Nasze mózgi pozwalają na wykonywanie wielu złożonych zadań. Robią to w sposób, w jaki życzylibyśmy sobie, by działały komputery przyszłości. Te z kolei zamykają pętlę, bo takowe komputery mogą pozwolić na lepsze zrozumienie działania naszych mózgów, a więc i postęp w leczeniu wielu schorzeń neurologicznych. Naukowcy zastanawiają się czy i kiedy maszyny dorównają naszym umysłom.
Komputery uczące się od mózgów
Deep learning, czyli najbardziej zaawansowana forma uczenia maszynowego, to forma sztucznej inteligencji luźno wzorowana na rozległych, warstwowych sieciach neuronowych. Można myśleć o każdym “węźle” sieci neuronowej jak o sztucznym neuronie – odbierają one sygnały od innych połączonych z nimi węzłów i wykonują złożone operacje matematyczne, aby przekształcić dane wejściowe w dane wyjściowe.
W zależności od sygnałów, jakie otrzymuje dany węzeł, może on przekazać je do innych węzłów tworzonej sieci. W ten sposób sygnały kaskadowo przemieszczają się przez kolejne warstwy, stopniowo dostrajając algorytm. W podobny sposób działa nasz mózg.
Naukowcy nie mają wątpliwości, że neurony, które tworzą nasze mózgi są znacznie bardziej złożone niż sztuczne neurony wykorzystywane przez algorytmy uczenia maszynowego. Przez długi czas, kwestią otwartą pozostawało, jak znacznie bardziej są one złożone. Zespół uczonych z Uniwersytetu Hebrajskiego w Jerozolimie próbował odpowiedzieć na to pytanie. Odpowiedź zaskoczyła wszystkich.
Tak złożone, że aż trudno to sobie wyobrazić
Okazuje się, że potrzebna była 5-, a nawet 8-warstwowa sieć neuronowa, czyli prawie 1000 sztucznych neuronów, aby odwzorować zachowanie pojedynczego neuronu kory mózgowej. Tak, dobrze czytacie – tylko jednego neuronu. Szacuje się, że w mózgu człowieka jest ok. 80 mld neuronów, a w samej korze mózgowej ok. 20 mld komórek nerwowych.
Uzyskane wyniki to górna granica złożoności ludzkich neuronów, ale jasno wskazuje liczby, o których powinniśmy myśleć. Sugerują one, że nie jesteśmy nawet w połowie drogi od stworzenia komputera o złożoności zbliżonej do ludzkiego mózgu.
Istnieje wiele różnych typów neuronów w naszych mózgach, ale wszystkie zasadniczo mają podobną budowę. Każdy składa się z trzech części: wrzecionowatych, rozgałęziających się struktur zwanych dendrytami, ciała komórki i przypominających korzenie wypustek zwanych aksonami. Poszczególne neurony łączą się ze sobą tworząc tzw. synapsy. Każdy neuron odbiera sygnały elektrochemiczne przez swoje dendryty, a następnie przekazuje je przez swój akson. To naprawdę skomplikowana i dobrze zorganizowana maszyneria, którą trudno odtworzyć w warunkach laboratoryjnych.
Izraelscy uczeni spróbowali. Najpierw stworzyli model neuronu piramidowego z kory mózgowej szczura, który wykorzystywał ok. 10 000 równań różniczkowych, aby symulować, jak i kiedy dojdzie do przetworzenia serii sygnałów wejściowych na własny impuls. Następnie wprowadzili dane wejściowe do symulowanego neuronu, zarejestrowali dane wyjściowe i zaprojektowali algorytm uczenia maszynowego ogarniający wszystkie informacje. Celem było opracowanie algorytmu, który jak najdokładniej odzwierciedlałby działanie neuronu. Próbowano osiągnąć 99-procentową dokładność w przewidywaniu danych wyjściowych symulowanego neuronu na podstawie zestawu danych wejściowych. Okazało się, że aby odtworzyć działanie jednego neuronu biologicznego trzeba użyć ok. 1000 sztucznych neuronów. Dlaczego?
Czy uda się stworzyć sztuczny mózg?
Ta złożoność to konsekwencja rodzaju receptora chemicznego w dendrytach – kanału jonowego NMDA – oraz rozgałęzieniami dendrytów w przestrzeni. Zabierając jeden z tych elementów, neuron stanie sią bardzo prostym urządzeniem. Wtedy nie trzeba tak wielu sztucznych neuronów, by odtworzyć działanie jednego biologicznego.
Niestety, wiele wskazuje na to, że być może nigdy nie uda nam się stworzyć komputera o złożoności równej możliwościom ludzkiego mózgu. Możliwe jednak, że uzyskane wyniki nie są właściwe, bo naukowcy nie znaleźli najbardziej wydajnego algorytmu uczenia maszynowego.
Trzeba pamiętać jednak, że w badaniu użyto neuronu z mózgu szczura, a nie ludzkiego i że był to przedstawiciel jednej z wielu klas komórek nerwowych. Mimo to, izraelscy naukowcy wierzą, że ich badania pchną do przodu neuronaukę i przyszłe algorytmy sztucznej inteligencji.