211service.com
Mniej sztuczna inteligencja
Badanie 70 000 neuronów myszy może pomóc Andreasowi Toliasowi zbudować inteligentniejszą sztuczną inteligencję. 21 lutego 2018
Adrian już
Spora liczba inżynierów pracujących nad sztuczną inteligencją nie dba o to, czy ich systemy przypominają prawdziwe mózgi, czy nie, o ile działają dobrze. Ale nawet dzisiejsze najlepsze systemy mogą uogólniać tylko wtedy, gdy są karmione tysiącami próbek i nie mogą przenieść swoich uogólnień do nowych kontekstów. To sprawia, że sztuczna inteligencja jest podatna na ataki atakujących, którzy mogą ją oszukać, wprowadzając drobne poprawki do danych. Neurobiolog Andreas Tolias uważa, że cechy podobne do mózgu mogą rozwiązać te problemy.
W 2016 roku założył Neuroscience-Inspired Networks for Artificial Intelligence (NINAI), zespół tagów składający się z neuronaukowców, fizyków, matematyków i informatyków, który jest częścią większego wysiłku mającego na celu zrozumienie funkcji neuronowych (zobacz Inside the Moonshot Effort, aby wreszcie dowiedzieć się Mózg, listopad/grudzień 2017). Ich wyścig sztafetowy w kierunku lepszej sztucznej inteligencji zaczyna się w laboratorium Toliasa w Baylor College of Medicine, które rejestruje wszystkie neurony wystrzeliwane w jednomilimetrowym sześcianie kory myszy. W grudniu uchwycili aktywność 70 000 neuronów u jednej myszy — wyczyn, który byłby niemożliwy bez dwu- i trzyfotonowych technik obrazowania, które pomogło laboratorium Toliasa. Myszy następnie trafiają do Instytutu Allena w Seattle, który kroi i fotografuje ich mózgi, aby trzeci zespół z Princeton mógł nakreślić, które neurony są połączone. Porównując ten diagram z ich nagraniami, laboratorium Toliasa wnioskuje, w jaki sposób komórki wpływają na siebie nawzajem i jakiemu celowi służy każda komórka. Jeśli, jak podejrzewa wielu neuronaukowców, kora mózgowa jest zasadniczo zbudowana z kilku powszechnych, powtarzających się konfiguracji neuronów, to wyjaśnienie aktywności w jednomilimetrowym sześcianie może ujawnić elementy budulcowe wszelkiego poznania.
Adrian Forrow
Tolias skupił się na dwóch kluczowych różnicach strukturalnych między mózgiem a sztuczną inteligencją. Po pierwsze, mózg myszy ma około stu rodzajów neuronów, podczas gdy typowa sieć AI ma tylko dwie lub trzy odmiany sztucznych neuronów. Dodatkowe typy komórek mózgu obejmują interneurony, które mogą powstrzymać aktywację dużych grup innych neuronów. AI nie ma bezpośredniego odpowiednika. Mózgi mają również więcej rodzajów połączeń między neuronami niż sieci AI. Większość sieci AI jest typu feed-forward, co oznacza, że sygnały idą tylko w jednym kierunku, z jednej warstwy sieci do następnej. W przeciwieństwie do prawdziwych mózgów, sieci te nie mają powtarzających się połączeń (które umożliwiają przekazywanie sygnałów zwrotnych w przeciwnych kierunkach) ani połączeń bocznych (które łączą neurony w tej samej warstwie). Kilka rodzajów sieci AI z połączeniami powtarzalnymi i bocznymi jest obiecujących, ale rola sprzężenia zwrotnego w korze mózgowej wymaga znacznie więcej badań. Mózg nie stworzył tych wszystkich nawrotów dla zabawy, mówi Tolias. Podejrzewa również, że interneurony mogą regulować boczne połączenia mózgu, aby stworzyć uogólniające moce, których brakuje sztucznej inteligencji.
Tolias ma nadzieję, że wykorzysta komponenty inspirowane neurologią, w tym połączenia boczne, interneurony i informacje zwrotne, aby zbudować sztuczną inteligencję zdolną do uczenia się jednym strzałem lub uogólniania na podstawie jednego przykładu. Sukces byłby wielką sprawą dla sztucznej inteligencji i neuronauki, dzięki określeniu, które cechy obwodów neuronowych są potrzebne do abstrakcyjnego myślenia. Tolias wyjaśnia swoje poszukiwania słowami Richarda Feynmana: Czego nie potrafię stworzyć, nie rozumiem.