Машина человеческой памяти

Новая математическая модель памяти может ускорить создание супермощных, похожих на мозг аппаратных компьютерных систем.

Автор: Адрианна Лафранс

Они назвали это телескопом Хаббла в области исследования мозга.

Это случилось в 2009 году, после объявления о том что команда учёных из Cognitive Computing group компании IBM смогла создать крупнейший на тот момент искусственный мозг. Он представлял собой поячеичную компьютерную модель зрительной коры человеческого мозга, величиной с мозг кошки.

Сравнение с Хабблом, телескопом для исследования глубокого космоса — ссылка на галактическую сложность построения компьютера с инфраструктурой похожей на мозг. Модель, построенная в 2009, состояла из 1 миллиарда нейронов, соединённых, по данным IBM, 10 триллионами синапсов. С тех пор они её серьёзно расширили — скопировав нервные пути мозга макаки и вплотную приблизившись к точному моделированию человеческого аналога.

Симуляция цельного, биологически реалистичного человеческого мозга, остаётся недостижимой целью для сегодняшнего аппаратного обеспечения. Вычислительная мощность, которая необходима для подобной структуры впечатляет. «Это будет атомная электростанция» — заявил в интервью Популярной Механике в 2009 году Хорст Саймон, математик и заместитель директора Национальной лаборатории Лоренса в Беркли — «одна лишь электроэнергия для него стоит 1 миллиард долларов в год». С тех пор учёные заявляли, что ожидают возможность симулировать мозг размером с человеческий к 2019 году, но так до сих пор и не решили проблему того как питать подобную симуляцию (тем не менее Саймон и другие учёные успешно создали компьютерные системы со схожим с человеческим количеством синапсов — что отличается от реалистичной биологической модели, но является ещё одним шагом к достижению этой потрясающей цели).

Искусственные мозги столь энергетически прожорливы потому что они могут быть бесконечно точны, то есть способны вбирать в себя колоссальные объёмы данных, делая то, что они делают. Рассмотрим, например, нейронную сеть, используемую для распознавания различных паттернов — вид системы, которая с помощью массивной базы картинок натренирована на распознавание лиц. Для тренировки системы нужно гигантское количество данных, и это делает её эффективной, но также и препятствует эффективности. Другими словами, инженеры выяснили как построить компьютерные системы, имеющие удивительные способности памяти, но они по прежнему нуждаются в огромном количестве энергии чтобы управлять ими.

Это проблема для всех кто хочет чтобы компьютерные технологии, схожие по структуре с человеческим мозгом, получили широкое распространение в масштабе таких устройств как смартфоны. Эта проблема масштабирования также помогает объяснить почему учёные столь заинтересованы в компьютерах, которые повторяют человеческий мозг, ведь наши мозги являются высоко сложными процессорами — люди несут по жизни большое количество воспоминаний – и, в конце концов, наши мозги удивительно энергоэффективны.

Если инженеры смогут понять что помогает человеческому мозгу работать так хорошо и при этом тратить столь мало энергии по отношению к вычислительной мощности, они смогут создать компьютер, который будет в состоянии делать тоже самое.

«Но это всегда было загадкой» — говорит Стефано Фуси, теоретик-нейробиолог Института Цукермана в Колумбийском университете. — «мы хотим понять как использовать комплексность биологии чтобы построить эффективную (искусственную) систему памяти».

Так Фуси и его коллега Маркус Менна создали математическую модель, которая иллюстрирует как человеческий мозг обрабатывает и хранит новые и старые воспоминания, учитывая его биологические ограничения. Результаты их работы, опубликованные накануне в бумажной версии журнала Nature Neuroscience, демонстрируют как синапсы в мозге человека формируют новые воспоминания в то же время защищая старые — и как более старые воспоминания могут помочь замедлить распад новых.

Их модель показывает, что с течением времени, когда персона хранит достаточное количество долгосрочных воспоминаний и накапливает знания, человеческая память становится более устойчивой. В то же время пластичность мозга уменьшается. Это изменение помогает объяснить, почему младенцы и дети имеют возможность выучивать так много и так быстро: их мозг весьма пластичен, но не очень стабилен.

«Вот почему существует критический период для многих возможностей вроде изучения языков» — говорит Фуси — «По мере накопления вами знаний становится чрезвычайно трудно узнать что-то новое, гораздо сложнее чем детям. Это безусловно отражается в любой модели вроде нашей, в которой есть то, что называется метапластичность».

Метапластичность — изменение пластичности синапсов в течение долгого времени на основе прошлой активности — является одним из важнейших компонентов модели, которую создали Фуси и Бенна. В более старых симуляциях — видах нейронных сетей которые помогли создать множество существующих систем машинного обучения — каждый синапс представляет собой переменную или значение, которое может быть изменено неопределённое количество раз пока работает система. «Но в природе ничего подобного нет» — говорит Фуси — «Невозможно иметь миллиарды различных значений для синапса (в человеческом мозге)».

Новая модель, созданная на основе того как мозг работает на самом деле, имитирует пластичность человеческих синапсов с течением времени — и то как более старые воспоминания влияют на хранение новых. «В нашем случае, соединив вместе все эти различные варианты в одной модели» — говорит Фуси — «мы можем продлить срок службы памяти без ущерба для её первоначальной мощи. Это именно то, что важно».

Значение последних выводов выходит за рамки теоретического интереса в более точном симулировании биологических систем, и само по себе может обеспечить основу для прорыва в нейробиологии. Кроме того, подобные симуляции открывают реальную возможность создания нового класса нейроморфного аппаратного обеспечения — удивительно мощных и маленьких компьютеров.

Эта модель «гораздо более энергоэффективна» — говорит Фуси — «так что если вы хотите интегрировать эту технологию (искусственного) мозга в свой мобильный телефон дабы он мог управлять вашим автомобилем, вам скорее всего понадобиться подобный тип компьютера».

Оригинал: TheAtlantic

Похожие Записи

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Последние <span>истории</span>

Поиск описаний функциональности, введя ключевое слово и нажмите enter, чтобы начать поиск.