neuronų mokslininkui Džefriui Lichtmanui (Jeffrey Lichtman). Jo laboratorijoje pavyzdys bus supjaustytas į neįtikėtino plonumo riekeles bei ištirtas naudojantis šiuolaikiniu mikroskopu, turinčiu tokią raišką, kurios pakanka pamatyti besijungiančias, išsitempusias bei į laidus panašias smegenų ląstelių dalis. Toliaso vadovaujama grupė naudos panašų metodą, vadinamą trijų fotonų mikroskopija. Tuo pačiu šios grupės mokslininkai galės ištirti ne tik paviršines pelės smegenų dalis, kurias tyrinės Koksas ir jo kolegos, tačiau įsiterpti ir į daug gilesnius smegenų sluoksnius.

O štai grupė, vadovaujama Li, galvos smegenų neuronų ryšio žemėlapio sudarymui ruošiasi naudoti gerokai radikalesnį būdą. Kartu su Harvardo universiteto medicinos mokyklos genetikos mokslininku Džordžu Čerču (George Church) jie planuoja panaudoti DNR brūkšninį kodavimą – tai yra, kiekvieną neuroną jie sužymės pagal unikalų nukleotidų eiliškumą (brūkšniniu kodu) bei cheminiu būdu per sinapsį sujungs tuos brūkšninius kodus, taip atkurdami schemą.

Nors šis metodas ir neleidžia gauti tokios tikslios erdvinės informacijos, nei naudojanti mikroskopiją, tačiau Li tikisi, jog jis bu gerokai tikslesnis bei suteiks galimybę rezultatų sulaukti daug greičiau – žinoma, su sąlyga, jei apskritai pasiseks. Kol kas šis metodas dar niekada nėra panaudotas sėkmingai. „Jei šis DNR brūkšninio kodavimo metodas pasirodys esąs efektyvus, jis kardinaliai pakeis neuronų mokslą ir konektomiką“, – mano Li.

Bet tai tėra tik viena didelės MICrONS programos pusė. Po to mokslininkai turės išsiaiškinti, kaip visą šitą informaciją galima panaudoti pritaikant ją mašinų mokymo algoritmuose. Šiuo klausimu jie turi keletą idėjų. Pavyzdžiui, daugelis mokslininkų mano, jog smegenys iš prigimties yra bajesinės, tai yra, neuronai sensorinę informaciją mato kaip tikimybių pasiskirstymą, remiantis ankstesne patirtimi numato labiausiai tikėtiną įvykio interpretaciją. Ši hipotezė pirmiausia remiasi mintimi, kad galvos smegenyse egzistuoja grįžtamojo ryšio grandinės – teigiama, jog informacijos srautas yra nukreipiamas ne tik pirmyn, ir kad egzistuoja gerokai daugiau jungčių, nukreipiančių informaciją atgal.

Kitaip sakant, tyrinėtojai hipotetiškai spėja, jog suvokimas nėra tik paprastas informacijos perdavimo nuo kažkokio sąlyginio įėjimo link išėjimo procesas. Greičiausiai egzistuoja koks nors konstruktyvus procesas, „analizė sintezės būdu“, kurio metu smegenys saugo ir sukuria vidinį supančios aplinkos vaizdą, formuoja prognozes, leidžiančias joms interpretuoti gaunamus duomenis bei planuoti, kaip pasinaudoti tais duomenimis. „Šiuo metu mes ypatingai nuodugniai studijuojame pagrindinį principą – sintezės proceso ypatumus, – aiškina Koksas. – Kai mes fantazuojame, kas galėjo įvykti pasaulyje, o vėliau palyginame su tuo, ką matome iš tikro, o po to tai mes panaudojame formuodami savo suvokimą“.

Pavyzdžiui, akies tinklainė, kuri reaguoja į šviesą, generuodama elektros signalus, kuriuos per regos nervą perduoda į smegenis, yra dvimatė struktūra. Todėl, kai žmogus mato daiktą, tai greičiausiai smegenys naudoja tokį tikėtiną modelį, kuris apie trimatę aplinką leidžia spręsti iš šviesos, pakliūnančios į dvimatį tinklainės paviršių. Nors, jei viskas iš tikro yra taip, tuomet smegenys rado gerokai efektyvesnius kintamų dydžių aproksimacijos ir bendrinimo būdus, nei tai galime daryti mes, pasitelkę turimus matematinius modelius.

Juk, jei jūs apžiūrinėjate paveikslą, turintį 100 objektų, tai įsivaizduokite vien tai, kiek tie objektai turi parametrų tiesiogine bei grįžtamąja kryptimi (tik dviem kryptimis iš daugelio). Vienu metu – 2100 galimų kombinacijų. Gauti atsakymą skaičiavimo būdu kažin ar įmanoma. O štai smegenys tai lengvai atlieka su begalybe galimų krypčių: įskaitant įvairius atstumus, posūkių kampus bei skirtingas apšvietimo sąlygas. „Tai, ką daro smegenys – permąsto šią bazinių koordinačių įvairovę ir leidžia lengvai atskirti jas vieną nuo kitos“, – aiškina Tolias.

Kiekviena iš trijų grupių darbui sutelkė kompiuterinių technologijų specialistus, kurie šias teorijas įdiegs į matematinius modelius, o vėliau sulygins juos su duomenimis, gautais atliekant inžinerinę smegenų analizę. „Kiekvienam konkrečiam algoritmo aprašymui – pavyzdžiui, tikimybių algoritmui – egzistuoja milijonai realizacijos variantų, juos būtina išrinkti bei peržiūrėti, norint paversti šią teoriją veikiančia programa, – pasakoja Fogelšteinas. – Iš to milijono (ar bent jau panašiai tiek) variantų kai kurios šių parametrų bei charakteristikų kombinacijos leidžia sukurti gerą algoritmą, o štai kitų kombinacijų dėka galima sukurti neefektyvius ar visiškai netinkamus algoritmus. „Ištraukiant“ šių parametrų nustatymus iš smegenų, o ne spėliojant, pasitelkus programinę įrangą (kaip tai darėme anksčiau), tikimės paieškos lauką sumažinti iki nedidelio kiekio algoritmo realizacijos variantų, sulyginamų su smegenų veikla“.

Tokių vidinių modelių pagalba MICrONS projekto dalyviai planuoja sukurti labiau automatizuotas mašinas – ypač, kai kalbame apie mokyti mašinas atskirti objektus be jų supažindinimo su tūkstančiais pavyzdžių, kuriuose daiktai pažymėti pavadinimais. Fogelšteinas nori padėti JAV žvalgybai, panaudojant nekontroliuojamo mokymosi metodiką. „Mes galime turėti tik vieną atvaizdą ar tik vieną norimos išvengti programišių atakos pavyzdį, ar vienas finansinės krizės įrašas, arba gamtos reiškinį, keliantį problemą. Vis gi mes turime generalizuoti šią informaciją, sugretinus ją su gerokai platesniu situacijų spektru, kurio rėmuose gali atsirasti tokie įvykiai ar požymiai, – pasakoja jis. – Štai šito mes ir siekiame: efektyvesnio bendrinimo, padidinti sugebėjimą išskirti pagrindinius požymius bei efektyviau panaudoti duomenis“.

Nors mokslininkai sutinka, jog tokių algoritmų, paremtų duomenimis, gautais tyrinėjant smegenis, kūrimas bus pati sudėtingiausia MICrONS projekto dalis (jiems teks nustatyti to, kaip smegenys apdoroja informaciją bei sukuria naujas jungtis, programavimo būdą), kai kurios problemos sunkiai sprendžiamos jau ankstyvoje darbo stadijoje. Pavyzdžiui, matuojant smegenų parametrus bus gauti duomenys, užimantys maždaug du petabaitus – tai lygu 250 nešiojamų kompiuterių atminties talpai arba 2,5 milijonui kompaktinių diskų. Saugoti tokį kiekį informacijos bus gana sudėtinga, todėl šios problemos sprendimo paieškai IARPA pakvietė kartu dirbti kompaniją Amazon.

Be to, šie duomenys yra paveikslėlių formos. Informacijos tokiame duomenų masyve paieškai naudojamas procesas, vadinamas segmentacija, kuriame kiekvienam struktūriniam neuronų elementui bei jų junginiui suteikiama sava spalva – tam, kad kompiuteris geriau suprastų bendras charakteristikas bei požymius. „Net jei spalvinimo darbą atliktų visi Žemėje gyvenantys žmonės, tai kiekvieno paveikslėlio kubinio centimetro nuspalvinimui prireiktų viso gyvenimo“, – teigia Lichtmanas. Vietoje to, grafinių duomenų segmentacijai mokslininkai kurs tobulesnes kompiuterinio vaizdo apdorojimo metodikas.

Lichtmanui jau pavyko apdoroti 100 terabaitų informacijos (dvidešimtosios viso MICrONS projekto duomenų masyvo dalies, kurį tikimasi surinkti). Šie duomenys buvo gauti tyrinėjant nedidelį talamuso pavyzdį – tai smegenų dalis, atsakanti už informacijos, gautos iš jutimo organų, paskirstymą. Jo vadovaujamos mokslininkų grupės darbo rezultatai bus paviešinti moksliniame leidinyje Cell, kuris specializuojasi molekulinės ir ląstelių biologijos srityje. „Mes atradome, jog kartais, susijungdamas su ta pačia nervinių ląstelių dalimi vienas ir tas pats aksonas (neuritas) šokinėja nuo vienos ląstelės prie kitos, o tai rodo, jog talamusas sudarytas ne taip, kaip mes manėme“, – sako Lichtmanas. Gali būti, jog tą patį jie ras ir tame vieno kubinio milimetro dydžio galvos smegenų žievės pavyzdyje, kurį ėmėsi tyrinėti. „Žinome, jog galime dirbti ir su dideliais duomenų kiekiais, tačiau šiuo metu mes pradedame tyrinėti tai, ką galime vadinti milžinišku kiekiu, – teigia jis. – Tai – didelis žingsnis pirmyn. Ir mes manome, jog esame tam pasiruošę“.

Filosofijos daktaras, matematikas ir Fildso premijos laureatas Deividas Mamfordas (David Mumford), konsultuojantis Li grupę, nors ir nėra programos dalyvis, projektą sutiko entuziastingai. „Tai – tikras progresas, – sako jis. – Kai tik bus gauti tokio tipo duomenys, mokslininkai susidurs su įdomia ir sudėtinga užduotimi – jie turės išsiaiškinti, ką galima padaryti, kad geriau suprastume neuronų sąveikos būdus. Aš seniai svajojau, kad kada nors atsiras galimybė užrašyti tokią galybę informacijos ir manau, kad šie žmonės tikrai galės tai padaryti“.

„Tačiau aš gana skeptiškai žiūriu į galimybę panaudoti šiuo duomenis kuriant neuronų tinklus, – tęsia jis. – Kol kas tai gana sunkiai suprantama, ir yra gerokai atitolę nuo realaus gyvenimo“.

Tačiau, jei taip ir yra, visgi visų trijų grupių mokslininkai įsitikinę, jog jų darbas duos vaisių. „Tai, ką gausime – nesvarbu, ką būtent – jau yra sėkmė, – mano Lichtmanas. – Galbūt gausime visiškai ne tai, ko tikėjomės, tačiau tai – galimybė. Ir aš nekankinu savęs abejonėmis, ar mūsų idėja klaidinga, ar ne. Idėjos nėra. Esmė ta, jog smegenys iš tikro egzistuoja, jos labai sudėtingos ir niekas iki šiol nėra jų matęs, o tai reiškia, kad reikia pažiūrėti. Jokios rizikos“.

Jie tikisi, jog pasiseks ir sprendžiant problemas, su kuriomis susidūrė projekto „Žmogaus smegenys“ dalyviai, kurio biudžetas buvo 2 milijardai dolerių. Kaip aiškina Koksas, jų būdai visiškai skiriasi nuo to, kokius pasirinko projekto „Žmogaus smegenys“ dalyviai. Faktiškai, kalbant apie darbo pobūdį, prieš bandant modeliuoti smegenų darbą, jie, iš esmės, eina priešinga kryptimi. Ir verta tikėtis, jog MICrONS projekto realizavimo darbai, į kuriuos įtrauktos kelios mokslininkų grupės, leis sukurti bendradarbiavimo bei sveikos konkurencijos klimatą, reikalingą geriems rezultatams siekti. IARPA agentūra planuoja publikuoti gautus tyrinėjimo rezultatus, kad ir kiti mokslininkai galėtų pateikti savo idėjas bei mokslinius pastebėjimus. „Ir nors tai panašu į smiltelės apžiūrinėjimą, – sako Li, – kaip sakydavo mano universiteto dėstytojas, – vienoje smiltelėje galima įžvelgti Dievą“.

parengė: Darius Dimbelis