Искусственный интеллект: два пути
С середины прошлого века разработки в области искусственного интеллекта ведутся с переменным успехом по двум направлениям. С одной стороны, опираясь на когнитивные науки, исследователи пытаются моделировать работу мозга, исходя из формального описания интеллектуальной деятельности. С другой стороны, на основе биологии разбираются в работе нейронов в мозге, моделируют их поведение, создавая так называемые интеллектуальные нейронные сети (ИНС), и ждут появления искусственного интеллекта. На исследования в этой области выделяются миллиарды долларов (проекты Human Brain Project, Brain Initiative и другие). И только в последние пять лет произошли революционные изменения благодаря использованию алгоритмов нейронных сетей и глубокого обучения (deep learning), а также достижениям нано- и биотехнологий. Заголовки новостей говорят сами за себя: Google научился распознавать речь, сортировать изображения и даже помогать отвечать на письма, Face-book определяет людей на фотографиях, Apple и Baidu создали голосовых помощников, Microsoft оценивает ваш пол и возраст по фотографии, описывает эмоции или переводит устную речь на лету. Компьютер обыграл человека во все мыслимые игры, суперкомпьютер IBM Watson — чемпион в интеллектуальных боях, военные совместно c компанией Darpha разрабатывают нейроинтерфейс (мозг-компьютер) и приступают к созданию киборгов...
Группа Бурцева, в которой успешно сотрудничают математики, биологи и физики, идёт своим путём: они создают естественные, искусственные и гибридные нейронные сети, обучают их и управляют их поведением, а также исследуют, как те запоминают и перерабатывают информацию.
Нейронные сети in vitro и in vivo
Способности к запоминанию и обучению — характерное свойство нервных систем разных видов. Многочисленные исследования в области нейронауки показывают, что нейронные клетки поддаются обучению даже вне организма, но до сих пор не удалось разработать подходящий протокол для такого обучения. Поэтому исследователи продолжают активно изучать механизмы памяти и обучения на клеточном уровне, чтобы применить универсальные принципы работы нервной системы для создания искусственного интеллекта.
В Лаборатории нейроинтеллекта и нейроморфных систем использовали диссоциированные нейронные культуры, то есть клетки мозга с разорванными связями, выделенные из гипокампа новорождённых мышей. Нейроны помещали в специальные матрицы с питательной средой, покрытые адгезивным слоем, где они образуют монослойную культуру клеток, удобную для изучения. Если к матрицам подвести электроды, то на отдельные участки нейронной культуры можно воздействовать электрическими стимулами (помимо световых и звуковых стимулов или с помощью сыворотки), одновременно регистрируя её биоэлектрическую активность. При необходимости в культуру вводят флуоресцентные метки и наблюдают за происходящим в чашке Петри с помощью микроскопа.
Клетки растут, образуют связи, и через некоторое время в матрице замечается спонтанная электрическая активность, так называемая пачечная активность. Сначала клетки возбуждаются по отдельности, но потом эта активность нарастает, что приводит к периодическому появлению так называемых спайков. Каждые несколько секунд практически все клетки нейронной культуры спайкуют по несколько десятков миллисекунд, отдыхая в перерыве между всплесками активности.
Через три-четыре недели исследователи приступили к обучению нейронной культуры in vitro. Для этого они создали специальный протокол. Чтобы понять, как ведёт себя нейронная культура в ответ на обучение, необходимо было разработать собственную методику для регистрации активности нейронных культур. И наконец, чтобы получить маркеры пластичности нейронов, то есть увидеть те из них, которые учатся, использовали клетки трансгенных животных с зелёным флуоресцентным белком.
Культуру удалось довольно быстро обучить — после каждой короткой стимуляции в течение часа измерялась её биоэлектрическая активность. За 20 циклов обучения культура научилась так изменять свою активность, что клетки были способны отключать внешнюю стимуляцию во время эксперимента. Способность к обучению экспериментаторы объясняют тем, что каждый стимул перетряхивает случайным образом связи между нейронами и культура «запоминает», какие связи вызывают нужную активность на данном электроде.
Затем группа Бурцева провела эксперименты in vivo, также разработав подходящие протоколы стимуляции. Как и в экспериментах на культуре нейронов, регистрировали нейронную активность в ретросплениальной коре крыс в разных состояниях.
Полученные результаты позволили сделать важные заключения об активности нейронных сетей при разных параметрах стимуляции в культуре и у животных.
Для оптимизации исследования нейронных сетей разработали компьютерную модель и настроили её параметры таким образом, чтобы получить спонтанную активность, сопоставимую с наблюдаемой в экспериментах.
Формальный нейрон и модель
Несмотря на многочисленные исследования в области создания мозго-компьютерных интерфейсов на уровне клеток, управления искусственной рукой, моделирования биологических сетей нейронов и передачи информации в мозг для замещения слуха и зрения, не существует модели, активность которой полностью бы согласовывалась с активностью культур нейронов in vitro. Не говоря уже о человеческом мозге, состоящем из почти сотни миллиардов нейронов, обменивающихся сигналами.
«В нашей модели мы постарались объединить как можно больше факторов, характеризующих свойства культуры нейронов in vitro, при этом создав относительно простую для вычислений и изучения модель», — объясняет Бурцев.
Элементарная единица искусственной нейронной сети напоминает нейрон, из его отростков с рецепторами химических веществ во время активности поступают сигналы другим клеткам. Нейронные культуры способны обучаться благодаря синаптической пластичности — способности синаптических контактов менять свою эффективность. Формальный нейрон можно представить в виде функции, на вход которой подаётся много переменных, а у каждого входа — cинапса есть своя эффективность — вес.
Компьютерная модель насчитывала 5000 случайно связанных нейронов, расположенных в виде монослоя, а описание долговременной синаптической пластичности согласовывалось с представлением о структуре реальной культуры нейронов. В работе учтено изменение активности при долговременных вычислениях — на протяжении нескольких часов жизни модели (так называемого внутреннего времени модели), которое обычно не рассматривается в других экспериментах такого рода. Сотрудники Лаборатории нейроинтеллекта и нейроморфных систем подобрали параметры, обеспечивающие устойчивое возникновение пачечной активности, и разработали модель биологически правдоподобной нейронной сети на основе параметров реальной нейронной культуры.
Пилотные эксперименты исследователей из Курчатовского института позволят создавать более сложные, по сравнению с исследованными ранее, модели обучения культур. А перенос этих механизмов на материальную базу современных многоядерных процессоров приведёт к появлению «умных систем» и автономных роботов, которые можно будет использовать не только в качестве домашних помощников, но и для устранения последствий катастроф, для проверки лекарств и создания мозговых протезов памяти.
Исследование выполнено при поддержке РФФИ (грант № 13-04-01273).
