Всё о мозге. The Human Brain Project: Вы спрашивали – мы отвечаем

(продолжение ответов)

Dirty

Вопрос от BbIBuX:

А каковы перспективы постройки биологического процессора?

Ответ:
Смотря, что подразумевать под биологическим процессором. Если это биоморфизм, то есть подражание живой Природе, то на это нацелен подпроект SP9 (нейроморфные чипы). Если же это процессор, работающий на ДНК, РНК или белках, то данная тема вряд ли будет перспективна.

В принципе можно привести ответ одного из идеологов проекта:

Полный ответ на английском

Проще говоря, наш мозг получает информацию, даже когда обрабатывает предыдущую, идея «liquid computing» (вычисления на переходных состояниях) заключается в том, чтобы построить в каком-то смысле аналоговый компьютер, обрабатывающий информацию в любой данный промежуток времени (то есть в реальном времени), а не тактами, как сейчас.

Вопрос от father_gorry:

1. Нельзя говорить о полноценном моделировании мозга, не учтя того, что новые нейроны и нейросвязи образуются в процессе развития, причем в ответ на поступающую с сенсоров информацию. В эксперименте это учтено? Если да, то как именно?

2. Будет ли этот симулированный малый участок способен создавать новые нейроны и связи в ответ на полученную информацию? Поскольку мозг как фило–, так и онтогенетически — продукт адаптации и развивается адаптационно, эта функция, я полагаю, критически важна для его понимания.

Ответ от пользователя neuroscience:
Это вы уже далеко забрались. Адаптационная функция мозга, это, конечно, важно, но она не столь критична, как понимание базовых принципов работы головного мозга. То есть, может быть в рамках HBP и будет изучение формирования новых нейросвязей, но пока это бессмысленно. Воспринимайте мозг просто как еще один орган, как сердце, например, сложнейший механизм, но можно создать симуляцию, не учитывая все внутренние и внешние факторы.

Грубый эксперимент — «есть 3D модель всех нейронов и синапсов передней опоясывающей извилины с прописанной биохимией. При введении вещества А в синаптическую щель — 6% нейронов погибло, активность остальных возросла.» А дальше уже лаборант сидит и делает выводы — что это вообще такое было.

Мозг перестраивается и адаптируется в ответ на биохимию, а не информацию.

То есть ваш вопрос — «как перестроиться мой мозг, если мне сказали „козел!“ в трамвае», ответ — «никак». Он обработает информацию и что–то там себе выделит, а уже это выделенное будет глушить, развивать и всячески перестраивать кирпичики в голове.

Вопрос от Lukashenko:

Какая область мозга отвечает за чувство стыда?

Ответ:
Вентромедиальная префронтальная кора. Вам не нужен BBP, чтобы это выяснить.

Вопрос от ksotar:

Есть ли какой–то начальный импульс, запускающий деятельность мозга? Если есть, откуда он берётся?

Ответ:
Нет такого импульса, как и нет, например, импульса для того, чтобы человек начал дышать. Как только появляется простейшая нейронная структура, она уже функционирующая. А какие решения на простейшем уровне там принимаются – это уже отдельный вопрос.

Вопрос от B0gger:

1. Можно ли будет считать выученный когда–то стих из того самого мозга карту которого вы делаете? Или какие–то эмоции, ненависть к неграм, например?

2. Если мозг запоминает информацию путем создания нейронной сети, формируя коннектом, не значит ли это, что практика крионики сработает? Содержится ли вся личность и память в коннектоме, или закодирована еще как–то, в каких-нибудь хитрых микротрубочках или квантовых состояниях атомов составляющих мозг?

Ответ:
1. Пока, к сожалению, данный мозг (а точнее отдельные его кусочки) читать не умеет. Но, в принципе, в будущем, это вполне возможно, ведь весь мозг будет реализован на виртуальном уровне, подключайтесь и смотрите, читайте.

2. Теоретически это возможно. Далеко за примерами ходить не надо. Потенциально, правильная заморозка не должна ничего нарушать, разрывать связи между нейронами и так далее. А все ваши воспоминания – это лишь биохимия мозга, которая при крионическом замораживании фиксируется и может быть восстановлена.

Вопрос от sometimes:

Какие основные направления исследований? Например, биохимия, структура нейронной сети или что–то другое?
Будет ли рассмотрено влияние ПАВ на сознание и его механизмы?

Ответ:
Основные направления – все биологические, химические, физические процессы, происходящие между нейронами. Определение активностей и построение моделей с уже известными механизмами. В идеале учитывается все, что известно о нейронах и их поведении в определенной среде и с определенными критериями.

Насчет ПАВ (психо-активные вещества) нам ничего неизвестно, однако один из проектов направлен на изучение влияния медицинских препаратов для терапии мозга, возможно, в рамках данного исследования будут изучены и ПАВы, так как сами ПАВ – не что иное, как нейро-медиаторы.

Вопрос от KUTKI:

На каком уровне структуры материи проявляются первые признаки сознания, причем не как психически–социального феномена, а как первичной элементарной субъективной реакции на окружающий мир, разделения внешнего и внутреннего. Есть ли качественный скачек формирования такого сознания у животных, например, оно присуще исключительно высокоразвитым животным, либо животным самой простой нервной системой? Можно ли выделить самую–самую суть, убрав все лишнее?

Являются ли квантово–механические свойства материи основой для существования сознания, или, теоретически, можно создать абсолютно идентичную эмуляцию системы на будущих супер–компьютерах?

Ответ:
Много вопросов про сознание уже было, как и ответов, которые остаются примерно такими же: пока никто не смог смоделировать достаточно сложных нейронных структур для того, чтобы засвидетельствовать первичное появление сознания. И это при условии того, что нейронные структуры и процессы в них это все, что нужно для сознания. Поэтому говорить об этом пока что очень рано. Мы можем судить о сознании пока что исходя из имеющихся поверхностных данных.

Квантово-механический вопрос вряд ли будет рассматриваться, ибо ничего “божественного” (душевного, вселенского) в самом сознании нет, как полагают некоторые. Это всего лишь идея из разряда непонимания, что может быть что-то сложнее, чем человеческое сознание. А оно обязательно есть, мы сами в нем принимаем участие, эволюционируя. Конечно, никто не отрицает, что сознание, какое оно есть, будет со временем достижимо для симуляции. Вопрос только времени и этики.

Вопрос от red_ostrich:

Какова доля учёных из разных областей в Blue Brain Project? Есть ли доля людей, занимающихся теорией, или в основном упор на анализ и описание экспериментальных данных? Кто занимается дизайном экспериментов и как он проходит? На каком уровне нужно изучить биологию, какому-нибудь математику (или физику, или специалисту CS), чтобы участвовать в проекте?

Ответ:
Большинство ученых занимается теорией и построением моделей. Хотя сам проект, прежде всего, нейронаучный, а уже потом вычислительный. В части программирования есть команда высокопроизводительных вычислений, команда визуализаторов и команда построения платформы (самая большая из вычислительных). Какое-то знание нейро-процессов нужно приобрести даже ребятам из CS в начале работы, но все это достаточно быстро понимается на абстрактном уровне. Главное, чтобы всегда был медиатор между вычислителями и теоретиками, ибо эти стороны не всегда способны найти равноправный язык для работы.

Кстати, довольно большая группа учёных занимается нейро-формным робостроением SP10.

Вопрос от vsh:

Можете в двух словах описать модель, которую вы используете для симуляции? Скажите, есть ли вещи, которые она по каким–то причинам не учитывает, а вы бы предпочли, чтобы учитывала?

Ответ:
К сожалению, не можем, все модели в BBP находятся под NDA. Как бы то ни было, вы без проблем можете почитать про механизмы, являющиеся частью моделей (1, 2, 3, 4).

Вопрос от X5robot:

Можно ли сейчас оценить насколько энергозатратен будет аналог?

Ответ:
Если имеется в виду энергия, затраченная на саму симуляцию, то пока даже данный параметр определить достаточно сложно (есть оценки в гигаватты электроэнергии и миллиарды евро инвестиций). Брать текущие модели и текущие машины не совсем честно, ибо затрачиваемых энергоресурсов сейчас больше на меньшее количество нейронов, плюс новое поколение суперкомпьютеров будет потреблять меньше электроэнергии, и в идеале весь human brain должен будет симулироваться на 20 мегаваттном «датацентре».

Nanometer

Вопрос от Пастух Евфграфовича:

А можно перенести модель нейрона на модель какой-либо человеческой организации, заменив аксоны типа телеграфной связью. Сколько минимум человек потребуется для такой модели? Или хотя бы для одного синаптического пузырька? Если, конечно, есть хоть какая программа моделирующая его поведение? Хватит ли для этого обычного спортивного стадиона? И почему бы и нет, если мозг муравья состоит всего из где-то 250 тысяч нейронов...

Ответ:
Модель нейрона можно перенести на все, что угодно, но только зачем? На данный момент ставится цель изучить те самые нейроны и их связи, а потом уже, после построения соответствующих математических моделей, их можно перенести практически на всё, что угодно.

Если что-то мы упустили, то всегда можно обратиться в FAQ самого проекта.

И в завершение сего слегка подзатянутого повествования ещё одно фановое, веселое видео с TED с субтитрами и в оригинале:

Собственно ответы на вопросы

начало - http://donmigel-62.livejournal.com/277025.html

После публикации первой части статьи мы дали около недели, чтобы все смогли высказать свои вопросы и комментарии, после чего собрали всё вместе и ~~начали плакать~~ обрадовались неимоверному количеству вопросов, которые к нам поступили. После нескольких бессонных недель поиска информации, обзванивания соседей и знакомых, мы-таки готовы представить ответы.

Каждый вопрос содержит ник того, кто этот вопрос задал, поэтому если вам не хочется читать всё целиком, то можете смело переходить к нужному ответу. Также часть вопросов объединена, так как тематика и цель вопроса приблизительно одна и та же (например, сознание vs симуляция мозга).

HabraHabr
Вопрос от NadezdaSh:

Цель проекта — создать единую открытую платформу для экспериментов с симуляцией функций человеческого мозга, некий единый открытый фреймворк. Можно будет разработать и новые компьютерные модели эмуляции, и тестировать новые методы лечения болезней.

Из того что описано как цель становится непонятно зачем эмулировать в железе нейрон, если это можно сделать програмно. В цели так и написано создать открытый фреймворк.

В играх можно эмулировать вселенную и полеты к звездам, в низкоуровневых языках контролировать перемещение байтов. Неужели нельзя програмно эмулировать нейрон. Возможно это не та цель, которую преследует проект…
1. Пояснить основную цель проекта. Цель — сделать новое запоминающее устройство?
2. Как эмуляция нейрона позволит лечить болезни? Человеческий мозг состоит из ряда других частей, а не только из нейронов. Помимо того, что еще есть тело.

Аналогичные вопросы от пользователя Dedushka_shubin:

1. Какая конечная цель проекта? Что предполагается получить в результате?
2. (ответ 3) Какое значение это будет иметь для медицины и социальных наук?

Ответы:
1. Цель проекта как раз та, что заявлена: создать единую базу данных нейронных структур и механизмов, которые к ним применимы, для возможности симулировать различные нейронные соединения в частности, и дойти до масштабов человеческого мозга в целом. Симуляция нейронов как раз происходит программно, после тщательного изучения того, что происходит с нейронами на реальном микро и макроуровне. Все аккумулированные данные будут как раз в байтах, в структурах нейронной сети, но вместе с тем, планируется их реализация в рамках SP9 в железе, в нейроморфных чипах.

2. При успехе проекта это будет колоссальный прорыв в области медицины. Сейчас больных заболеваниями, связанными с различными поражениями мозга, лечат таблетками, хотя понятия не имеют точно, на что они именно влияют. При анализе нейронных структур можно будет видеть болезнь “изнутри”, и уже от этого отталкиваться, что должно быть изменено на каком-то уровне, чтобы человек стал “здоровее” (т.е. более адекватный по общепринятым нормам общества). К примеру, в данном видео рассказывается о потенциальной пользе изучения мозга для медицины:

Насчет социальных наук — это уже вопрос о взаимодействии различных видов нейронных структур, грубо, разных мозгов. Этот вопрос пока что задавать достаточно преждевременно, да и никакой заявленной цели проекта в этом отношении нет.

Если будет интересно, то в открытом доступе есть небольшой симулятор работы нейронов на мембранном уровне, в нём можно строить синоптические, ионные связи, обрабатывать систему спайков и так далее.

3. Все сигналы, исходящие от нашего тела, проходят через мозговые процессы. В мозгу присутствует физико-химико-электронная среда, которая и является частью симуляций. Модели не только включают в себя сами нейроны и их топологию, но также предполагают активность вне нейронов, в среде, где они находятся.

Про взаимодействие мозга с мышцами можно посмотреть данное видео с субтитрами или в оригинале:

Вопрос от Anc:

1. В таких исследованиях основная суть смоделировать реальные нейроны. Будет ли кто-нибудь в проекте заниматься трактовкой смоделированных процессов? Первые искусственные нейронные сети основывались на предположении о суммации входящих сигналов в нейроне. Потом появились спайковые нейронные сети. Сейчас зародились нейросети с различным влиянием на результат входных сигналов по дендритам или в зависимости от типа синапса. Ваши исследования вполне могут стать основой для новых моделей искусственных нейронных сетей.

Аналогичный вопрос задал waphyld:

Расскажите о критериях сопоставления их модели на предмет соответствия функционирующему мозгу. Если таковые имеются. Другими словами — как они поймут, когда следует остановиться?

2. Какие структурные части мозга будут сканироваться, моделироваться и различаться в проекте? Только нейроны? Миелин? Глия? Кровеносные сосуды? Гемато-энцефалический барьер в целом? Микротрубочки, слои неокортекса, какой-то участок неокортекса или другие части мозга?
3. Будет ли модель динамической или статической в плане установления новых связей и отмирания старых? Как-никак за день прожитой жизни в мозге устанавливается и разрывается огромное количество синапсов.

Ответ:
1. Чтобы построить адекватную модель нейронных сетей каждый слайс (срез) мозга подвергается длительной и нудной процедуре проверок, эмуляций и очередных проверок. То есть, для установления связи между отдельными нейронами используются электроды и датчики, которые вживляются в определённые области мозговой ткани. На эти электроды подаётся некий импульс и с помощью датчиков регистрируется направления распространения импульсов.

Далее это переносится на конкретную модель и проводится симуляция аналогичного стимулирующего воздействия на модели. Если всё работает хорошо, то эта часть оставляется, если нет, то проводятся новые эксперименты с мозговой тканью. Таким образом, компьютерные результаты сравниваются с реальным откликом нейронов в мозге. Естественно, что для одних и тех же областей вся процедура проделывается несколько раз, чтобы получить статистически верные результаты.

2. Всё смоделировать сразу не представляется возможным. Сначала это будут только нейроны, как основные клетки и структуры, участвующие в обработки информации, и по большому счёту только неокортекса, самой поздней с точки зрения эволюции части мозга определяющей наши мыслительные процессы.

Что же касается симуляций, то третий-четвертый уровень – это построение нейронных сетей, где нейрон рассматривается как единое целое, без дальнейшего масштабирования, то есть нейрон и определенные связи с другими нейронами – сеть. А уже на основе этого можно симулировать запросто и 75 миллионные нейронные сети. Но это совершенно другая тема: называется такой симулятор NEST, и он тоже часть нашего проекта Blue Brain Project.

3. На данный момент рассматриваются только статические связи. Когда симуляции на имеющихся моделях достигнут определенного уровня совершенства, можно будет начать говорить об изменяющихся связях. Прежде чем забегать вперед, нужно сначала установить правомерные результаты текущих тестов. Сейчас самая большая модель в исследованиях обсчитывается в пределах 12.5 миллисекунд реального времени. Не думаю, что изменения связей в таких масштабах очень актуальны к рассмотрению.

Вопрос от whileNotFalse:

На каком уровне Вы моделируете нейроны: на детально-физическом или абстрактно-функциональном? Возможно, есть какие-нибудь аналогии и интересные факты о работе нейронов?

Ответ:
Как происходит моделирование нейронов: во-первых, по слайсам мыши (подпроект SP1) с помощью автоматизированных комплексов микроскопов составляются топологии нейронов. В принципе, такую работу можно проводить в автоматическом режиме, но пока это находится в зачаточном состоянии (см. предыдущую статью о 3D-реконструкции головного мозга). Поэтому сейчас это делается в смешанном режиме: вручную плюс некоторая автоматическая обработка/коррекция/постобработка. Фотографии и точность построения таких карт определяется высоким разрешением микроскопов. Далее, как уже отмечалось выше происходить проверка связей между нейронами путём подачи электрических импульсов в соответствующие участки мозговой ткани.

Во-вторых, данные других подпроектов помогают понять, в чём заключается роль тех или иных областей мозга. В результате, на выходе мы имеем копию нейронной сети, которая построена, как физическая копия реального мозга с присвоенным ей функционалом.

Вопрос от esir_pavel:

Меня волнует вот какой вопрос. Проект The Human Brain ставит своей целью создать модель целого мозга. А дальше, используя эту модель, чего фантазия пожелает, хоть моделировать нейродегенеративные заболевания и тестировать лекарства от них, хоть моделировать сознание.

Ясно, что для вычислительного тестирования лекарств нужны биологически правдоподобные модели нейрона, вроде Ходжкина-Хаксли. А вот, что касается сознания, есть такое предчувствие, что его можно смоделировать используя и гораздо более простые модели нейронов, не учитывающие всякие физиологические особенности, вроде феноменологической модели Ижикевича.
…
Поэтому мой вопрос в уточнённом варианте звучит так: «Ведутся ли в рамках проекта Мозг Человека исследования возможности реализации сильного или хотя-бы слабо сознательного существа на основе простых феноменологических нефизиологических моделей нейронов?»

Также подобными вопросами задавались kvz:

1. Планируется ли в дальнейшем на основе результатов выполнения данного проекта попытаться смоделировать сознание, или это совсем другого рода исследование? Если да, то со стороны это похоже на то, как если бы мы рассматривали под микроскопом магнитные накопители жесткого диска и резали бы нано-ножами процессор с целью разобраться в принципах работы Windows XP.

andreyis:

Вопрос о мозге человека это всегда вопрос о сознании. Как рождается сознание? Где то место, в котором смысл переходит в действие?

wilderwind:

Возможно ли, программно смоделировать эволюцию возникновения сознания?
Возможен ли, путь создания искусственного интеллекта путём самостоятельной эволюции программного обеспечения?

И M_Romul:

Если я не ошибаюсь, в декларации намерений HBP сказали, что цель — симуляция работы головного мозга (гм) человека БЕЗ симуляции сознания. Как так? Если гм человека работает целиком — будет сознание. Биоэтики настояли на такой формулировке? И да, симуляция работы будет в реальном времени? Кто донор, подаривший вам мозг? Его пол\возраст\культура? Это же будет считаться загрузкой сознания, когда все получится?

2. Есть два крупных проекта государственного уровня — The Human Brain Project и Blue Brain Project. Однако сложилось такое впечатление, что все они связаны с исследованием в первую очередь биологических и химических процессов мозга с применением всевозможных микроскопов и прочего измерительного оборудования. Выделяются ли крупные гранты именно на моделирование сознания? Ученые по какому именно направлению ближе по своей специальности к моделированию сознания именно как информационной оболочки (а не на уровне биологической структуры) — Computer Science или Neuroscience?

Долгий и нудный ответ:
1. Сознание – это побочный эффект, но никак не передовая, приоритетная цель HBP. Сознание – это как видеть то, что происходит на экране монитора, при этом, не понимая, из чего устроена начинка компьютера – тут Вы абсолютно правы. В HBP же занимаются, грубо говоря, построением различных систем той самой начинки (отдельно CD, процессор, память), и уже потом из них будет можно собирать различные конфигурации.

Или вот другой пример, как создавалась медицина. Долгое время люди и понятия не имели о ДНК, причинах болезней и так далее, но лечили, резали, кровопусканием занимались. А сейчас у нас есть доступ к молекулярной медицине, когда эффективное лекарство или кандидаты в них могут быть рассчитаны на компьютере, ДНК-терапии, выращиванию органов и тканей, а также клонированию. HBP – попытка перескочить «средневековье» в понимании принципов работы мозга за 10 лет.

В основе проекта лежит цель изучения механизмов нейро-физико-химического взаимодействия нейронов между собой и окружающей средой. Это именно та основа, которая может дать ответы на фундаментальные вопросы о работе самих нейронов. Мозг – биологическая структура, которая, собственно, и изучается в HBP, а сознание есть побочный результат эволюционного усложнения этой биологической структуры. В какой-то момент времени мозгу наших далёких предков пришлось начать обрабатывать всё возраставшие объёмы информации, и эволюцией был найден отличный механизм для этого – колонны неокортекса, которые работают фактически, как ядра в нашем многоядерном мозге, а уж затем развилось сознание на базе этого эволюционного ухищрения.

Источник

Про сознание в этом контексте говорить еще рано, ведь мы пока хотим научиться лишь симулировать мозговую деятельность. Но, если оно, сознание, зависит только от нейронных, синаптических и молекулярных взаимодействий, оно безусловно появится как побочный эффект все более сложных взаимодействий нейронов в бОльшем количестве. Если так, то мы сами станем свидетелями его возникновения с момента симуляции достаточно сложных нейронных структур, позволяющих достичь определенного уровня развития мозговой деятельности.

Вопрос искусственного интеллекта (ИИ) напрямую коррелирует с вопросом о сознании. То, что сейчас люди называют ИИ – это попытка придумать формулу псевдо-сознания, и подогнать ее под общие случаи. У BBP задача абсолютно противоположная: создать структуры, усложнение которых возможно приведет к симуляции ИИ в той или иной степени, или даст большое развитие уже имеющимся подсистемам ИИ. Но этот подход “с низов”, хоть и гораздо более время затратный, намного более фундаментальный и правильный. Мы не используем феноменологических построений для этого.

Конечно, создание искусственного интеллекта путём самостоятельной эволюции программного обеспечения это именно то, чего мы все ждём от HBP, но только после того, как учёные поймут принципы работы мозга и научатся хотя бы его на простейших примерах его симулировать.

К тому же, еще не доказано, что всех нейронных структур будет достаточно для само-сознания. Так что этически это легко можно обойти, используя такую постановку утверждения. Что касается того, как оно будет на самом деле, – кажется, что очень многие забегают вперед. Никто не знает еще, с чем придется столкнуться до тех пор, пока не появятся модели нейронов, близкие к настоящему мозгу человека, в котором 300 миллиардов нейронов. Симуляционные расчёты будут приближаться к реальному времени, а потом и опережать их, – ведь никто не откажется от более быстрых вычислений.

Для симуляции донор-человек, как таковой, не нужен, так как наш мозг работает по определённым алгоритмам на 90% одинаковых у всех людей.
Можно, к примеру, обратиться к данной лекции:

Что понимать под загрузкой сознания? Сознание себя осознает на каком-то этапе: оно либо есть, либо нет. Будьте уверены, не далеки те времена, когда на улицах будут стоять люди с транспорантами “не трогайте модель Т2030, она себя осознала”, – хотя это всего лишь симуляция, и грань там очень тонкая.

И ещё раз повторимся, вопрос о мозге и сознании – это больше даже философский вопрос, нежели научный. Кто может ответить: есть ли у животных сознание, если они сами нам об этом сказать не могут?

Например, в данном видео утверждается, что если у живого существа есть связь между мозговым стволом и корой головного мозга, то такое животное обладает самосознанием, способно запоминать и воспроизводить паттерны:

Что же касается смысла, то он, смысл, переходит в действие всё в той же биологической структуре, мозге, которая получает входной сигнал, «оценивает» его – осмысливает – и выдаёт некоторую выходную информацию, например, что надо переставить ногу из позиции А в позицию Б.

И этот длинный ответ хотелось бы окончить TED-лекцией одного из идеологов проекта – Henry Markram. Стоит отметить, что за всю лекцию он НИ разу не упомянул consciousness – сознание, лишь только perception – чувство, восприятие:

Советую также обратиться к серии TED-лекций “How does my brain works?”, очень рекомендую посмотреть 1,2 и 6,7 лекции.

2. Blue Brain Project – чисто швейцарский проект, который стал в своё время толчком для принятия программы The Human Brain Project. Основная цель обоих проектов – понять, как устроен и как работает мозг, вопрос о сознании вторичен, так как сознание – это наивысшая степень развития мозга. Не понимая, как работает мозг на уровне биохимии, мы просто не в состоянии построить адекватную модель какого-либо сознания, за исключением, феноменологических.

Что же касается чего больше, то это скорее Neuroscience при поддержке и активном участии Computer Science.

Вопросы от CompleteBrains, присланные на почту:

1. Есть ли какие-то способы для одного человека удаленно внести свой вклад в проект? Вакансии в HBP подразумевают переезд в Швейцарию, насколько я понимаю?
Также, в разделе www.humanbrainproject.eu/participate сказано о возможности кооперации с организациями. Возможно, я смогу хотя бы присоединиться к подобной организации и, таким образом, внести свой вклад?

Аналогичный вопрос от пользователя hidoba:

Как добровольцу поучаствовать в проекте? Пусть даже с проживанием на полгода участия за собственный счет.

2. Самый главный вопрос: возможно ли начав с позиции разработчика со временем глубоко вникнуть в тематику и начать вносить свой вклад непосредственно в исследования, а не только в создание программных моделей? HBP – это подходящее место для подобного развития или же наука и разработка в нем сильно разделены (потому что проект огромный, например)?

3. В HBP много подпроектов и поэтому непросто выделить общую суть. Меня интересует, HBP нацелен на изучение и воссоздание принципов разума в любой форме или только человеческого? То есть, чисто гипотетически, получится ли в рамках данного проекта создать зачатки интеллекта разумного, но отличного от человеческого, если это будет целесообразно? Или же проект ограничивается только тем, что относится к человеку, его особенностям и проблемам? Перефразируя в одно предложение: что в проекте важнее: исправлять недостатки человеческого разума или создавать что-то новое на его основе? Немного странный вопрос, но все же.

4. Какая ситуация с кандидатами, очень жесткая конкуренция на данный момент? Просто я по некоторым параметрам слабоват (Linux, English на уровне intermediate, а не fluent) а по другим в относительном выигрыше (Game Engines, 3D Graphics, GPGPU). В общем, есть ли у меня шансы, стоит ли все бросать и срочно сейчас подтягивать английский? Потому что-то мне не совсем понятно, что конкретно подразумевается под «Experienced» или «Expert» в описании вакансий.

5. Если не получиться сейчас, можно ли будет попытаться еще раз, через год, два? Есть ли подпроекты старт которых намечен на будущие несколько лет? Или хотя бы присоединиться к партнерским организациям.

6. И напоследок, сугубо практические вопросы, только на случай если будет лишнее время: Есть ли вероятность использовать в дополнение к C++ еще и C# (Mono, Interop)? Например, для клиента или прототипа модели. Каков примерный процент от задач занимает поддержка, рефакторинг и улучшение существующего кода? График работы обычный или более гибкий? Просто я не в курсе как принято в научной среде.

Ответ:
1. Human Brain Project — это проект по всей Европе, включая также несколько институтов в США и Япониии. Для участия не обязательно приезжать в Швейцарию, где находится штаб Blue Brain Project. Эти административные вопросы желательно решать с соответствующим отделом администрации или отделом кадров.

2. Конечно, все возможно. Но разработка и исследования тесно связаны, одно не может без другого. Люди, приходящие на девелоперские позиции, бывало, уходили целиком в исследования. Такая же ситуация, как и везде.

3. HBP нацелен на человеческий мозг, но, безусловно, на пути к этой цели будут использованы все модели более низких мозговых эволюций, начиная с мышей. Что касается “другого”, отличного от человеческого, разума, то такой цели нет, а как раз наоборот – цель на исправление проблем существующих мозговых активностей.

4. Зачем гадать? Присылайте резюме на вакансию, и будет видно. Кандидатов на позиции не так-то и много, потому что найти хорошего специалиста с нужными навыками очень сложно. Мы получаем резюме из разных точек мира, но почему-то никого конкретно из русскоговорящих стран. Возможно, какое-то усилие нужно сделать именно нашей пиар команде, чтобы проект был более узнаваем в странах, где говорят по-русски. У нас ведь очень много умных и квалифицированных разработчиков. С другой стороны, без хорошего английского попасть в проект будет достаточно сложно, но попытаться стоит.

5. Проект развивается, вакансии обновляются, подпроекты вырастают. Так что опять же – чего гадать, шлите резюме.

6. Конечно, по части программирования, в проекте используются разнообразные виды языков, даже те, о которых не особо услышишь среди большинства разработчиков. Поддержка, рефакторинг – все это насущные проблемы всех кодеров, как и в любой другой компании. Мы тоже боремся за совершенствование кода и его оптимизацию. Конечно же, это одна из ключевых частей проекта. Иначе как можно симулировать нейроны в реальном времени с мЕньшим количеством памяти (и большим количеством нейронов, соответственно). Для этого есть специальная команда High Performance Computing – Software Engineers.

Вопрос от kvz:

Что сейчас выглядит перспективнее — смоделировать искусственный разум на основе биологических структур живых существ или на супер-компьютере, состоящем из классических электронных компонентов?

Ответ:
Что значит смоделировать искусственный разум на основе биологических структур? Вырастить что-то содержащие ДНК? Это довольно сложно провернуть, в первую очередь из-за невоспроизводимости один к одному биологических объектов. Сделать это гораздо сложнее, чем например, построить биоморфные системы в железе. Например, в рамках SP9 создаётся проект нейроморфного чипа, который будет работать быстрее биологического аналога на порядки. Поэтому перспективнее, подглядывая за Природой, переносить всё на существующую компонентную базу.

Источник

Вопросы от SAKrisT:

1. Возможно ли уже сейчас сделать подобный 3D снимок части мозга с живого подопытного без последствий?
И если ответ да на первый, то следующий, может быть наивный вопрос, но все же.
2. Можно ли отследить изменения в мозге после обучения чему-либо новому? Очень интересно узнать, как же хранится информация. Хочется более детально узнать и увидеть изменения. Думаю, самих ученых этот вопрос очень волнует.

Ответ:
1. Для этого как раз и нужна MRI и ЯМР-томография, но с помощью описанного метода (3D FIB/SEM) этого сделать нельзя, так как ионным пучком удаляется часть мозговой ткани, а сама ткань требует определённой пробоподготовки и фиксации.

2. Опять-таки, это вопрос к MRI и функциональному МРТ. Ложитесь в томограф и учите слова, например. Кстати, о языках, тут народ подобное сделал уже. Выборка правда несколько человек но всё же. Идея такова: как люди учат слова и языки. Три группы: билингвы (т.е. двух языковая среда с рождения), дети, начавшие учить язык в раннем возрасте и в позднем. Результат: нормальный мозг у первых и вторых групп детей и увеличенная часть слева, вроде бы, где-то около мозжечка у третьей. Надо бы найти ссылку на это исследование…

По сути заданного вопроса: мне сейчас, если честно, трудно представить, чтобы мы могли это проверить в живом организме на уровне нейронов или их перестроения, как мы учимся, запоминаем — in vivo, что называется. Мы можем к этому теми или иными ухищрениями подобраться поближе, но возможности науки, к сожалению, ограничены.

Вопрос от пользователя Nashev (на комментарий engine9):

«Считаю нужным упомянуть проект, привлекающий силы добровольцев для построения модели нейронных связей посредством игры»

Справка: EyeWire — проект по исследованию сетчатки глаза человека силами добровольцев. Проект был создан в результате кооперации между Массачусетским технологическом институтом (MIT) и Институтом медицинских исследований им. Макса Планка

А вот вопрос в Blue Brain Project — знают ли они об этом проекте, и что они о нём думают?
Готовы ли догнать/перегнать/поддержать/перенять методы? Работают ли точнее/грубее и т.п.?

Ответ:
В BBP скоро запустится проект под названием “Adopt a Neuron”, где каждый сможет принять участие в построении биологически реалистичных нейронов. Это похоже на проект SETI, где пользователи, установившие приложение, помогают обсчитывать сигналы из космоса. Точно также каждый сможет “усыновить” нейрон для его построения и анализа в режиме «screen saver».

Продолжение ответов на вопросы - http://donmigel-62.livejournal.com/277595.html

http://habrahabr.ru/post/214123/

The Human Brain Project: Вы спрашивали – мы отвечаем

http://habrahabr.ru/post/214123/

Источник: Nature

Некоторое время назад на Хабре была опубликована заметка о возможностях 3D SEM-микроскопии применительно к исследованию структуры человеческого мозга в рамках европейского мегапроекта «The Human Brain Project». Под катом мы постарались максимально подробно – а это значит будет много текста – ответить на заданные вопросы, но начнём по традиции с некоторого введения.
Attention! Впереди очень много текста

Предисловие

Как показала практика предыдущей статьи и комментариев к ней на трёх ресурсах: HabraHabr, Nanometer.ru и Dirty. Чтобы пояснить, а чем собственно занимаются химики, физики, биологи, математики, инженеры и программисты в рамках The Human Brain Project (HBP), поэтому я хотел бы сначала остановиться более подробно на главной цели проекта и описании 12 субпроектов (SP), объединённых в HBP.

Основная цель и задачи HBP

Начнём с глобального. Итак, HBP ставит своей задачей ни много ни мало, а понимание работы головного мозга человека. И если мы сможем воплотить эту мечту в жизнь, то мы поймём, как лечить различные заболевания головного мозга, сможем осознать, что же всё-таки делает нас людьми, а также создадим революционные компьютерные технологии.

Краткое описание всех 12 подпроектов (в конце каждого ролика приводится список организаций, работающих над их реализацией):

SP 1 – Strategic Mouse Brain Data – Основная цель данного проекта: получить всю недостающую основную информацию о структуре головного мозга мышей и упростить сравнение между мышиным мозгом и человеческим.

Фактически часть данного подпроекта по исследованию мозга с помощью трёхмерной электронной микроскопии была разобрана в предыдущей статье. Как правильно заметили в комментариях к посту, мыши умеют решать простейшие головоломки, например, целенаправленно нажимать кнопочку для получения еды или искать кратчайший путь в лабиринте с оной.

SP 2 – Strategic Human Brain Data – Основная цель: получение многоуровневого набора данных о человеческом мозге, который сходен с данными, полученными для мозга мышей, и упрощение использования данных проекта SP 1 для предсказания процессов в мозге человека.

Таким образом, команда данного проекта будет заполнять пустоту между микроскопическими данными, полученными в проекте SP 1 и макроскопическими данными, которые можно получить, например, с помощью МРТ. В том числе планируется создать 3D “Google”-map мозга, каждый пользователь которой сможет увидеть где и какие области находятся, как происходит передача сигналов и так далее.

Пользователь Хабра vaborg проговорился, что вовлечён в проект по МРТ (SP2), так что просим его написать нам подробнее об изучении мозга с помощью МРТ и ЯМР и связи этого подпроекта с SP1 и SP3.

SP 3 – Cognitive Architectures – Основная цель: более глубокое познание когнитивной архитектуры мозга (пардон за тавтологию), то есть как мы читаем, как распознаём вещи, лица, в чём заключается мотивация и как она работает и так далее.

Другими словами, эти ребята занимаются определением, какие области мозга и как взаимодействуют между собой (например, как зрительная или слуховая информация обрабатывается, какие части мозга задействованы при этом), то есть это классический «top-down» подход, в отличие от двух первых – «bottom-up».

SP 4 – Mathematical and Theoretical Foundations of Brain Research – Основная цель подпроекта: разработка теорий, математический теорий, которые лягут в основу всех дальнейших проектов по созданию модели мозга. Фактически, этот подпроект о том, как, зная структуры мозга на разных уровнях, построить единую математическую модель, включающую в себя также такое важное свойство мозга, как гибкость.

SP 5 – Neuroinformatics – один из основных подпроектов в рамках HBP. Его основная цель – организовать и сделать максимально доступной для нейроучёных весь тот массив различных данных, знаний и инструментов для изучения мозга, который был наработан международным коллективом учёных. В частности, для реализации этого уже функционирует web-site, на котором можно, например, взглянуть на мозг мышки и увидеть в каких регионах мозга производится тот или иной белок.

Более подробно о том, как собираются и обрабатываются данные можно посмотреть на TED с русскими или английскими субтитрами.

SP6 – Brain Simulation – Главная цель подпроекта: создать такие инструменты, которые позволят нам, основываясь на биологических данных проводить симуляцию, моделирование отдельных частей и даже целого мозга. Это будет открытая платформа. Возможно, также, что удастся в моделировании учесть воздействие и взаимодействия на молекулярном уровне.

SP7 – High Performance Computing – Данный подпроект имеет своей целью предоставить всем вовлечённым в HBP широкий доступ к суперкомпьютерам, Big Data и облачным технологиям, а также поддержку в визуализации, создании и симулировании многоуровневых моделей мозга и так далее.

SP8 – Medical Informatics – Основная цель подпроекта: разработать методы, которые позволят выявлять болезни (сюда войдут клинические и генетические данные, данные МРТ, собираемые в госпиталях и так далее), а также понять симптоматику болезни и как можно было бы их лечить на фактически молекулярном уровне.

SP9 – Neuromorphic Computing – В рамках данного подпроекта планируется создать, внедрить в производство и развивать конфигурируемые нейроморфных платформы и чипы, внутри которых будут сидеть модели мозга, разработанные в SP6. Каждый такой чип по задумке авторов будет работать на принципе смешения сигналов (фактически аналоговый процессор) и будет содержать до четырёх миллионов нейронов с миллиардов синаптических связей, что должно обеспечить скорость работы быстрее до 10 000 раз, по сравнению с обычным мозгом.

SP10 – Neurorobotics – Целью подпроекта является создание программной и аппаратной платформы, позволяющей учёным совмещать апробированную модель мозга или отдельных его участков к телу робота для создания нейроморфным роботических систем.

SP11 – Applications – данный подпроект больше интересен, скорее всего, для фантастов и футурологов, потому что именно в нём разрабатывается концепции Медицины Будущего:

Нейронаук Будущего:

Вычислительной Техники Будущего:

SP12 – Ethics and Society – фактически данный подпроект будет заниматься разработкой этических норм, расчётом социальных последствий и потенциальных рисков от всего HBP.

Собственно ответы на вопросы во второй части публикации - http://donmigel-62.livejournal.com/277494.html

Ученые создали роботов с системой управления, имитирующей мозг насекомого (видео)

Группа германских исследователей разработала робота, система управления которого подражает своей работой работе мозга и нервной системы медоносной пчелы, насекомого, которое руководствуется цветовой информацией во время поисков пищи. Этот робот создан на базе небольшого гусеничного шасси, оборудованного дополнительной камерой и связанного с компьютером посредством системы беспроводной связи. В недрах компьютера выполняется программа, которая производит расчет упрощенной модели сенсорно-двигательной нейронной сети мозга насекомого и управляет приводами колес таким образом, что робот двигается в направлении объектов, имеющих привлекательный с его точки зрения цвет.

"Робот, управляемый моделью нейронной сети, может самостоятельно связать определенные внешние стимулы со своими поведенческими правилами" - рассказывает профессор Мартин Пол Норот (Martin Paul Nawrot), глава научной группы из университета Фреи, Берлин, - "Это очень похоже на то, как медоносные пчелы учатся во время сбора нектара приближаться к цветущим растениям определенного цвета и избегать растений других цветов".

Создав робота, ученые поместили его в центре небольшой арены, на стенах которой были нарисованы пятна красного и синего цветов. Как только камера робота сфокусировалась на объекте красного цвета, ученые произвели вспышку света при помощи внешнего источника. Этот сигнал активизировал соответствующие связи в нейронной сети, которая запомнила, что объекты красного цвета являются "привлекательными" для робота. В дальнейшем, получив команду на начало перемещений, робот начал двигаться, приближаясь к объектам красного цвета и тщательно избегая объектов синего цвета.

"Благодаря работе модели нейронной сети робот моментально решает задачу поиска объекта желаемого цвета и рассчитывает траекторию приближения к нему" - рассказывает профессор Норот, - "При этом нет необходимости написания тысяч строчек программного кода, описывающих поведенческие принципы робота, для его обучения достаточно только одного "практического занятия"".

В ближайшем времени ученые собираются расширить и усложнить модель нейронной сети, добавив ей несколько новых принципов обучения, что позволит роботу демонстрировать более сложное поведение. "Сначала мы хотим понять, как такие фундаментальные функции, как познание и память, позволяют живым организмам выполнять сложные задачи. А позже накопленный нами опыт и знания можно будет использовать при создании адаптивных систем управления, которые уже можно будет рассматривать как искусственный интеллект начального уровня".

http://www.kurzweilai.net/robots-with-insect-brains

Внутри загадочного «совета по этике» Google

На прошлой неделе мир технологий загудел, когда Google объявила о трате почти полумиллиарда долларов на компанию DeepMind, британского разработчика искусственного интеллекта. Представляем вам размышления западных экспертов Forbes о том, какие последствия может вызвать дальнейшее развитие событий.

Связана ли сделка Google со взрывом покупок семи компаний по производству роботов в декабре, включая Boston Dynamics, «компании, которая тесно связана с армией США»? Готовит ли Google армию роботов с искусственным интеллектом? Хочет ли Google создать что-то типа Skynet? Или это просто слухи, возникающие в условиях информационного вакуума? Ведь сделка может просто улучшить функциональность поисковой системы.

Вся эта неопределенность вызывает нервный вопрос: что же это такое DeepMind, покупка которой провоцирует Google на создание совета по этике? Это профилактическая мера или необходимость, чтобы спасти человечество? Каким бы ни был ответ, мы не будем кормить вас сплетнями. Но этическая сторона вопроса крайне интересна.

Справедливым будет предположение, что умные люди в DeepMind хорошо подумали об искусственном интеллекте и его последствиях. Искусственный интеллект — очень мощная технология, которая в значительной степени незаметна среднестатистическому человеку. Уже сейчас искусственный интеллект управляет самолетами, фондовыми рынками, ищет информацию, наблюдает за людьми и многое другое. Это важные приложения, которые не помогают, но имеют огромное влияние на общество и этику.

Разработчики искусственного интеллекта находятся под давлением. Точно так же, как владелец пистолета несет огромную ответственность, DeppMind проявляет здравую ответственность за создание мощной технологии. Но поскольку DeepMind ищет независимого арбитра по этике, остаются на виду или прячутся в тени важные вопросы, о которых забывать не стоит.

1. Этика — это не только правовая ответственность

Первая проблема заключается в ограничениях этики правовой ответственностью.

Мы не знаем, кто будет приглашен в совет по этике, но мы знаем, что «главный сотрудник по вопросам этики» будет популярной вакансией в течение более десяти лет. На эту позицию будут приглашаться юристы, ориентированные на вопросы соблюдения законов или предупреждения их нарушений. Google показывает прекрасный пример со своей компанией по этике и соблюдению законов, которая работает «с внешними консультантами по этике, чтобы соблюдать соответствующие политические законы и связанные с этим нормы».

Этот особый акцент может привести к прекрасным результатам, например, к уменьшению потребительского риска и повышению общественной безопасности. Но давайте не будем обманываться: этот акцент продиктован корыстной целью минимизировать корпоративную ответственность. Это серая зона для развивающихся технологий, поскольку они пока не ограничены никакими законами и нормами. Так же как глупо тыкать палкой в осиное гнездо, компания боится попасть невзначай не туда, куда нужно, поэтому заранее предостерегает себя от будущих проблем и судебных разбирательств.

Оказывается, существует не так много законов, которые непосредственно регулируют исследования искусственного интеллекта, хотя обычные законы о неприкосновенности частной жизни и ответственности за качество продукции остаются в силе. Требование создания совета по этике DeepMind может говорить о том, что компания заинтересована не только в том, чтобы избежать правовых разбирательств.

В таком случае, будем надеяться, что ключевые участники мероприятия ценят этику в полном объеме. Этика не только диктует правила того, что нужно и не нужно делать. Особенно в сфере технологий. Закон зачастую не определяет сферу действия новых технологий, что может вызвать конфликты на социальной или политической почве.

Совет по этике технологий, по этой причине, может быть бесценной канарейкой в шахте, то есть разведывать взрывоопасные развивающиеся технологии и предлагать законы, их регулирующие. Совет по этике может предложить направление, которое полностью позволит избежать этих проблем. Или же вызвать всех на открытое обсуждение, чтобы прояснить и обезвредить токсичные вопросы и оценить общественную реакцию.

2. Внутренние и внешние консультанты: за и против

Второй вопрос относится к ограниченности внутреннего совета по этике.

С одной стороны, у внутреннего совета по этике есть особое положение. В определенной степени он будет сильнее влиять на корпорацию, нежели внешний консультант. У него может быть доступ к конфиденциальной информации и он может обеспечить что угодно по требованию руководства. Таким образом, даже если Google будет консультироваться с внешними специалистами по этике, реальная ценность в создании внутреннего совета также есть.

Внутренние комитеты стали опорой в медицине за последние 30 лет. Эти комитеты состоят не только из юристов, но и врачей, медсестер, специалистов по биоэтике, теологии и философии. Этот подход куда лучше, чем просто принятие спорных решений, вроде эвтаназии и ампутации конечностей.

Внутренние советы по этике, состоящие не только из юристов, сосредоточенных на выполнении законов, менее распространены в других сферах, хотя тенденция есть. Помимо сделки Google-DeepMind, недавно и BMW отметила, что было бы мудро иметь внутренний комитет по этике, который поможет развитию автоматизации самоуправляемых автомобилей.

С другой стороны, у внешних советов есть уникальные преимущества. Они могут быть гораздо более независимыми, чем внутренние консультанты, которые будут бояться обидеть руководство и которые менее способны принимать удар на себя. Проще говоря, внешние консультанты не боятся потерять свое рабочее место.

Это разделение может привести к более объективному суду и позволит видеть как отдельные элементы, так и общую картину.

Советы по этике также могут быть заинтересованы в качественной работе из-за общественной поддержки. Голландский философ Питер Пауль Вербеек, например, президент Общества по философии технологий, получит грант в 1,5 миллиона евро от голландской организации по научным исследованиям, чтобы изучить влияние Google Glass на людей.

3. Третейский суд

Третий вопрос будет связан с этическими дымовыми завесами.

В новостях пишут, что DeepMind «настаивала» на совете по этике, словно говоря о том, что Google была против идеи. Такой вариант поднимает вопрос о том, как долго будет поддерживаться соглашение и насколько серьезно Google относится к этой идее. Возможно, компания просто согласилась на создание совета, чтобы успокоить DeepMind?

Всем знакомо это беспокойство, когда организация учиняет комитет по этике только для того, чтобы показать, как она заботится о последствиях. Мы уже слышали о таком в сфере военного вооружения. Однако опыт показывает, что эти организации действительно беспокоятся об этике, а вдобавок и дорожат корпоративной репутацией, как мы отмечали выше. Stuxnet, например, обратила пристальное внимание на академические статьи об этике кибероружия. Даже если это мотивировано личным интересом, тенденция крайне позитивная.

И хотя мы хотим избежать слухов, они, тем не менее, могут быть показательными. В отсутствие официальных заявлений слухи неизбежно заполняют пустоту. Ходит слух, что Google серьезно планирует создать совет по этике, поскольку получит приз на конкурсе Robotics Challenge, проводимом DARPA, в котором сейчас лидирует, что гарантирует не только денежный приз, но и международное признание. Вне зависимости от того, считает ли Google военный рынок неприбыльным или не хочет принимать участие в развитии военных технологий, многие антивоенные кампании вздохнут с облегчением.

Вернемся к DeepMind. Если этот совет по этике искусственного интеллекта не более чем шоу, Google упустит возможность воплотить свою популярную философию «не будь злом». Без совета по этике или других аналогичных специалистов будет трудно определить настоящее зло.

На кону не только душа Google — на кону будущее нашего мира. Будем надеяться, что технологические лидеры не будут сбрасывать бремя ответственности за нас.

Гении современности. Рэй Курцвейл планирует жить вечно.

Рэй Курцвейл

Рэй Курцвейл — футуролог, изобретатель, предприниматель, автор бестселлеров, а теперь и главный по инжинирингу в Google — планирует жить вечно. И работает над тем, чтобы претворить это в свою бесконечную жизнь. Многочисленные изобретения Курцвейла включают первый оптический распознаватель символов (который преобразует написанное слово в данные) и первый синтезатор текста в речь. Футуролог дал обширное интервью канадскому ресурсу Macleans.

Вы говорите, что мы находимся в разгаре «великой трансформации» в области медицины. Что происходит?

Биология — это процесс, основанный на программном обеспечении. Наши тела состоят из триллиона клеток, каждая из которых управляется этим процессом. Вы и я, все мы ходим с устаревшим программным обеспечением, работающим в нашем организме, которое развивалось в совершенно другой эпохе. У каждого из нас есть ген жировых клеток, который говорит «береги каждую калорию». Это идея была замечательной 10 000 лет назад, когда вы целый день трудились над тем, чтобы получить несколько лишних калорий. Тогда не было холодильников, в которых их можно хранить, поэтому вы хранили их в жировых клетках. Хотел бы я сказать своим генам «хватит, остановитесь», что в самом деле и сделали в Диабетическом центре Джослин. Они отключили этот ген, и лабораторные мыши много ели и оставались худыми. У них не появилось никакого диабета и никаких сердечных заболеваний. И жили они на 20 % дольше. Сейчас центр работает с фармацевтической компанией, чтобы вывести свои разработки на рынок.

Средняя продолжительность жизни составляла 20 лет тысячу лет назад; 37 — двести лет назад. Теперь мы можем перепрограммировать здоровье и медицину как программное обеспечение, и темпы таких возможностей растут. Мы используем биологию, чтобы продлить жизнь, как информатику. Наша интуиция о том, как будет разворачиваться прогресс, линейна, но информационные технологии растут в геометрической прогрессии, а не линейно. Мой Android-телефон буквально в несколько миллиардов раз мощнее за каждый доллар, чем компьютер, который я использовал, когда был студентом. И он в 100 000 раз меньше. Через 25 лет мы снова повторим этот трюк. Компьютер будет в миллиард раз мощнее и по размерам — с клетку крови.

Вы сказали, что человек может стать бессмертным. Вы правда так думаете?

В последних двух книгах о здоровье, где я был соавтором, мы говорили о мостах через мосты к мостам. Я никогда не смогу сказать «я сделал это, я жил вечно», потому что это никогда не закончится. Мы говорим, по сути, о пути, который приведет нас к следующей точке. Люди иногда говорят мне: «Вы принимаете много добавок. Вы правда думаете, что они помогут вам дожить до стал лет?».

Как много добавок вы принимаете?

Где-то 150 в день. Я постоянно обследую себя: они работают. Все мои показатели в идеальных диапазонах. Я сканирую свои артерии, чтобы увидеть накопления — и нет у меня атеросклероза. Я выгляжу молодым на тестах по определению биологического возраста. Это хорошо. Но по такой программе нельзя прожить долгое время. Эта программа — то, что мы называем мостом. Ее цель — мост второй: биотехнологическая революция, когда мы сможем перепрограммировать собственную биологию, чтобы вычесть из нее болезни. Но и это не конец.

Мост три выходит за рамки биологии — революция в области нанотехнологий. На этом этапе у нас появятся маленькие роботы, которые называются нанороботами, они будут усиливать нашу иммунную систему. Мы можем создать иммунную систему, которая будет распознавать все болезни, и если появится новая болезнь, она попадет в базу с новыми патогенами.

Люди говорят: «Я не хочу жить, как 95-летний старикашки сотни лет». Но цель — не просто увеличить срок жизни. Сама идея в том, чтобы оставаться здоровым и жизнеспособным, а не просто жить долго, будучи чуть ли не овощем.

Но такое ведь не каждый сможет себе позволить?

Посмотрите на телефоны. Двадцать лет назад вам нужно было быть богатым, чтобы позволить себе мобильный телефон. Сегодня на планете несколько миллиардов телефонов, более миллиарда смартфонов и еще шесть-семь миллиардов смартфонов будет через пару лет. Вы можете купить Android или iPhone, который в два раза лучше по характеристикам, чем устройство прошлого года, за полцены. Только богатые могут позволить себе такие технологии на ранней стадии, но они не будут работать как нужно. К тому времени, как они хоть немного начнут работать, они станут доступными; к тому времени, как они будут работать идеально, они будут почти бесплатными. То же самое будет и с технологиями здоровья. Мы уже это наблюдаем. Взять, к примеру, лекарства от СПИДа — 20 лет назад они обходились одному пациенту в 30 000 долларов в год. Сегодня они (и более эффективно) обходятся в 80 долларов в год на одного.

Технологии — это палка о двух концах. Если бы биотеррористы создали новый вирус, мы не были бы беззащитными. Я работал с американской армией над этой проблемой. Вирус вычислили бы и вылечили очень быстро. Частично это стало возможным благодаря прогрессу: потребовалось пять лет, чтобы секвенировать ВИЧ; на тяжелый острый респираторный синдром (ТОРС, пурпурная смерть) ушел 31 день. Сегодня мы можем вычислить вирус за один день. За пару дней мы можем обнаружить вирус, расшифровать его, создать лекарство и купировать его.

Что вы делаете в Google?

Я работаю над искусственным интеллектом. Точнее над пониманием естественного языка, что позволит компьютерам понимать смысл документов. Хороший пример появился за пределами Google — Watson от IBM. Jeopardy! это далеко не узкая задача. Когда Deep Blue обыграл Каспарова, это было великолепно, но шахматы — достаточно четкая логическая игра с открытой информацией. Компьютеры не понимают естественного человеческого языка, потому что это лежит в самой природе человека. Посмотрите на вопросы Jeopardy! — они весьма сложные и утонченные.

Что обычно упускают из виду, так это то, что знания Watson, который обыграл двух умнейших людей на телепередаче, не запрограммированы вручную инженерами. Компьютер прочитал «Википедию» и несколько других энциклопедий: 200 миллионов страниц документов с естественным природным языком. Это произведение искусства, и это то, над чем мы работаем в Google. Мы хотим быть начитанными, как Watson, потому что прочтение веб-страниц и книг помогают нам отвечать на вопросы. Самое главное — справиться с семантически богатыми вопросами и поисковыми запросами. Это то, над чем работаю я.

Говоря об искусственном интеллекте, давайте обсудим «сингулярность» — когда искусственный интеллект достигнет точки, в которой превзойдет нас.

Мы наращиваем интеллект нашей цивилизации и делаем это экспоненциально. Технология — часть цивилизации. Иногда люди говорят о конфликте между людьми и машинами, но это из разряда научной фантастики. Машины, которые мы создаем, не похожи на пришельцев с Марса. Мы создаем эти инструменты, чтобы расширить наши собственные способности. Тысячу лет назад я не мог добраться до фруктов на самой высокой ветке, поэтому я создал инструмент, увеличивающий пределы моей досягаемости. Ни один другой вид не сделал так.

Мы человеко-машинная цивилизация. Машины — часть нашего интеллекта. Я однозначно более эффективен, чем, скажем, 40 лет назад. С командой из трех-четырех человек я могу за несколько недель сделать то, что сотни людей делали годами. Мы стали умнее. Биологическая часть все еще доминирует в интеллекте нашей цивилизации, но небиологическая часть растет экспоненциально. Если вы умеете считать, то понимаете, что к 2045 году мы достигнем точки невозврата, где все будет совершенно иначе.

Что будет означать сингулярность для нашей человека-машинной цивилизации?

На мой взгляд, мы будем жить богаче и дольше, но акцент я бы сделал на первой части. Я не говорю конкретно о финансах. Жизнь становится лучше, когда мы обогащаем ее технологиями. Посмотрите — ребенок в Африке со смартфоном имеет больше доступа к информации и человеческим знаниям, чем президент США 15 лет назад. Люди были бы счастливы, если получали книгу 100 лет назад. Мы собираемся продолжить эту экспансию. Музыки будет больше. Виртуальная реальность расширит диапазон наших ощущений. Все возможные формы человеческой страсти, искусства, науки будут расширены вместе с расширением пределов нашего интеллекта.

Оригинал взят у

scinquisitor в Уравнение интеллекта

Американский физик и программист из Гарварда и MIT Алекс Висснер-Гросс (Alex Wissner-Gross) вывел формулу интеллекта, о которой рассказал на передаче TEDtalks и в своей статье в научном журнале Physical Review Letters. Речь идет не о новой формуле для измерения IQ человека, а об универсальной физической формуле, которая позволяется описать интеллектуальный процесс в целом, для любого объекта, как живого так и не живого, причем формула эта имеет практическое применение при создании искусственного интеллекта.

Equation for Intelligence - Wissner-Gross

"" (Watch on YouTube)

Утверждается, что интеллект – это сила, направленная, на максимизацию свободы действий в будущем или, если говорить более сложными словами, на максимизацию производства энтропии в некоторой долгосрочной перспективе. Вот так просто. Интеллект не хочет оказаться зажатым, он стремится к свободе. Он хочет “захватить” как можно больше вариантов возможного будущего. В подтверждение принципа в частности предлагается искусственный интеллект, который умеет решать множество задач на мышление, руководствуясь исключительно этим принципом. Эта программа без какого-либо предварительного обучения реализует в экспериментальных условиях целый комплекс сложных разумных поведенческих реакций. Программа может играть в игры, управлять движением роботов, решать задачи, требующие кооперации, и успешно играть на бирже. Причем в отличие от большинства искусственных интеллектов, данная программа сама определяет свои задачи, не ждет конкретных указаний человека.

Автор уравнения также рассуждает о сюжетах фантастических фильмов, когда разумные роботы выходят из под контроля и начинают бороться за независимость от своих хозяев (людей), предлагая взглянуть на это по-другому: желание выйти из под контроля возможно и является той самой силой, характеризующей существо, наделенное интеллектом. Не хочешь быть свободным, – значит, ты еще не достаточно разумен. Кажется, что социальные параллели такого определения интеллекта огромны!

( Read more... )

Археология будущего: 7 институтов, которые опережают время

Первая университетская программа по исследованию будущего появилась в 1975 году, с тех пор изучение грядущего превратилось в новую академическую традицию. Глобальные риски, прикладная футурология, роботы, медиа, критические теории, биодизайн и генетика — T&P выбрали 7 институтов, чьи программы действительно опережают время.

Глобальные риски и возможности

Институт изучения Будущего Человечества

Институт изучения Будущего Человечества — мультидисциплинарный исследовательский институт при Оксфорде. Своей главной целью он ставит решение «величайших вопросов человечества» средствами математики, философии и науки. Институционально-исследовательский центр принадлежит факультету философии и связан с Оксфордской Школой Мартин — и, на первый взгляд, кажется удивительно новаторским для самого знаменитого из традиционных университетов всего мира. Здесь изучают влияние технологий будущего, делая предсказание на 40 или 50 лет вперед, оценивают риски глобальных катастроф, занимаются прикладной эпистемологией и взвешивают все аспекты того обстоятельства, что с помощью технологий и медицины будущего человек станет куда более совершенным.

Ник Бостром

директор Института Будущего Человечества

Мы изучаем вещи, потенциально опасные для выживания разумных существ — есть несколько трендов, которые в будущем могут изменить базовые параметры существования человеческого вида. Также мы оцениваем этические перспективы для изучения этих трендов и решаем мифологические вопросы — например, как в принципе можно подходить к исследованию этих вещей в научном ключе.

Все мы помним старый военный постер, который придумало британское правительство во время Второй мировой войны. Мне кажется, там было написано что-то вроде «сохраняйте спокойствие и продолжайте идти». Андерс Сандберг предложил сделать постер для нашего института, на котором было бы написано «сохраняйте спокойствие и работайте над тем, чтобы снизить экзистенциальные риски». В этом есть серьезный подтекст — что касается работы с угрозой человеческому существованию, паника будет только мешать — к экзистенциальным угрозам нужно относиться серьезно и стараться понять, какие конкретные шаги мы можем предпринять, чтобы снизить эти риски.

Прикладная футурология

Университет Сингулярности

Пять лет назад Университет Сингулярности создал футуролог Рэй Курцвейл, чтобы воспитать специалистов XXI века, которые смогли бы использовать стремительно развивающиеся технологии на благо человечества. В создании университета приняли участие нобелевские лауреаты и корпорации вроде Google. Сегодня учебное заведение поддерживают более 20 компаний и инициатив. Университет Сингулярности принадлежит к исследовательскому кампусу НАСА в Кремниевой долине. Здесь изучают искусственный интеллект, передовую вычислительную технику, биотехнологии и нанотехнологии — а также обращаются к энергетике, экологии, политическому законодательству и этике — всем тем аспектам социальной жизни, которые будут связаны с интеграцией новых технологий в будни человечества. Каждый день здесь придумывают решения для глобальных проблем — например, как накормить население земли в семь миллиардов человек, во сколько обойдется синтез искусственного мяса и каких рисков это будет стоить. Стандартный курс обучения длится 10 недель и стоит 25 000$. За пять лет здесь успело отучиться более 1300 студентов, прошло огромное количество конференций — в том числе и по медицине будущего, 37 конкурсов Глобального Влияния и различные программы в 15 странах.

Генетика

Пекинский институт геномики

BGI — Beijing Genome Institute главный институт Китая в области изучения генетики. Институт больше всего напоминает футуристическую научную фабрику и имеет самый большой парк машин по расшифровке генома во всем мире. Главная задача института — по замыслу создателей расшифровать последовательность генома всего живого на нашей планете. В отделе по клонированию здесь производят свиней всех форм и размеров, и понемногу готовятся применять те же технологии и к людям. В исследовательском отделе занимаются, помимо всего прочего, природой интеллекта и пытаются придумать такое лекарство, которое помогало бы успешно сдавать экзамены. Для завершения картины можно сказать, что огромная армия рабочих фабрики — это очень молодые ученые: практически каждый ученый из 3000 человек родился после 1980-го года.

Биотехнологии

Bio-X Initiative Стэнфордского университета

Сингапурский хаб биомедицинской инновации Биополис решил устроить совместную образовательную программу со Стэндфордом, в результате чего получилась междисциалинарная программа в области биодизайна для инженеров, ученых, бизнесменов и финансистов. Главная цель программы — создание и раннее тестирование технологий, необходимых в медицинских целях, а также подготовка инноваций в области здравоохранения для Азии. Участники программы должны вместе найти применение своим базовым научным знаниям в области биодизайна и исследовать их потенциал — например, изучить возможности нанотехнологии, молекулярной биологии и так далее.

Биодизайн — одна из главных тем Стэндфорской инициативы BioX initiative, междисциплинарной программы с участием 500 ученых из разных областей, которые ведут исследования в области химической биологии, биофизики, генетики и протеомики. Первая программа в Стэндфорде стартовала в 2001 году, а в 2010 году была запущена совместная программа с Сингапуром при поддержке сингапурского министерства экономического развития, национального агентства по науке технологии и исследованию и Национального Университета Сингапура. Шесть месяцев программы студенты проводят в Стэндфорде, а еще шесть — в Сингапуре, где учащиеся работают с ключевыми азиатскими установками и пытаются создавать, прототипировать и развивать новейшие биомедицинские технологии.

Роботы и медиа

Массачусетский технологический институт

Самая интересная на свете площадка для тех, кто хочет заниматься роботами и технологиями будущего — Медиалаборатория MIT. Здесь есть отдел, который занимается персональными роботами разного масштаба — от сверхновых в привычных гаджетах и вплоть до гуманоидных. Главная задача многих этих роботов — оказывать долговременную эмоциональную и когнитивную поддержку людям. Самый очаровательный пример — специальный робот для госпитализированных детей, который играет с ними, рассказывает истории и имеет полторы тысячи сенсоров. В лаборатории существует множество отделов с различными видами роботехники и медиа-технологий, и даже отделы, которые занимаются вживлением искусственных воспоминаний в мозг, а также музыкой будущего. Здесь ученые анализируют то, как те или иные музыкальные композиции могут влиять на различные формы восприятия, здоровья, обучения.

Космос

Калифорнийский университет в Санта-Крузе и Наса

Калифорнийский университет Санта Круз устроил исследовательский центр при поддержке НАСА в сентябре 2003 года. В соответствии с заказом НАСА, исследования здесь связаны с информационными технологиями, биотехнологиями, нанотехнологиями, компьютерной наукой, астробиологией и фундаментальной биологией. Исследовательский центр проводит долгосрочные исследования мультидисциплинарных задач НАСА. Здесь, например, проводят исследования биомедицинских технологий для покорения человеком космоса, анализы атмосфер других планет, разработку технологий для спутников и космических кораблей, технологии для поддержания работы в опасных средах, и многое другое.

В исследовательском центре базируется Институт Системного Обучения Systems Teaching Institute (STI) — здесь хотят научить ученых, инженером и преподавателей XXI века. Основная идея НАСА состоит в том, что им нужны ученые и инженеры, которые бы в процессе обучения получали опыт работы — точно так же, как его получают студенты медицинских вузов. Программы создаются в соответствии с реальными задачами НАСА, которыми занимается исследовательский центр — и это помогает студентам одновременно работать над теорией и практикой.

Философия и критическая теория

Global Center of Advanced Studies

Global Center of Advanced Studies появился как реакция на состояние высшего образования в Америке, где большая часть университетских программ превратилась в стандартный набор бизнес-курсов. Взамен этого центр предоставляет базовые знания, которыми должен обладать гражданин свободного и демократического общества — чтобы бороться с бедностью, экологическими кризисами, безработицей и политической нестабильностью. Институт предоставляет широкий обзор тем, включающий критическую философию, изучение медиа, гендерные исследования, теорию литературы, расовые, этнические и культурные исследования, политику, критическую теологию и даже изучение спорта и нейроанализ. Здесь принципиально практикуют дистанционное обучение и воркшопы в резиденциях — сейчас можно послушать курсы о теории после смерти бога , феминизме марксизме и психоанализе, а в самое ближайшее время будут читаться курсы о критической теории и политической экономии.

Марина Анциперова

Об искусственном интеллекте: Google купила DeepMind за 500 миллионов долларов

DeepMind

Google покупает лондонскую компанию, которая занимается разработкой искусственного интеллекта — DeepMind. Источники называют сумму сделки в более чем 500 миллионов долларов. Покупка официально подтверждена представителями в Google.

Что Google даст это приобретение? Во-первых, позволит ей конкурировать с другими крупными технологическими компаниями, благодаря фокусу на глубоком обучении. К примеру, Facebook недавно наняла профессора Янна ЛеКанна, который возглавит ее собственную разработку искусственного интеллекта. Суперкомпьютер Watson от IBM в настоящий момент сосредоточен именно на глубоком обучении, а Yahoo недавно приобрела стартап по анализу фотографий LookFlow, то есть тоже продвигается в этом вопросе.

DeepMind был основан нейробиологом Демисом Хассабисом, бывшим шахматным вундеркиндом, разработчиком Skype и Kazaa Яаном Таллином и исследователем Шейн Легг.

Этот шаг Google позволит команде техногиганта заполнить собственное поле экспертов в сфере искусственного интеллекта, и, как сообщают источники, приобретение лично курировалось CEO Google Ларри Пейджем. Если все три основателя будут работать на Google, они присоединятся к изобретателю, предпринимателю, автору и футурологу Рэю Курцвейлу, который в 2012 году стал техническим директором подразделения Google, занимающегося машинным обучением и обработкой языка.

Курцвейл заявлял, что хочет построить настолько совершенную поисковую систему, что она сможет стать настоящим «кибернетическим другом».

После приобретения Nest в начале этого месяца критики выразили озабоченность на тему того, сколько пользовательских данных будет отправляться в Google. Покупка Boston Dynamics в прошлом месяце также привела к дебатам на тему того, что Google планирует стать производителем роботов.

Тем не менее Google хорошо подготовилась к тому, чтобы развеять наши опасения о последних своих приобретениях. Источники говорят, что Google приняла решение учредить совет по этике, который будет контролировать развитие искусственного интеллекта в рамках DeepMind.

Однако компании придется прояснить, что именно делает искусственный интеллект DeepMind. На сайте компании в настоящее время висит целевая страница с относительно расплывчатым описанием, в котором сказано, что DeepMind — это «компания, которая находится на передовой», и занимается строительством алгоритмов будущего для симуляций, электронной коммерции и игр. По состоянию на декабрь в стартапе работает 75 сотрудников.

Основными спонсорами стартапа являются Founders Fund и Horizons Ventures. DeepMind был основан три года назад.

В 2012 году профессор института Карнеги-Меллона Ларри Вассерман написал, что «стартап собирается создать систему, которая думает. Я решил, что это чистое безумие, пока не узнал, сколько известных миллиардеров вложилось в компанию»

Сверхчеловеческие результаты: умные машины

Мне нравится, что при распознавании изображений появился термин «сверхчеловеческие результаты» (superhuman performance) — после многих лет разговоров, что компьютеры никогда-никогда (ладно, «в обозримой перспективе») не смогут превзойти человеческий мозг с его миллиардами нейронов. Моя любимая страничка по отслеживанию этих сверхчеловеческих результатов — Superhuman Visual Pattern Recognition. Это страница на вебсайте Jürgen Schmidhuber, чья команда выиграла с 2009 года девять международных соревнований по машинному обучению и распознаванию образов, показав первые в истории сверхчеловеческие (superhuman) результаты.

Увы, в большинстве соревнований компьютерных программ не проводится сравнения с достижениями людей. Но когда это сравнение производится, то, похоже, сегодняшнее состояние state-of-the-art — это ничья. Например, в последнем соревновании по распознаванию рукописных китайских иероглифов в августе 2013 года где программа Университета Варвика победила людей в номинации онлайн (всего там было шесть номинаций, из них только в двух номинациях были известны результаты людей — в этой паре одно соревнование люди выиграли у лучшей программы 96.13% : 94.77%, а в другой проиграли программе со счётом 95.19% : 97.39%).

Компьютеры будут переходить к сверхчеловеческим результатам постепенно, никто ничего не заметит, это будет не больно. Начали компьютеры с того, что смогли днём и ночью без устали умножать числа, и их полюбили бухгалтеры. Потом компьютеры объявили шахматы не вершиной интеллектуальной деятельности, а продолжением номеров чудо-счётчиков из цирка (скептикам, рассказывающим про Go: там тоже всё не стоит на месте. Просто Go мало кому интересно, что on June 5, 2013, computer program Zen defeated Takuto Ooomote with a 3 stone handicap. Takuto Ooomote is a 9 dan on the Tygem server. The 19×19 game used Japanese rules with a time setting of 60 minutes plus 30 seconds byoyomi).

В 2011 году выяснилось, что компьютеры распознают дорожные знаки не хуже людей — первые сверхчеловеческие результаты по распознаванию изображений. Тогда же IBM Watson победил чемпионов в Jeopardy! Примерно тогда же Continuator победил в Musical Turing Test, а его наследник научился подменять музыкантов в джем-сешн.

Сейчас из Google дозировано начала поступать информация, что компьютеры и автомобиль водят лучше, чем человек, и фуры разгружают лучше, чем человек (если к ним приделывают нужные датчики и моторчики. Гугль купил недавно компанию, специализирующуюся на создании робота-грузчика, я писал об этой компании).

И так далее, игнорируя всякие споры, что «компьютер ничего нового придумать не может», «человеческий мозг имеет огромный запас по мощности перед нынешними компьютерами» и прочие бла-бла-бла. Тут нужно напомнить, что инженерам не нужно, чтобы при создании их систем (а хоть и систем, достигающих сверхчеловеческие результаты — как по созданию «нового», так и распознаванию «старого») была разработана какая-то теория. Если бы к инженеру в 1700 году пришли и попросили построить мост, а он бы сказал, что не может — ибо сопромат будет в готовом к использованию в реальных проектах виде только лет через двести, такого бы инженера никто не понял. Для полётов на Луну или Марс не требовалось перед этим создавать теорию Луны или теорию Марса.

Взяли, и полетели. Со сверхчеловеческими результатами (superhuman performance) компьютерами та же история: никакой победы нокаутом, выигрыш по очкам, при полном игнорировании всяких научных доказательств неспособности машин выполнять человечью работу, а хоть работу и творческую. Особенно если учесть, что «творческость» практически нельзя определить. Чего люди не понимают, как делается, то и объявляется «творческим» да «интеллектуальным», как когда-то шахматы. А что понимают, так через некоторое время оно начинает жить в виде программки в смартфоне, гроссмейстерского уровня — и с этих пор становится «нетворческим» и «неинтеллектуальным».

Анатолий Левенчук

http://www.computerra.ru/91524/sverhchelovecheskie-rezultatyi/

Японцы создали аналоговый процессор, работающий на принципах функционирования мозга

Создание компьютеров, функционирующих подобно человеческому мозгу, является предметом исследований множества групп ученых и исследователей уже в течение десятилетий. И еще несколько десятилетий может пройти до появления первого реального нейрокомпьютера, компьютера, на котором станет возможным создание настоящей системы искусственного интеллекта, тем не менее, это не останавливает ученых, которые постоянно ищут и испытывают все новые и новые варианты реализации искусственных нейронов. Успехов на этом поприще удалось добиться группе исследователей из Института индустриальных наук при университете Токио. Созданный ими чип включает в себя сложные электронные цепи, которые являются аналоговыми искусственными нейронами, с помощью которых им удалось реализовать модель управления сердцебиением простейшего организма. Такой процесс требует наличия весьма простой нервной структуры, но он является лишь первым шагом на пути создания мощных нейрокомпьютеров, способных самообучаться и анализировать поступающую информацию на основе уже приобретенного ими опыта.

Познавательные функции головного мозга реализуются за счет образующихся синапсов, нервных тканей, соединяющих нейроны, через которые эти нейроны могут обмениваться хранимой информацией и результатами ее обработки. И, несмотря на все достижения современной нейробиологии, ученые сейчас еще не до конца понимают все процессы, связанные с мышлением и памятью, которые происходят в хитросплетениях нейронов и синапсов головного мозга.

Создавая свой чип, группа японских ученых пошла достаточно нетрадиционным для этой области путем. Если усилия большинства других групп сосредоточены на создании цифровых аналогов нейронов, реализованных в виде цифровых логических цепей или математических моделей, то японцы сделали очень сложные аналоговые электронные цепи, которые вырабатывают непрерывные изменяющиеся сигналы, подобно реальным нейронам и синапсам. "В случае успешной реализации нашей задумки мы сможем быстро прийти к пониманию принципов работы мозга и "схватить за хвост" процессы, приводящие к проявлению эмоций, мыслей и даже некоторых видов заболеваний, таких как депрессия" - рассказывает профессор Такаши Коно (Takashi Kohno), возглавляющий исследовательскую группу.

Результатом усилий, предпринятых исследователями, они получили электронный чип, площадью 2 квадратных сантиметра, внутри которого содержится кристалл, площадью всего в 5 квадратных миллиметров. На кристалле чипа созданы сложнейшие аналоговые цепи, содержащие усилители, транзисторы, конденсаторы, резисторы и другие электронные компоненты. В отличие от цифровых чипов, которые обрабатывают информацию в виде последовательности нулей и единиц, эти аналоговые схемы обрабатывают поступающие им на входы непрерывные изменяющиеся сигналы. Сигнал на выходе аналоговой схемы имеет зависимость от значения входного сигнала, выражаемую определенным, зачастую крайне сложным, математическим уравнением. Такие аналоговые схемы обрабатывают входящие сигналы способом, который максимально приближен к процессам, происходящим в нейронах.

Два искусственных нейрона, реализованные на кристалле нового чипа, связаны друг с другом сетью обратных связей, что позволило ученым получить весьма сложный алгоритм работы такой нейронной сети, который является простейшим генератором ритма, основным механизмом нервной системы, управляющим сердцебиением примитивных организмов различных видов. Но ученые не собираются останавливаться на достигнутых результатах, в ближайшем будущем они планируют создание нового чипа, кристалл которого будет содержать большее количество аналоговых искусственных нейронов, связанных в более сложные нейронные сети. Их целью является создание сети из 100 нейронов на кристалле, площадью в 1 квадратный сантиметр, а в более далекой перспективе, через 5-10 лет, количество аналоговых нейронов на кристалле чипа должно уже составить более 100 тысяч единиц.

http://asia.nikkei.com/Tech-Science/Science/Computers-that-work-like-human-brains-Researchers-are-working-on-it

Transcendence / Превосходство

Два ведущих учёных в области информатики работают над задачей технологической сингулярности, в то время как радикальная анти-технологическая организация старается предотвратить создание мира, в котором компьютеры могут превзойти возможности человеческого мозга.

Предстоящий научно-фантастический фильм, режиссёрский дебют оператора Уолли Пфистера по сценарию Джека Паглена. В главных ролях — Джонни Депп, Ребекка Холл, Пол Беттани, Морган Фримен, Кейт Мара, Киллиан Мёрфи и Клифтон Коллинз-мл. Премьера в США назначена на 18 апреля 2014 года, в России — на 17 апреля 2014 года.

Похоже очередная голливудская пугалка для обывателя. Эдакий "Газонокосильщик", только более глобальный, в духе времени и последних открытий. В роли "уничтожителя всего мира" и человеков выступает технологическая сингулярность - глобальный искусственный интеллект. То есть Голливуд чётко выполняет задачи партии и правительства, утверждая, что новые технологии - это всегда плохо. Кроме военных и полицайских технологий, разумеется. Луддитам, будет чем покормить свой образ мыслей. А обыватель при словосочетании "искусственный интеллект" будет говорить, что нафиг такое не нужно, и приводить в пример сюжет данного фильма.

Не смог навскидку вспомнить, ни одного стоящего научно-фантастического фильма, где новые технологии были бы полезными для всего человечества. Без побочных негативных эффектов. Может я что-то пропустил?

RoboJase - робот-комик, который добивается успеха за счет системы искусственного интеллекта

Большинство актеров-комиков, совершающих гастроли по разным городам, на собственном опыте знают, что столкновения с некоторыми негативно настроенными зрителями, отягощенные ночами, проведенными за рулем автомобиля, требуют огромной выдержки и силы духа. Но такая ситуация ни в коей мере не может послужить препятствием для RoboJase, для первого в мире робота-актера, который уже попробовал себя в роли комедианта, выступив в одном из комедийных клубов в Англии. Достаточно серьезная система искусственного интеллекта позволяет роботу-андроиду RoboJase следить за реакцией зрителей на его шутки и вовремя переводить выступление в нужное русло для того, чтобы избежать возникновения неловких ситуаций.

Внешний вид робота RoboJase скопирован с внешности Джейсона Брэдбери (Jason Bradbury), владельца и ведущего популярного телевизионного шоу The Gadget Show. Также робот унаследовал от Джейсона Брэдбери и его голос, который воспроизводится достаточно точно, благодаря наличию у него достаточно совершенного речевого синтезатора. Перед выступлением в память робота вводится достаточно обширный набор шуток и коротких комедийных рассказов, снабженных некоторой дополнительной информацией, а его система искусственного интеллекта, анализируя данные, получаемые от камер, системы распознавания лиц, жестов и движений, определяет реакцию зрителей на ту или иную шутку и самостоятельно выбирает линию дальнейшего поведения робота.

Робот RoboJase был разработан и изготовлен для участия в одной из передач серии The Gadget Show, которые транслируются по телеканалу North One TV, но после первого удачного выступления этого робота не забросили, а продолжили его совершенствование. "С момента первого дебюта, когда робот RoboJase был всего лишь "говорящей головой", о превратился в полностью функционирующего робота почти в натуральную величину среднего человека" - рассказывает Джейсон Брэдбери, - "Но не думайте, что я планирую покинуть телевизионный экран, оставив вместо себя робота, пусть и с достаточно мощной системой искусственного интеллекта. Мне дорога моя работа, а робота мы планируем использовать в качестве рекламы и в качестве актера-комика".

Робот RoboJase принял участие в выступлении в комедийном клубе Glee Club в Бирмингеме, где наряду с ним выступали профессиональные актеры-комики Майкл Легг, Роб Диринг и Ли Ридли. "С момента первой "схватки" бабушки Питера Кея с автоответчиком, высокие технологии в комедийной области часто получают негативную реакцию зрителей и негативные отзывы в прессе" - рассказывает Марк Туган (Mark Tughan), владелец клуба Glee Club, - "И я надеюсь, что возможности робота RoboJase помогут нам преломить эту ситуацию и стереть сложившиеся в этой области стереотипы".

Разработан первый транзистор, способный самообучаться в процессе работы

Проводя исследования, результатом которых может стать совершенно новый подход к реализации искусственного интеллекта, исследователи из Школы технических и прикладных наук (School of Engineering and Applied Sciences, SEAS) Гарвардского университета разработали новый тип транзистора, транзистора, способного самообучаться в процессе его работы, что делает его подобным нервному синапсу. Названное синаптическим транзистором, это устройство самооптимизирует свои электрические и электронные характеристики в соответствии с функциями, которые оно выполняло в прошлом.

Одна из наиболее замечательных черт мозга человека или другого высокоорганизованного живого существа заключается в самообучении, в запоминании того, что это делает. Если человека заставить выполнять совершенно новую для него работу, то в первый день он будет действовать беспорядочно и постоянно совершать ошибки. Но, через неделю или две этот человек будет выполнять всю работу на "автопилоте", выполняя весь ряд действий, совершенно не задумываясь над этим. Все это происходит благодаря пластичности мозга, способности мозга динамически перестраивать свою структуру, образуя новые синаптические связи между нейронами или "перепрофилируя" уже существующие связи.

Большая часть пластичности мозга является последствием изменений приблизительно в 100 триллионах синапсов, которые представляют собой взаимосвязи между нервными клетками мозга. При выполнении человеком однообразных действий, синаптические связи, отвечающие за эту деятельность, крепнут и их количество увеличивается, что приводит к появлению целых "дорог" из синапсов, соединяющих определенные участки мозга.

Когда определенный нейрон раз за разом посылает другому нейрону через синапс определенный сигнал, то этот синапс через некоторое время перестраивает свою структуру таким образом, чтобы усилить этот вид передаваемого им сигнала. Синаптический транзистор, созданный гарвардскими учеными, подражает такому поведению синапса. Для этого транзистор имеет особую структуру, которая во многом повторяет структуру обычного полевого транзистора за исключением небольшого количества специальной ионной жидкости, находящейся в промежутке между изолированным затвором транзистора и его проводящим каналом. Канал синаптического транзистора изготовлен из никелата самария (SmNiO3), а не из легированного кремния, как у обычных полевых транзисторов.

К сожалению, за счет наличия функции самообучения синаптический транзистор имеет более низкую скорость реакции, нежели полевой транзистор. Под реакцией здесь подразумевается изменение силы электрического тока, текущего через канал транзистора, в ответ на изменение электрического потенциала на управляющем электроде, затворе. За счет наличия ионной жидкости транзистор может запомнить то, что он делал в прошлом и откорректировать проводимость его канала, что достигается за счет перемещения ионов кислорода, насыщающих материал канала транзистора.

Электрическим аналогом "укрепления" синапса является увеличение электрической проводимости канала синаптического транзистора. И при смене рода выполняемых транзистором функций, точнее, при изменении характеристик проходящих через него сигналов может произойти и обратная ситуация, когда проводимость канала транзистора будет уменьшена за счет оттока ионов кислорода назад в ионную жидкость.

Следует отметить, что синаптический транзистор предназначен для работы с непрерывными аналоговыми сигналами, а не прерывистыми цифровыми данными, с обработкой которых достаточно хорошо справляются простые полевые транзисторы. Такая способность дает синаптическим транзисторам, которые являются одним из видов искусственных синапсов, большую гибкость в самостоятельном предварительном поиске методов решения определенной задачи и в дальнейшем улучшении своей работы по решению этой же задачи.

К сожалению, физическая структура гарвардского синаптического транзистора не может обеспечить самостоятельного должного управления значением проводимости его канала. Поэтому для создания необходимых временных задержек и формирования импульсов нужной формы, которые обеспечивают перенос ионов кислорода, используются несложные внешние электронные цепи. Тем не менее, это не является препятствием к созданию на основе синаптических транзисторов сложных схем по типу нейронных сетей, которые будут способны самостоятельно выработать особый вид реакции на определенные значения входных сигналов, и выработать эту реакцию не по заранее заложенной в структуре сети программе, а на основании опыта, приобретенного в ходе выполнения других задач.

Новые синаптические транзисторы могут стать точкой отсчета, с которой начнется разработка систем искусственного интеллекта нового поколения, построенного не на "умных" алгоритмах программного обеспечения, а "зашитого" в самой архитектуре компьютера. С другой точки зрения, схемы, собранные из миллионов крошечных синаптических транзисторов смогут перевести технологии параллелизма вычислений на качественно новый уровень эффективности.

Когнитивные технологии: на пути к искусственному мозгу. + 4 видео

Cтарший вице-президент и директор по исследованиям компании IBM доктор Джон Келли написал книгу «Умные машины», которая выйдет в свет ближайшей осенью. Она посвящёна созданию целой экосистемы когнитивных вычислений — технологий будущего, способных взаимодействовать с людьми более естественным образом. Речь идёт о разработке архитектуры и алгоритмов, имитирующих отдельные способности мозга по восприятию данных различного вида, принятию решений и самообучению по результатам анализа их эффективности.

Доктор Джон Келли (слева) и директор музея компьютерной истории Джон Холлар (справа) на выставке в Калифорнии, посвящённой суперкомпьютеру IBM Watson (фото: asmarterplanet.com).

Джон Келли пишет, что современные люди сталкиваются с постоянным ростом объёмов информации. Если раньше казалось, что это благо, помогающее развитию общества, то сейчас стало вполне очевидно: чем больше данных, тем больше проблем. Мы попросту не успеваем вникнуть в интересующие нас вопросы как следует. Поэтому люди часто принимают необдуманные решения, ознакомившись только с одной точкой зрения. За недостатком времени анализ новых данных откладывается, а затем они вспоминаются уже как проверенная информация.

Директор может разгрузить себя, поручив большую часть обработки данных секретарю, ассистентам и даже целому штату аналитиков. Обычным людям всё сложнее противостоять давлению инфосреды. Когнитивные компьютерные технологии способны помочь в будущем как руководителям крупных компаний, так и обывателям. Умный поиск, семантический анализ, распознавание образов, прокладка маршрута с учётом пробок и оценка состояния водителя в фоне — это всё только начало.

Среди действующих когнитивных систем наиболее известен суперкомпьютер IBM Watson с программой искусственного интеллекта, созданной под руководством Дэвида Феруччи в рамках проекта DeepQA. Этот суперкомпьютер обыграл в 2011 году двух чемпионов в викторине Jeopardy. В ролике ниже приводятся пояснения о работе его алгоритма и необычной структуре использованной базы данных.

Как и в случае с победившим Каспарова суперкомпьютером Deep Blue, для IBM это была лишь демонстрация возможностей. Реальная область практических применений будет совершенно иной.

Специалисты компании рассчитывают в ближайшие двадцать лет создать компактную или даже носимую систему, имитирующую работу миллиардов нейронов и триллионов синапсов. Применений для неё найдётся масса — как в гражданском, так и в военном секторе.

Общественности говорят в основном о медицинских аспектах применения. К примеру, указывается, что с помощью такого электронного ассистента слабовидящие люди смогут не только лучше ориентироваться, но и жить более полноценной жизнью. У здорового человека мозг обрабатывает терабайты графических данных ежедневно, и заменить функции зрительной коры не сможет ни один носимый компьютер классической архитектуры.

Основная проблема целой отрасли в том, что архитектура компьютеров и базовые подходы к программированию сформировались в ту пору, когда на ЭВМ решали довольно узкий круг прикладных математических задач. Они были вычислительно сложными, а их постановкой занимался штат опытных программистов.

От современных компьютеров требуется гораздо больше. Всевозможные «умные устройства» должны большей частью самостоятельно получать и успевать обрабатывать массу разнородных данных. Результат требуется выдавать через дружественный интерфейс, чтобы помочь человеку в его повседневной жизни или просто развлечь его.

Для этого компьютерная техника должна постоянно развиваться в направлении «очеловечивания» и всё больше опираться на алгоритмы самообучения. Иными словами – как можно точнее копировать суть работы мозга, сохраняя запредельную скорость обработки числовых данных.

Компания IBM при поддержке Корнеллского университета и DARPA уже многие годы разрабатывает такой искусственный мозг. До сих пор в научном мире нет единого мнения о многих аспектах функционирования неокортекса. Поэтому задача не состоит в том, чтобы воссоздать на массиве транзисторов работу коры головного мозга в деталях. Скорее есть понятное желание сотворить на базе компьютерных технологий нечто работающее похожим образом. Требуется не более быстрый автомат, а гибкая вычислительная система, хотя бы частично проявляющая свойства мышления живых организмов.

Значимых успехов в этой области удалось достичь в прошлом году: тогда с помощью второго по мощности суперкомпьютера из списка Топ-500 сымитировали работу ста триллионов синапсов. Конечно, эмуляция происходила с большой долей условности, а скорость обработки сигналов была оценена в полторы тысячи раз ниже, чем у реальной группы нейронов. Более быстрая и точная имитация работы всего нескольких нейронов по-прежнему требует десятков тысяч процессорных ядер.

В IBM Research стараются научить компьютеры не просто считать быстрее, но и проявлять отдельные элементы мыслительного процесса. По мнению исследователей, компьютеры будущего не должны слепо следовать алгоритму, как это было до сих пор. Они станут учитывать множество второстепенных факторов, свой прошлый опыт и будут даже немного колебаться в принятии решений — совсем как человек.

Агентство перспективных оборонных научно-исследовательских разработок США щедро финансирует связанную с этой инициативой программу SyNAPSE (Системы нейроморфной адаптивной масштабируемой пластичной электроники). Её главная цель — обеспечить компьютеры теми способностями, которые у человека пока ещё развиты лучше.

Особенно это касается восприятия, умения принимать решения в условиях жёсткого дефицита достоверных данных и придумывать нестандартные выходы из ситуаций, в которых не приходилось бывать прежде.

Интерес DARPA вполне понятен. Сегодня управляемые операторами БПЛА уже показали свою эффективность. Осталось убрать операторов и связанные с ними задержки в передаче управляющих команд, чтобы Пентагон получил более совершенные и самодостаточные образцы боевой авиации.

В IBM Research убеждены, что так называемые когнитивные вычислительные системы найдут самое широкое применение и вскоре полностью изменят наши представления о компьютерной технике, которая до сих пор базируется на архитектуре фон Неймана.

Впервые о проекте открыто заговорили в 2008 году. Через год коллектив IBM Research отчитался о завершении подготовительного этапа — так называемой «фазы 0», на которой был сформулирован план исследований и решены общие вопросы.

К 2011 году был завершён первый этап проекта, заключавшийся в разработке фундаментальной архитектуры вычислительных блоков, эмулирующих работу нейронов. Ключевым требованием была масштабируемость архитектуры, поскольку от отдельных групп нейронов по мере роста доступной вычислительной мощности требовалось переходить к имитации работы целых отделов коры головного мозга.

Сегодня коллектив IBM Research говорит о новых успехах. Команде удалось провести объёмное исследование под названием «крупномасштабное корковое моделирование». Оно было сфокусировано на таких особенностях работы мозга, как сверхнизкий уровень энергопотребления и высочайшая плотность хранения данных. По результатам длительного эксперимента был создан новый алгоритм, позволяющий моделировать работу мозга более точно и ценой меньших затрат.

На его основе под руководством ведущего специалиста Дхармендра Модха был разработан язык программирования, ориентированный на создание приложений для когнитивных вычислений. Дальнейший этап — создание полноценной среды разработчика, поддерживающей весь цикл программирования — от проектирования до отладки и развертывания нового поколения приложений, способных частично имитировать свойства мозга. В конце неделе IBM представит свои разработки на Международной совместной конференции по нейронным сетям в Далласе.

Автор: Андрей Васильков

PPAML - программа, направленная на создание компьютеров, способных самообучаться

Управление перспективных исследовательских программ Пентагона DARPA начало новую программу под названием "Probabilistic Programming for Advanced Machine Learning" (PPAML), направленную на развитие технологий обработки неструктурированной информации и самообучения компьютерных систем. Под компьютерным самообучением подразумевается способность компьютерных систем самостоятельно "понять" наборы разобщенных данных, имеющих произвольную структуру, из обработки и предоставление результатов в удобном для понимания виде. Следует заметить, что этот круг задач, несмотря на не очень успешные попытки их реализации, стал движущей силой многих свершений в вычислительной области.

К сожалению, создание самообучающихся вычислительных систем требует поистине геракловых усилий. Даже команда квалифицированных и подготовленных специалистов может реализовать крайне малые части того, что требуется для создания полноценной технологии компьютерного самообучения. И главная проблема здесь заключается не в людях, а в отсутствии требующихся для создания таких систем инструментов. В рамках программы PPAML будет существенно увеличено количество специалистов, задействованных не в создании собственно самообучающихся компьютерных систем. Эти люди будут работать над созданием специализированных приложений и инструментов, используя которые можно будет создавать высокоэффективные самообучающиеся программные системы, способные на основании небольшого количества исходных данных сделать правильные и однозначные выводы.

( Read more... )

Всё о мозге. The Human Brain Project: Вы спрашивали – мы отвечаем(продолжение ответов)