Вы находитесь здесь: Главная > Новости > Технология Nowostawski

Технология Nowostawski

Привести трехлетнего ребенка в зоопарке, и интуитивно определяет, что поедающие листья с длинной шеей животное-жираф из детской книжки с картинками. Это простая вещь на самом деле очень сложно. Фотографии в книге стоял силуэт, простые линии, а живое существо, которое является шедевром цвет, текстура, движение и свет. Это выглядит иначе, если смотреть с разных углов, и может изменить форму, положение, угол.

Как правило, люди, успех в выполнении этих задач. Мы можем легко понять существенные характеристики объекта из простых примерах и применять эти знания для чего-то они не знают. Но компьютеры, как правило, что будет вся база, от жирафов, показанные в разных позах, с разных точек зрения, научиться распознавать животных.

Визуальной идентификации и является одной из многих областей, в которых люди легко победить компьютеров. Также, ищите лучше соответствующую информацию в потоке данных; решать неструктурированные проблемы, учатся играючи, как ребенок, который узнает о гравитации, играя с кубиками.

«Люди стали гораздо более универсальными, — говорит Тай Синг ли, ученый-нейробиолог из Университета Карнеги-Меллон в Питтсбурге. — Мы остаемся гибкими в своем мышлении и в состоянии предвидеть, представить и дизайн будущих событий».

Но в США, которые финансировали новую амбициозную программу, которая стремится поставить искусственный интеллект во многих наших умственных способностей. Три команды нейрофизиологов 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 бить, где работают люди, — говорит Джейкоб Vogelstein, кто ведет эту программу разведки перспективных исследовательских проектов (IARPA). — Мы хотим, что бы произвести революцию в машинном обучении методом обратного инжиниринга алгоритмов и вычислений мозга».

Времени очень мало. Каждая группа в настоящее время моделей участок коры головного мозга, в высокой детализации. Вместе они являются разработка алгоритмов, которые основаны на исследованных. Следующим летом, каждый из этих алгоритмов является примером неизвестные вещи, которая нашла свое выражение в тысячи фотографий в незнакомой базе. «Сроки очень сжатые», — говорит Кристоф Кох, Президент и старший научный сотрудник Института наук о мозге Аллена в Сиэтле, работая с одной из команд.

Кох и его коллеги, чтобы создать полную схему соединений мелкими кубиками мозга, в миллионах кубических микрон, что примерно одна пятисотая часть объема семян мака. А, что на порядок больше, чем самая подробная и большая карта взаимодействий мозга в день, который был опубликован в июне прошлого года и что составляет около шести лет.

После пяти IARPA проект, который называется «машина разведки с кортикальной сети (мкм)», ученые планируют сопоставить кубическом миллиметре коры. В этой небольшой дозе он содержится почти 100 000 нейронов, от 3 до 15 миллионов нейронных связей, или синапсов и нейронных достаточно ткет, которая охватывает крупные города, чтобы распутать их и тянет.

Никто не пытается реконструировать ту часть мозга, до такой степени. Однако, меньшие по масштабу усилия, показали, что такие карты могут пролить свет на внутреннюю работу коры головного мозга. В статье, опубликованной в журнале Nature в марте, Вэй-Чжун ли Аллен, который является нейробиолог из Гарвардского университета, работая с командой Кох и его коллеги составили карту связей нейронов 50 и более 1000 партнеров. Сочетая эту карту с информацией о работе отдельных нейронов в мозге, некоторые реагируют на визуальные сигналы, например — ученые вывели простое правило анатомических связей нейронов в этой части мозга друг с другом. И обнаружили, что нейроны, которые имеют сходные черты, которые, скорее всего, соединяют и образуют основное звено между ними, и тем меньше шансов, что с другими типами нейронов.

Хотя цель проекта очень мкм техник — IARPA финансирует исследования, которые могут привести к инструментам анализа данных для ЦРУ, а другие, конечно, параллельно, ученые получают информацию о мозге. Андреас Tolias, невролог из медицинского университета Бейлор, который является одним из ведущих членов команды Коха, уподобляет наше современное знание из коры смазывания изображения. Он надеется, что крайние шкалы мкм, проект поможет улучшить четкость этой точки зрения и обнаружить более сложные правила, которые управляют нашей нейронных цепей. Не зная, что все части, «мы можем не заметить красоту этих структур».

Процессор мозга

Сложные складки, покрывающих 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, схем или блока логики ворота в компьютерный чип. Каждый модуль состоит из около 100 000 нейронов, расположенных в сложную сеть взаимосвязанных клеток. Есть свидетельства того, что основной состав этих модулей примерно такая же, через кору. 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 выглядят и действуют как. 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 сейчас она позволила ученые начали с анализа того, как клетки в модуле взаимодействуют 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 содержание, говорит Vogelstein. Разные группы имеют разные догадки о том, что внутри».

Исследователей, остановимся на той части коры, которая отвечает за зрение. Эта система обнаруживает активно исследовал неврологи и специалисты в области компьютерного моделирования пытаются подражать. «Видение кажется простым — достаточно открыть глаза — но чтобы научить компьютеры делать то же самое, это 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 сравнивает эти предсказания с тем, что они увидели. Сила этого подхода является его эффективность — он требует меньше вычислений, чем постоянно воссоздавать каждый раз.

Мозг можно сломать через синтез кучей разных способов, поэтому ученые ищут другие возможности. В Кокс, группа видит в мозг физический движок, используя существующую физическую модель для моделирования мира, как это должно выглядеть. Команда Тай Синг ли с Джордж Черч говорит о том, что мозг имеет встроенные библиотеки деталей — кусочки предметов и людей и учит правила, как составить эти части вместе. Листья, например, обычно появляются на ветках. Группа Tolias работать на более зависеть от поступающих данных подход, при котором мозг создает статистические ожидания мира, в котором он живет. Его группа будет тестировать различные гипотезы о том, как в разных частях схемы, чтобы научиться общаться.

Все три группы, которые будут контролировать нейронную активность десятков тысяч нейронов в целевой куб головного мозга. Затем использовать различные методы, чтобы создать схему подключения этих клеток. Группа Кокс, например, снизит мозговой ткани в слоях тоньше человеческого волоса и будет анализировать каждый кусочек с помощью электронной микроскопии. Исследователи тогда притягиваются друг сечение на компьютере, если вы хотите создать плотно упакованную трехмерную карту, как миллионы нейронных провода прокладываете свой путь через кору.

С картой и схемой деятельности в руке, каждая команда будет пытаться понять основные правила, которые регулируют страхование. Затем внедрить эти правила в моделировании и оценить, насколько эффективно моделирование соответствует реальному мозгу.

Tolias Андреас и его коллеги составили карту соединения пар зарегистрированных нейронов и их электрическую активность. Сложное анатомическое строение пяти нейронов (вверху слева) можно свести к простой схеме (вверху справа). Если пропустить электрический ток через 2 нейрон активируется с началом электрический заряд в две клетки ниже уровня, нейроны 1 и 5 (ниже)

Tolias и его коллеги пробовали такой подход. В статье, опубликованной в Science в ноябре, сопоставляются нейронных связей 11 000 пар, раскрывая пять новых типов нейронов. «Мы все еще не имеем полного списка частей, составляющих кору, отдельных клеток, их связи, — говорит Кох. С этого началась Tolias».

Среди тысяч нейронных связей, группа Tolias открыл три общих правила, которые определяют соединение клеток: одни общаются в основном с нейронами своего типа, в то время как другие избегают ее иметь Тип, общаясь в основном с другими типами; и третий участник общается только с несколькими другими нейронами. (Tolias группы определен свой мобильный базируется на нейронной анатомии, не работает, в отличие от группы Вэй ли). Используя только эти три правила общения, ученые смогли достаточно точно воспроизвести система. «Задача состоит в том, чтобы выяснить, что это правило означает связь алгоритмов, говорит Tolias. — Какие расчеты они выполняют?».

Нейронная сеть на основе этих нейронов

Искусственный интеллект основан на мозг — идея не новая. Так называемые нейронные сети, имитирующие основные структуры мозга, были очень популярны в 1980-х годах. Но в это время ученые в этой области не хватало вычислительных мощностей и данных о том, как сделать эффективные алгоритмы. И все эти миллионы фотографий котов в Интернете, не было. Хотя нейронные сети пережила многие эпохи Возрождения в наше время трудно представить жизнь без распознавания голоса программного обеспечения и операторов, и компьютер AlphaGo недавно избили лучший в мире игрок в го правила, которые применяются нейронные сети, чтобы изменить их соединения, почти наверняка отличаются от тех, которые использует мозг.

Современные нейронные сети «, основываясь на том, что мы знаем о мозге в 1960-х годах», — говорит Терри Sejnowski, вычислительный нейробиолог из Института Солка в Сан-Диего разработали первые алгоритмы нейронных сетей Джеффри Хинтон, ученый 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 или усы. Затем анализ приемов, каждый следующий слой реализует более и более сложных вычислений. В конце, программа распознает Тип с окрасом кота.

Но, забегая вперед, эта структура не является важным компонентом биологических систем: Обратная связь, как в пределах отдельных слоев и между слоями более высокого порядка с более низкой. В реальных нейронов мозга в тех же слоях коры, которые связаны с соседними странами, а также с нейронами в слоях выше и ниже, образуя сложную сеть петель. «Отзывы-это очень важная часть кортикальной сети, говорит Sejnowski. — В той же обратной связи, сигналов и других соединений с прямой ссылкой».

Нейрофизиологи до сих пор не совсем понимаю, что вы делаете петли обратной связи, хотя я знаю, что те, которые важны для нашей способности к концентрации. Помогите нам, чтобы услышать голос по телефону, не отвлекаться на звуки города, например. Часть популярности теории анализа, синтеза заключается в том, что дает основания для всех этих повторяющихся ссылок. Помогите мозг, чтобы сравнить их прогнозы с реальностью.

Мкм исследователи пытаются разгадать правила, которые регулируют петли обратной связи — например, какие клетки соединительной петли, которые усиливают его деятельности и как эта деятельность, которая влияет на выходные данные из программы — и после этого, когда вы поместите эти правила в алгоритм. «Теперь автомобиль отсутствие воображения и интроспекции. Я считаю, 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 считаем уникальными для человека. «Если бы вы могли осуществлять обратную связь цепей в глубокую сети, из сети, которые способны только «коленный рефлекс» — для обеспечения входа и выхода для перехода к более рефлексивным сеть, которая начнет осмысливать свои железки и проверки гипотез», — сказал Sejnowski.

Ключ к тайнам сознания

Как и все программы IARPA, проект микрон-это высокий риск. Технология, которая необходима для ученых, для крупномасштабного картирования нейронной активности существуют и ткет, но никто не использует их в таких масштабах до сих пор. Ученым приходится преодолевать с большими объемами данных — 1-2 петабайт данных на кубический миллиметр мозга. Они могут иметь для развития новых инструментов машинного обучения для анализа всех данных, что очень странно.

Также неясно, являются ли выводы из небольшого локуса мозг, чтобы упомянуть основные таланты в мозге. «Мозг-это не только кусок коры, говорит Sejnowski. — Мозг-это сотни систем, специализированных для выполнения различных функций».

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

В случае успеха проекта, не будет больше, чем для разведывательного анализа. Успешный алгоритм позволит выявить важные истины о том, как мозг придает этому миру смысл. В частности, это поможет вам подтвердить, действительно ли мозг функционирует с помощью анализа через синтез, чтобы сравнить свои предсказания о мире с данными, поступающими от наших органов чувств. Он покажет, что ключевой ингредиент в рецепте сознания, который постоянно меняется сочетание воображения и восприятия. Созданием машины, которая сможет думать, исследователи надеются раскрыть секреты разума.

Комментарии закрыты.