211service.com
Smadzeņu reversā inženierija
Megija ir a ļoti gudrs mērkaķis, saka Tims Bušmens, profesora Ērla Millera neirozinātņu laboratorijas maģistrants. Megija nav redzama — viņa atrodas bioloģiskās drošības kamerā, kas ir paredzēta, lai pasargātu viņu no cilvēka baktērijām, taču viņas saprāta pazīmes plūst pār diviem monitoriem Bušmena priekšā. Pēdējos septiņus gadus Megija ir strādājusi MIT Smadzeņu un kognitīvo zinātņu nodaļā (BCS). Trīs stundas dienā makaka spēlē datorspēles, kas (parasti) ir paredzētas, lai viņai ģenerētu abstraktus attēlus un pēc tam izmantotu šīs abstrakcijas kā rīkus. Pat man ir problēmas ar šo, Bušmens saka, mājot uz spēli, kas ietver loģisko darbību klasificēšanu. Taču Megija ir iedzinējos, pārvar problēmas, katrai atvēlot apmēram pussekundi un panākot apmēram četras no piecām.
Deivida Plunkerta ilustrācija
Megijas spēles atrodas mākslīgā intelekta (AI) un neirozinātnes krustpunktā. Bušmena un Mišelas Mašones, vēl viena maģistrantūras studenta, aizbildniecībā viņa piedalās pētījumos par to, kā smadzenes mācās un konstruē loģiskos noteikumus un kā to šo uzdevumu izpilde ir salīdzināma ar mākslīgo neironu tīklu veiktspēju, ko izmanto AI.
Pirms četrdesmit gadiem ideja, ka neirozinātne un AI varētu saplūst tādās laboratorijās kā Millera laboratorija, būtu bijusi neiedomājama. Toreiz abas disciplīnas darbojās rokas stiepiena attālumā. Kamēr neirozinātne koncentrējās uz neiroanatomijas un nervu darbības detaļu atklāšanu un aprakstīšanu, AI mēģināja izstrādāt neatkarīgu, nebioloģisku ceļu uz intelektu. (Vēsturiski tehnoloģijām nebija īsti nepieciešams tik verdziski kopēt dabu; lidmašīnas nelido kā putni un automašīnas neskrien kā zirgi.) Un AI šķita, ka virzās daudz ātrāk. Neirozinātne gandrīz neko nezināja par to, kas ir smadzenes, nemaz nerunājot par to, kā tās darbojas, turpretim visi, kam ir maza prāta, ticēja, ka diena, kad datori spēs darīt visu, ko cilvēki dara (un darīs to labāk), ir labi redzama. 1962. gadā pats prezidents Kenedijs tika pārliecināts par šo lietu, pasludinot automatizāciju (vai, kā to bieži sauca, kibernāciju) par 60. gadu galveno iekšzemes izaicinājumu, jo pastāvēja draudi, ka tā atstās cilvēkus no darba.
Bet kaut kas izsita no sliedēm AI ekspresi. Lai gan datorus varēja likt apstrādāt vienkāršus objektus kontrolētā vidē, tiem neizdevās atpazīt sarežģītus objektus dabiskajā pasaulē. Mikrofons var atšķirt skaņas līmeņus, bet ne apkopot teikto; manipulators var paņemt tīru jaunu objektu, kas atrodas sakārtotā masīvā, bet ne netīru veco, kas guļ sajauktā kaudzē. (Marvina Minska iedvesmotajā piemērā tas arī nevarētu likt spilvenu spilvendrānā.) Mūsdienās mēs daudz vairāk uztraucamies par konkurenci, ko rada cilvēki ārzemēs, nevis mašīnas.
Lai gan AI progress ir bijis lēnāks, nekā gaidīts, neirozinātne ir kļuvusi daudz sarežģītāka, izprotot smadzeņu darbību. Nekur tas nav tik acīmredzams kā MIT BCS kompleksa 37 laboratorijās. Grupas šeit attēlo lielāko daļu augstāko kognitīvo funkciju (un to traucējumu) neironu ceļus, tostarp mācīšanos, atmiņu, sarežģītu secīgu uzvedību organizēšanu, ieradumu veidošanos un uzglabāšanu, garīgos attēlus, skaitļu pārvaldību un kontroli, mērķu definēšanu un plānošana, jēdzienu un uzskatu apstrāde un spēja saprast, ko citi domā. Šī pētījuma iespējamā ietekme varētu būt milzīga. Atklājiet, kā darbojas smadzenes - tieši tā kā tas darbojas, kā mēs zinām, kā darbojas motors – pārrakstītu gandrīz katru bibliotēkā esošo tekstu. Iesākumā tas radītu apvērsumu krimināltiesību, izglītības, mārketinga, vecāku un visu veidu garīgo disfunkciju ārstēšanā. (Ērls Millers cer, ka viņa laboratorijā veiktie pētījumi palīdzēs attīstīt mācīšanās traucējumu terapijas.)
Šāds progress ir viens no iemesliem, kā reiz spilgtā robeža starp neirozinātni un mākslīgo intelektu sāk izplūst MIT — un ne tikai Millera laboratorijā. Institūtā notiekošie redzējuma pētījumi arī parāda, kā abas disciplīnas sāk sadarboties. Lauki auga atsevišķi, saka Džeimss DiKarlo, neirozinātņu docents, taču tie vairs nebūs atsevišķi. Mūsdienās mākslīgā intelekta pētnieki ar lielu interesi seko neirozinātnes attīstībai un idejai par apgrieztu
smadzeņu inženierija vairs nav tik neticama, kā kādreiz likās.
Izpratne par objektu atpazīšanu
Liela daļa darbu DiCarlo laboratorijā attiecas uz objektu atpazīšanu, kas ļauj mums identificēt objektu (piemēram, govi) daudzās dažādās prezentācijās (govis tālu, govis skatoties no augšas, govis rītausmā, govs kravas automašīnā). nesajaucot to ar līdzīgiem objektiem (piemēram, zirgu). DiKarlo un maģistrants Deivids Kokss publicēja pētījumu pagājušā gada augustā Dabas neirozinātne kas koncentrējās uz vienu no pamatjautājumiem par objektu atpazīšanu: cik lielā mērā mūsu panākumi objektu atpazīšanā ir atkarīgi no vadu, iedzimtas shēmas un cik daudz no apgūtajām prasmēm?
DiKarlo un Kokss veica katru no saviem eksperimentiem ar duci cilvēku, vienu cilvēku vienlaikus. Subjekti sēdēja iekārtām, kas varēja gan attēlot objektu attēlus, gan izsekot subjekta skatiena virzienam. Objekti tika ģenerēti ar datoru, un tie izskatījās neskaidri kā antropomorfizēti dzīvnieki, taču tie tika veidoti tā, lai subjektiem būtu nepazīstami. Objekts ekrānā parādās vienā no trim pozīcijām, un subjekts, protams, novirza savu skatienu uz to. Tomēr dažiem objektiem pētnieki aizstāja jaunus objektus, kamēr subjekti kustināja acis. Piemēram, pieņemsim, ka objekts, kas izskatījās kā pietupiens, ar asām ausīm, tika ievietots ekrāna labajā pusē, kamēr objekts fokusējās uz centru. Kad subjekta skatiens pievērsās pietupienam un iecirtīgam, pētnieki nomainīja objektu pret objektu, kas izskatījās nedaudz tievāks un ar nokarenām ausīm. Tā kā cilvēki ir faktiski akli skatiena maiņas laikā, subjekti nepamanīja maiņu. Bet viņu smadzenes to darīja.
Pēc stundu vai divu stundu ilgas iedarbības uz dažādiem objektiem, no kuriem daži tika konsekventi nomainīti, kad tie parādījās noteiktās pozīcijās, subjektiem ekrānā tika parādīti objektu pāri dažādās pozīcijās un tika lūgts tos salīdzināt. Varētu sagaidīt, ka subjekti objektus atšķirs bez lielām grūtībām. Un tā viņi arī darīja, izņemot gadījumus, kad objekti bija apmainīti – un tagad tie atkal parādījās tajās pašās pozīcijās, kur notika apmaiņa. Subjektiem bija tendence sajaukt šos objektus: tas ir, viņi biežāk uzskatīja, ka pietupiens un iecirtums vienā pozīcijā un tievs un nokarens citā ir viens un tas pats objekts. DiKarlo uzskata, ka šādas kļūdas parāda, ka smadzeņu mehānismi viena un tā paša objekta atpazīšanai dažādās vietās ir atkarīgi no normālas vizuālās pieredzes telpā un laikā. Viņš saka, ka atklājums liecina, ka pat objektu atpazīšanas pamatīpašības var attīstīt, izmantojot vizuālo pieredzi ar mūsu pasauli. DiCarlo un viņa komanda veic līdzīgus eksperimentus ar dzīvniekiem, lai pārbaudītu neironu aktivitātes modeļus, kas ir objektu atpazīšanas pamatā. (Labs šī pētījuma piemērs tika publicēts 2005. gada 4. novembra numurā Zinātne žurnāls. DiKarlo un trīs līdzstrādnieki reģistrēja un analizēja simtiem neironu aktivitāti makaka smadzenēs. Viņi spēja parādīt, ka ļoti uzticama informācija par objekta identitāti un kategoriju bija ietverta pat nedaudzos neironu.)
Objektu atpazīšana ir bijusi viens no galvenajiem tradicionālā AI mērķiem un lielākajiem vilšanās gadījumiem. Lai gan mašīnredze ir reāla nozare, tās panākumi ir gūti šauri definētās lietojumprogrammās stingri kontrolētos apstākļos, piemēram, numura zīmju atkodēšanā, pirkstu nospiedumu identificēšanā, drukāto rakstzīmju atpazīšanā un produktu pārbaudē (piemēram, piedegušu kartupeļu čipsu identificēšanā, lai tos varētu izpūst. ārpus montāžas līnijas). Katra mašīnredzes sistēma redz tikai noteikta veida objektu; piemēram, mašīna, kas nolasa numura zīmes, nespētu identificēt pirkstu nospiedumus un otrādi. Lai gan mūsdienu tehnoloģijas varētu būt pietiekami labas, lai sniegtu mums mašīnas, kas atpazīst vienu lietu, vairums darbu lielākajā daļā nozaru — montāža, apkope, veselības aprūpe, transportēšana, drošība — prasa daudz daudzpusīgāku. Strādniekiem ir jāspēj atpazīt āmuru, skrūvgriezi un uzgriežņu atslēgu, neskatoties uz atšķirībām apgaismojumā, objektu orientācijā un apkārtējo jucekli. Nespēja izveidot mašīnas, kas to spēj paveikt, ir īpaši nomākta, ņemot vērā to, ka putni, piemēram, vārnas, un mazi zīdītāji, piemēram, žurkas, parasti uzrāda tādu prasmju līmeni, kas pārsniedz pašreizējās tehnoloģijas. Tas, ka nespējam izveidot tik gudras mašīnas kā mēs, kaut kas mierina mūsu iedomību; bet nespēja padarīt vienu tik gudru kā balodis ir vienkārši apkaunojoši.
Tāpēc jau gadiem ilgi AI pētnieki ir strādājuši pie problēmas, kas saistīta ar vizuālo modeļu saistīšanu ar nozīmēm vai identitātēm. Šī ir viena no jomām, kur mākslīgais intelekts un neirozinātne ir vērsušies viens pret otru: neirozinātne ir strādājusi pie smadzeņu lomas objektu atpazīšanā, AI pie vispārējās loģikas, kas jebkurai sistēmai būtu jādara, lai atrisinātu to pašu problēmu. Pēc gadu desmitiem viņi ir gandrīz runas attālumā. DiKarlo domā, vai varētu būt laiks kristīt jaunu disciplīnu, kas smeļas no abām jomām, piemēram, bioloģiski iedvesmota mašīnredze.
Neviena universitāte netuvojas šim krustojumam ātrāk nekā MIT, kur inženierzinātņu un zinātnes sadarbība ir institucionāla misija. Un tas, saka DiKarlo, ir viens no iemesliem, kāpēc viņš ieradās MIT: viņš sagaida, ka revolūcija notiks šeit.
Tūlītējas atpazīšanas modelēšana
Pārsteidzošu Dikarlo domas ilustrāciju var atrast Tomaso Podžo laboratorijās. MIT Bioloģiskās un skaitļošanas mācīšanās centra līdzdirektors Podžo ir strādājis pie redzes jau četras desmitgades, vispirms Maksa Planka institūtā Tībingenā, Vācijā, pēc tam MIT AI laboratorijā (kas kļuva par Datorzinātnes un mākslīgā intelekta laboratoriju), un tagad Smadzeņu un kognitīvo zinātņu nodaļā. (Podžo sadarbojās ar DiKarlo makaku eksperimentos, kas aprakstīti Zinātne .) Lielāko daļu šī laika Podžo vadīja vienu neirozinātņu un vienu mašīnredzes pētniecības grupu un neredzēja iemeslu tās apvienot. Mēs zinājām tik maz, viņš saka. Es vienmēr domāju, ka ir kļūda gaidīt daudz no neirozinātnes. Taču nesenie rezultāti no projekta, ko veica postdoc Thomas Serre un Aude Oliva, kognitīvās neirozinātnes docente BCS, padarīja viņu par konvertētāju.
Poggio laboratorija pašlaik koncentrējas uz objektu atpazīšanas veidu, ko sauc par tūlītēju atpazīšanu. Šī parādība pirmo reizi tika aprakstīta 1969. gadā MIT lektores Mērijas Poteres (tagad BCS psiholoģijas profesore) un viņas pētnieces Elenas Levijas rakstā. Tūlītēja atpazīšana ir ātrākais zināmais atpazīšanas veids. Persona klasiskā tūlītējas atpazīšanas eksperimentā tiek sēdināta pirms displeja un tiek lūgta nospiest vienu no diviem taustiņiem, reaģējot uz katru attēlu sērijā, atkarībā no tā, vai tajā ir dzīvnieks vai nē. Lai pārliecinātos, ka viena attēla skatīšanās nejauši nepalīdz pētāmajiem iemācīties skatīties uz citiem, pētnieki izvēlas attēlus, kas ir ļoti atšķirīgi: daudzas sugas dažādās pozās un perspektīvās, kas ir novietotas uz dažādiem foniem. Fotogrāfijas nāk un paiet dažu sekundes desmitdaļu laikā. Pētījuma sākumā subjekts var gandrīz nemaz nezināt, ka viņam pat tiek parādīts attēls, nemaz nerunājot par to, ka viņš atpazīst tajā redzamo. Tomēr pārsteidzoši, ka cilvēki biežāk nospiež pareizos taustiņus. Ar praksi viņi kļūst arvien labāki un apzinās attēlu izskatu. Tomēr sākumā kaut kas smadzenēs spēj atpazīt un klasificēt objektus, pirms subjekts pat apzinās, ka kaut ko redz.
Tūlītēja atpazīšana pētniekiem ir svarīga, jo tas ir vienkāršākais iespējamais vispārējas objektu atpazīšanas gadījums. Tas notiek pārāk ātri, lai piesaistītu daudz neironu vai intensīvi apstrādātu informāciju vai nosūtītu un saņemtu impulsus vairāk nekā centimetra daļā. Informācijai no acu kustībām, kas ir galvenais elements citos atpazīšanas veidos (kā DiKarlo darbā), nevar būt nekādas nozīmes. Tomēr kaut kādā veidā tiek nospiesti pareizie taustiņi (galvenokārt), kas nozīmē, ka ir jābūt iespējamai ierobežotai vispārējas nozīmes objektu atpazīšanas formai, izmantojot salīdzinoši nelielu neironu skaitu, kas sakārtoti salīdzinoši vienkāršā veidā.
Balstoties uz darbu, ko Podžo veica kopā ar Maksu Rīzenhūberu, 2000. gada doktora grādu, pēc tam MIT maģistrantu un tagad profesoru Džordžtaunas Universitātē, Serre, Podžo un citiem Podžo universitātē.
grupa izstrādāja teoriju par redzes garozas daļu, kas galvenokārt ir atbildīga par tūlītēju atpazīšanu. Viņu pieeja vizuālajai apstrādei daudzējādā ziņā atšķīrās no mašīnredzes inženiera pieejas. Piemēram, lielākajā daļā mašīnredzes programmu ir viens procesors, kas izpilda virkni instrukciju secīgā secībā, arhitektūra, kas pazīstama kā seriālā apstrāde. No otras puses, smadzenes izmanto paralēlu apstrādi, pieeju, kurā problēma tiek sadalīta daudzos gabalos, katru atsevišķi risina savs procesors, pēc tam rezultāti tiek apvienoti vai integrēti, lai iegūtu vienu vispārīgu rezultātu, piemēram, govs uztvere. Teorētiski inženieri varētu izmantot paralēlo apstrādi mašīnredzes programmām (un daži ir mēģinājuši), taču praksē reti ir skaidrs, kā atrisināt problēmu tā, lai gatavās detaļas varētu nemanāmi pārkombinēt.
Bioloģiskā redze šo problēmu atrisina vairākos dažādos veidos. Viens, saskaņā ar Podžo grupu, ir organizēt apstrādi ap divām vienkāršām operācijām un pēc tam šīs darbības sakārtotā veidā pa neironu slāņiem. A slānis var filtrēt pamata ievades no redzes nerva; slānis B integrētu rezultātus no daudzām A slāņa šūnām; C filtrētu ievades no B; D integrētu rezultātus no C; un tā tālāk, iespējams, duci reižu. Signālam paceļoties cauri slāņiem, paralēlo procesoru izejas pakāpeniski apvienojas, parādās identitāte un troksnis pazūd.
Serre un Podžo izmantoja šo slāņošanas paņēmienu, lai ļautu savam modelim veikt paralēlu apstrādi. Vēl viens triks, ko viņi aizņēmās no bioloģijas, bija palielināt savienojumu skaitu, kas savieno viņu pamata komutācijas vienības. Parasto datoru komutācijas blokiem ir ļoti maz savienojumu, parasti aptuveni trīs; neironiem, galvenajām smadzeņu komutācijas vienībām, ir tūkstošiem vai pat desmitiem tūkstošu. Serre un Podžo piešķīra loģiskajiem slēdžiem savā modelī bioloģiski ticamu savienojamības pakāpi. Gadījumos, kad zinātne vēl nebija zināma, viņi izdarīja pieņēmumus, pamatojoties uz viņu plašāko pieredzi ar neiroanatomiju.
Lai pārbaudītu savu teoriju, Serre un Podžo izstrādāja tūlītējas atpazīšanas datorprogrammu, kas analizē digitālos attēlus. Kad programmā tiek ievadīti digitālo attēlu faili, tā tos izlaiž cauri vairākiem mainīgiem filtrēšanas un integrēšanas šūnu slāņiem, apmācot sevi identificēt un klasificēt attēlus. Galvenais ir sarežģītības veidošana lēnām, saka Serre. Pārāk ātri ieviest inteliģenci ir liela kļūda. Agrīnie AI centieni, iespējams, mēģināja pārāk ātri noteikt identitāti, izmetot informāciju, kas bija būtiska, lai iegūtu pareizo atbildi.
Serre un Podžo pieeja bija iespaidīga veiksme. No neirozinātniskā viedokļa daži viņu pieņēmumi paredzēja reālas iezīmes, piemēram, šūnu klātbūtni (sauciet tās par VAI šūnām), kas no ieejas datu grupas izvēlas spēcīgāko vai konsekventāko signālu un kopē to savā. izejas šķiedras. (Iedomājieties trīs neironu grupu A, B un C, kas visi sūta signālus uz VAI neironu X. Ja šie signāli būtu attiecīgi 1., 2. un 3. stipruma līmenī, X nomāc A un B un kopētu C signālu uz savu. izvadi. Ja stiprumi būtu bijuši 3, 2 un 1, tā vietā tiktu nokopēts A signāls un nomākts B un C signāls.)
Rezultāti bija tikpat dramatiski no AI viedokļa. Kad cilvēki un Serres un Podžo tūlītējās atpazīšanas programma veica dzīvnieku klātbūtnes/prombūtnes pārbaudi, dators veica tikpat labi kā cilvēki — un labāk nekā labākās pieejamās mašīnredzes programmas. (Patiešām, tā saņēma pareizo atbildi 82 procentos gadījumu, kamēr cilvēki vidēji saņēma tikai 80 procentus.) Šī ir gandrīz noteikti pirmā reize, kad ģenerālis -redzes programma ir darbojusies tikpat labi kā cilvēki.
Daudzsološie rezultāti lika Podžo un Serrei domāt līdz tūlītējai atpazīšanai. Podžo ir aizdomas, ka modelis tikpat labi varētu attiekties uz dzirdes uztveri. Serre izvirza vēl drosmīgāku pieņēmumu: vispārējā objektu atpazīšana ir izziņas pamatelements. Varbūt tāpēc mēs sakām, ka es redzu, kad vēlamies norādīt, ka kaut ko saprotam.
Lai gan viņu teorijas paplašināšana šajos jaunajos virzienos prasīs zināmu darbu, Serre un Poggio modelis jau ir sācis izplatīties gan MI, gan neirozinātņu kopienās MIT. Elektroinženieru maģistrantūras students Stens Bileši nesen pabeidza doktora grādu, kurā modelis tika izmantots ainu atpazīšanai, kas ir augstākas pakāpes spriedumu atvasinājums — tā ir saimniecība! – no atsevišķu objektu atpazīšanas – kūts, govs, šķeltsliežu žogs. Bileschi uzskata, ka vispārēja ainas analīze būs ļoti svarīga daudzām reālās pasaules mašīnredzes lietojumprogrammām, piemēram, uzraudzībai.
Tūlītēja atpazīšana ir vispārējās vizuālās atpazīšanas pamats, saka Podžo, taču tas vēl nav viss. Ir daudz atpazīšanas līmeņu, un tūlītēja atpazīšana ir viens no vienkāršākajiem. Atkarībā no konteksta priekšmetu var identificēt kā rotaļlietu, lelli, Bārbiju, amerikāņu kultūras atspoguļojumu, sievieti, meitenes ar dīvainiem augšanas traucējumiem un tā tālāk garā sarakstā. Tāpat šaha uzdevumos pareizā gājiena atpazīšana var ilgt sekundes vai minūtes vai stundas atkarībā no figūru konfigurācijas. Jādomā, ka, problēmām kļūstot grūtākām, to risināšanai ir jāpieņem darbā augstāks smadzeņu darbības līmenis, un tas prasa laiku.
Tūlītējas atpazīšanas modelis varētu atrisināt redzes problēmas, kas ir kavējušas noderīgu apkopes un būvniecības robotu attīstību. Vai arī mēs varam atklāt, ka, lai šādi roboti būtu patiešām noderīgi, tiem ir jāspēj atpazīt gan ainavas anomālijas, gan to cēloņus. Šāda veida atzīšana noteikti ir augstāka līmeņa.
Nākamais solis ir izveidot atpazīšanas modeļus, kas piesaista arvien vairāk resursu un tādējādi prasa vairāk apstrādes laika. Mēs zinām, kā modeli varētu mainīt, iekļaujot tajā laiku, saka Serre. Tas varētu tuvināt mūs domāšanai – tikai varbūt.