Прошлое столетие ознаменовало сильнейший скачок развития человечества. Пройдя нелегкий путь от букваря до интернета, люди так и не смогли разгадать главную загадку, терзающую умы великих на протяжении не одной сотни лет, а именно, как работает и на что способен человеческий мозг?
До сих пор этот орган остается самым плохо изученным, а ведь именно он сделал человека тем, кем он сейчас является – высшей ступенью эволюции. Мозг, продолжая хранить свои секреты и тайны, продолжает определять деятельность и сознание человека на каждом этапе его жизни. Разгадать все возможности, на которые он способен, не в силах пока ни один современный ученый. Именно поэтому вокруг одного из главнейших органов нашего организма сконцентрировано большое количество мифов и ничем не обоснованных гипотез. Это может свидетельствовать только о том, что скрытый потенциал человеческого мозга только предстоит изучить, а пока его способности выходят за грани уже устоявшихся представлений о его работе.
Фото: Pixabay/geralt
Данный орган состоит из огромного количества связей, создающих устойчивое взаимодействие клеток и отростков. Ученые предполагают, что, если эту связь представить в виде прямой линии, ее длина восьмикратно превысит дистанцию к Луне.
Массовая доля этого органа в общей массе тела составляет не более 2%, а его вес варьируется в пределах 1019-1960 грамм. С момента рождения и до последнего вздоха человека он ведет непрерывную деятельность. Поэтому ему необходимо поглощать 21% всего кислорода, постоянно поступающего в организм человека. Ученые составили примерную картину усваивания мозгом информации: его память может вмещать в себе от 3 до 100 терабайт, в то время как память современного компьютера в данный момент совершенствуется до объема 20 терабайт.
Нейронные ткани мозга на протяжение жизнедеятельности организма погибают, а новые – не образуются. Это заблуждение, абсурдность которого доказала Элизабет Гуд. Нервная ткань и нейроны постоянно обновляются, и на смену умершим приходят новые соединения. Исследования подтвердили, что в очагах клеток, уничтоженных инсультом, организм человека способен «наращивать» новый материал.
Мозг человека раскрыт только на 5-10%, все остальные возможности не задействованы. Некоторые ученые объясняли это тем, что природа, создав такой сложный и развитой механизм, придумала для него защитную систему, оградив орган от излишней нагрузки. Это не так. Достоверно известно, что мозг во время любой деятельности человека задействован на все 100%, просто в момент совершения каких-либо действий реагируют отдельные его части поочередно.
Некоторые люди, внешне не показывающие признаки наличия невероятных способностей, могут обладать поистине невероятными возможностями. Проявляются они не у каждого, но ученые утверждают, что регулярные усиленные тренировки мозга способны развить сперхспособности. Хотя секрет «отбора» людей, которые могут обладать правом называться гением, не раскрыт до сих пор. Кто-то умеет грамотно выходить из затруднительных ситуаций, кто-то на подсознательном уровне предчувствует приближающуюся опасность. Но более интересными с точки зрения науки являются следующие сверхспособности:
За всю историю существования людей появилось большое количество историй, подтверждающих тот факт, что мозг человека может иметь скрытые способности, адаптироваться к изменению ситуации и перекладывать определенные функции с пострадавшего отдела на здоровую часть.
Сонарное зрение . Такая способность вырабатывается обычно после потери зрения. Дэниэл Киш сумел освоить технику эхолокации, присущую летучим мышам. Издаваемые им звуки, например, щелчок языком или пальцами, помогают ему ходить без трости.
Мнемоника – уникальная техника, позволяющая воспринимать и запоминать любой объем информации, независимо от ее характера. Многие люди осваивают ее в зрелом возрасте, а у американца Кима Пика — это врожденный дар.
Дар предвиденья . Некоторые люди уверяют, что способны видеть будущее. На данный момент этот факт полностью не доказан, но истории известно немало людей, которых такая способность прославила на весь мир.
Карлос Родригез в 14 лет после аварии потерял более 59% мозга, но при этом до сих пор живет совершенно обычной жизнью.
Яков Циперович после клинической смерти и недельного пребывания в коматозном состоянии перестал спать, мало ест и не стареет. С этого момента прошло уже три десятка лет, а он по-прежнему молод.
Фениас Гейдж в середине 19го века получил ужасную травму. Сквозь его голову прошел толстый лом, лишив его доброй части мозга. Медицина тех лет не была достаточна продвинута, и врачи предвещали ему скорую смерть. Однако мужчина не только не умер, но и сохранил память и ясность сознания.
Человеческий мозг, как и его тело, необходимо подвергать постоянным тренировка. Это могут быть как сложные, специально разработанные программы, так и чтение книг, разгадывание ребусов и логических задач. При этом не следует забывать про насыщение данного органа питательными элементами. К примеру, усилитель мозговой активности HeadBooster http://hudeemz.com/headbooster обладает большим количеством таковых. Но все же, только постоянные тренировки позволяют мозгу постоянно развиваться и увеличивать свои возможности.
Представьте себе экспериментальный нанонаркотик, который способен связывать сознания разных людей. Представьте, как группа предприимчивых нейробиологов и инженеров открывает новый способ использования этого наркотика - запустить операционную систему прямо внутри мозга. Тогда люди смогут телепатически общаться между собой, используя мысленный чат, и даже манипулировать телами других людей, подчиняя себе действия их мозга. И несмотря на то, что это сюжет научно-фантастической книги Рамеза Наама «Нексус», описанное им будущее технологий уже не кажется таким далеким.
ИДЕЯ ВКРАТЦЕ
На примере следующих трех технологических проектов и сумасшедших исследовательских идей, можно понять, что мы уже одной ногой в будущем, где парализованные пациенты смогут контактировать с внешним миром, где память мозга можно будет расширить с помощью добавления имплантатов, а компьютерный чип будет работать на живых нейронах человеческого мозга.
Для пациента T6 2014 стал самым счастливым годом жизни. Это был год, когда она смогла управлять планшетным компьютером Nexus с помощью электромагнитного излучения своего мозга и буквально перенестись из эры 1980-х с их диско-ориентированными системами (Disk Operating System, DOS) в новых век андроидной ОС.
T6 - женщина 50 лет, страдающая боковым амиотрофическим склерозом, известным также как болезнь Лу Герига, которая вызывает прогрессирующее повреждение двигательных нейронов и паралич всех органов тела. T6 парализована почти полностью от шеи и вниз. До 2014 года она абсолютно не могла взаимодействовать с внешним миром.
Паралич может наступить и от повреждений костного мозга, инсульта или нейродегенеративных заболеваний, которые блокируют способность говорить, писать и вообще как-либо общаться с окружающими.
Эра интерфейсов, связывающих мозг и машину, расцвела два десятилетия назад, в процессе создания ассистивных устройств, которые бы помогли таким пациентам. Результат был фантастическим: слежение за взглядом (eye-tracking) и слежение за положением головы пользователя системы (head-tracking) позволили отслеживать движения глаз и использовать их как выходные данные для управления курсором мыши на экране компьютера. Иногда пользователь мог даже кликать по ссылке, фиксируя свой взгляд на одной точке экрана. Это называется »время задержки».
Тем не менее, системы eye-tracking были тяжелы для глаз пользователя и слишком дороги. Тогда появилась технология нейронного протезирования, когда устраняется посредник в виде сенсорного органа и мозг связывается с компьютером напрямую. В мозг пациента вживляется микрочип, и нейросигналы, связанные с желанием или намерением, могут быть расшифрованы с помощью сложных алгоритмов в режиме реального времени и использованы для контроля курсора на интерфейсе компьютера.
Два года назад, пациентке T6 имплантировали в левую сторону мозга, отвечающую за движение, 100-канальную электродную установку. Параллельно Стэнфордская лаборатория работала над созданием прототипа протеза, позволяющего парализованным печатать слова на специально разработанной клавиатуре, просто думая об этих словах. Устройство работало следующим образом: встроенные в мозг электроды записывали мозговую активность пациентки в момент, когда она смотрела на нужную букву на экране, передавали эту информацию на нейропротез, интерпретирующий затем сигналы и превращающий их в непрерывное управление курсором и щелчками на экране.
Однако этот процесс был чрезвычайно медленным. Стало понятно, что на выходе получится устройство, работающее без непосредственного физического соединения с компьютером через электроды. Сам интерфейс тоже должен был выглядеть интереснее, чем в 80-х. Команда клинического института BrainGate, занимающаяся этими исследованиями, поняла, что их система «указания и щелчка» была похожа на нажатие пальцем на сенсорный экран. И поскольку сенсорными планшетами большинство из нас пользуется каждый день, то рынок их огромен. Достаточно просто выбрать и купить любой из них.
Парализованная пациентка T6 смогла «нажимать» на экран планшета Nexus 9. Нейропротез связывался с планшетом через протокол Bluetooth, то есть как беспроводная мышь.
Сейчас команда работает над продлением работоспособности имплантата на срок всей жизни, а также разрабатывает системы других двигательных маневров, таких как «выделить и перетащить» и мультисенсорные движения. Кроме того, BrainGate планируют расширить свою программу на другие операционные системы.
Несколько лет назад исследователи из Германии и Японии смогли симулировать 1 процент активности человеческого мозга за одну секунду. Это стало возможным только благодаря вычислительной мощности одного из самых сильных в мире суперкомпьютеров.
Но человеческий мозг до сих пор остается самым мощным, низко энергозатратным и эффективным компьютером. Что если бы можно было использовать силу этого компьютера для питания машин будущих поколений?
Как бы дико это не звучало, нейробиолог Ош Агаби запустил проект «Конику» (Koniku) как раз для реализации этой цели. Он создал прототип 64-нейронной кремниевой микросхемы. Первым приложением этой разработки стал дрон, который может «чуять» запах взрывчатых веществ.
Одой из самых чутких обонятельных способностей отличаются пчелы. На самом деле, они даже перемещаются в пространстве по запаху. Агаби создал дрон, который не уступает пчелиной способности распознавать и интерпретировать запахи. Он может быть использован не только для военных целей и обнаружении бомб, но и для исследования сельхозугодий, нефтеперерабатывающих заводов - всех мест, где уровень здоровья и безопасности может быть измерен по запаху.
В процессе разработки Агаби и его команда решали три основные проблемы: структурировать нейроны так же, как они структурированы в мозге, прочитать и записать информацию в каждый отдельный нейрон и создать стабильную среду.
Технология индуцированной дифференцировки плюрипотентной клетки - метод, когда зрелая клетка, например, кожи, генетически встроена в исходную стволовую клетку, позволяет любой клетке превратиться в нейрон. Но как и любым электронным компонентам, живым нейронам нужна специальная среда обитания.
Поэтому нейроны были помещены в оболочки с управляемой средой, для регулировки уровня температуры и водорода внутри, а также для подачи им питания. Кроме того, такая оболочка позволяет контролировать взаимодействие нейронов между собой.
Электроды под оболочкой позволяют считывать или записывать информацию на нейроны. Агаби описывает этот процесс так:
«Мы заключаем электроды в оболочку из ДНК и обогащенных протеинов, которая стимулирует нейроны формировать искусственную тесную связь с этими проводниками. Так, мы можем считывать информацию с нейронов или, наоборот, посылать информацию на нейроны тем же способом или посредством света или химических процессов».
Агаби верит, что будущее технологий - за раскрытием возможностей так называемого wetware - человеческого мозга в корреляции с машинным процессом.
«Нет практических границ для того, какими большими мы сделаем наши будущие устройства или как по-разному мы может моделировать мозг. Биология - это единственная граница».
Дальнейшие планы «Конику» включат разработку чипов:
Каждый год сотни миллионов людей испытывают сложности из-за потери памяти. Причины этому разные: повреждения мозга, которые преследуют ветеранов и футбольных игроков, инсульты или болезнь Альцгеймера, проявляющиеся в старости, или просто старение мозга, которое ожидает всех нас. Доктор Теодор Бергер, биомедицинский инженер Университета Южной Калифорнии, на средства Агенства по перспективным оборонным исследованиям Министерства обороны США DARPA, тестирует расширяющий память имплантат, который имитирует обработку сигнала в момент, когда нейроны отказываются работать с новыми долгосрочными воспоминаниями.
Чтобы устройство заработало, ученые должны понять, как работает память. Гиппокамп - это область мозга, которая отвечает за трансформацию краткосрочных воспоминаний в долгосрочные. Как он это делает? И возможно ли симулировать его деятельность в рамках компьютерного чипа?
«По существу, память - это серия электрических импульсов, которые возникают с течением времени и которые генерируются определенным числом нейронов», - объясняет Бергер, - «Это очень важно, так как это значит, что мы можем свести этот процесс к математическому уравнению и поместить его в рамки вычислительного процесса».
Так, нейробиологи начали декодировать поток информации внутри гиппокампа. Ключом к этой дешифровке стал сильный электрический сигнал, который идет от области органа под названием СА3 - «входа» гиппокампа - к СА1 - «выходящему» узлу. Этот сигнал ослабляется у людей с расстройством памяти.
«Если бы мы могли воссоздать его, используя чип, мы бы восстановили или даже увеличили объем памяти», — говорит Бергер.
Но проследить этот путь дешифровки сложно, так как нейроны работают нелинейно. И любой незначительный фактор, замешанный в процессе, может привести к совсем другим результатам.Тем не менее, математика и программирование не стоят на месте, и сегодня могут вместе создать самые сложные вычислительные конструкции со множеством неизвестных и множеством «выходов».
Для начала ученые приучили крыс нажимать тот или иной рычаг, чтобы получить лакомство. В процессе запоминания крысами и превращения этого воспоминания в долгосрочное, исследователи тщательно фиксировали и записывали все трансформации нейронов, и затем по этой математической модели создали компьютерный чип. Далее, они ввели крысам вещество, временно дестабилизирующее их способность запоминать и ввели чип в мозг. Устройство воздействовало на «выходящий» орган СА1, и, вдруг, ученые обнаружили, что воспоминание крыс о том, как добиться лакомства восстановилось.
Следующие тесты были проведены на обезьянах. На этот раз ученые сконцентрировались на префронтальной коре головного мозга, которая получает и модулирует воспоминания, полученные из гиппокампа. Животным была продемонстрирована серия изображений, некоторые из который повторялись. Зафиксировав активность нейронов в момент узнавания ими одной и то же картинки, была создана математическая модель и микросхема, на ее основе. После этого работу префронтальной коры обезьян подавили кокаином и ученые вновь смогли восстановить память.
Когда опыты проводились на людях, Бергер избрал 12 волонтеров, больных эпилепсией, с уже имплантированными электродами в головной мозг, чтобы проследить источник их припадков. Повторяющиеся судороги разрушают ключевые части гиппокампа, необходимые для формирования долгосрочных воспоминаний. Если, к примеру, изучить активность мозга в момент припадков, можно будет восстановить воспоминание.
Точно также, как и в предыдущих экспериментах, был зафиксирован специальный человеческий «код памяти», который впоследствии сможет предсказать паттерн активности в клетках СА1, основываясь на данных, хранящихся или возникающих в СА3. В сравнении с «настоящей» мозговой активностью, такой чип работает с точностью около 80%.
Пока рано говорить о конкретных результатах после опытов на людях. В отличие от моторного кортекса головного мозга, где каждый отдел отвечает за определенный орган, гиппокамп организован хаотично. Также пока рано говорить, сможет ли такой имплантат вернуть память тем, кто страдает от повреждений «выходящего» участка гиппокампа.
Проблемный остается вопрос геерализации алгоритма для такого чипа, так как экспериментальный прототип был создан на индивидуальных данных конкретных пациентов. Что, если код памяти разный для всех, в зависимости от типа входящих данных, которые он получает? Бергер напоминает, что и мозг ограничен своей биофизикой:
«Есть только такое количество способов, которыми электрические сигналы в гиппокампе могут быть обработаны, которое несмотря на свое множество, тем не менее ограничено и конечно», — говорит ученый.
Анастасия Львова
Все мы помним со школы мучительные упражнения в арифметике. На то, чтобы перемножить числа вроде 3 752 и 6 901 при помощи карандаша и бумаги, уйдёт не меньше минуты. Конечно же, сегодня, когда под рукой у нас телефоны, мы быстро можем проверить, что результат нашего упражнения должен равняться 25 892 552. Процессоры современных телефонов могут выполнять более 100 млрд таких операций в секунду. Более того, эти чипы потребляют всего несколько ватт, что делает их гораздо эффективнее наших медленных мозгов, потребляющих 20 Вт и требующих гораздо большего времени на достижение того же результата.
Конечно же, мозг эволюционировал не для того, чтобы заниматься арифметикой. Поэтому у него это получается плохо. Но он прекрасно справляется с обработкой постоянного потока информации, идущего от нашего окружения. И он реагирует на неё – иногда быстрее, чем мы можем это осознать. И неважно, сколько энергии будет потреблять обычный компьютер – он с трудом будет справляться с тем, что легко даётся мозгу – например, с пониманием языка или с бегом по лестнице.
Если бы могли создать машины, вычислительные способности и энергетическая эффективность которых были бы сравнимы с мозгом, то всё поменялось бы кардинально. Роботы бы ловко двигались в физическом мире и общались бы с нами на естественном языке. Крупномасштабные системы собирали бы огромные объёмы информации по бизнесу, науке, медицине или управлению государством, обнаруживая новые закономерности, находя причинно-следственные связи и делая предсказания. Умные мобильные приложения типа Siri и Cortana могли бы меньше полагаться на облака. Такая технология могла бы позволить нам создать устройства с небольшим энергопотреблением, дополняющие наши чувства, обеспечивающие нас лекарствами и эмулирующие нервные сигналы, компенсируя повреждение органов или паралич.
Но не рано ли ставить себе такие смелые цели? Не слишком ограничено ли наше понимание мозга для того, чтобы мы могли создавать технологии, работающие на основе его принципов? Я считаю, что эмуляция даже простейших особенностей нервных контуров может резко улучшить работу множества коммерческих приложений. Насколько точно компьютеры должны копировать биологические детали строения мозга, чтобы приблизиться к его уровню быстродействия – это пока открытый вопрос. Но сегодняшние системы, вдохновлённые строением мозга, или нейроморфные, станут важными инструментами для поисков ответа на него.
Ключевая особенность обычных компьютеров – физическое разделение памяти, хранящей данные и инструкции, и логики, обрабатывающей эту информацию. В мозгу такого разделения нет. Вычисления и хранение данных происходят одновременно и локально, в обширной сети, состоящей из примерно 100 млрд нервных клеток (нейронов) и более 100 трлн связей (синапсов). По большей части мозг определяется этими связями и тем, как каждый из нейронов реагирует на входящий сигнал других нейронов.
Говоря об исключительных возможностях человеческого мозга, обычно мы имеем в виду недавнее приобретение долгого эволюционного процесса – неокортекс (новую кору). Этот тонкий и крайне складчатый слой формирует внешнюю оболочку мозга и выполняет очень разные задачи, включающие обработку поступающей от чувств информации, управление моторикой, работу с памятью и обучение. Такой широкий спектр возможностей доступен довольно однородной структуре: шесть горизонтальных слоёв и миллион вертикальных столбиков по 500 мкм шириной, состоящих из нейронов, интегрирующих и распределяющих информацию, закодированную в электрических импульсах, вдоль растущих из них усиков – дендритов и аксонов.
Как у всех клеток человеческого тела, у нейрона существует электрический потенциал порядка 70 мВ между внешней поверхностью и внутренностями. Это мембранное напряжение изменяется, когда нейрон получает сигнал от других связанных с ним нейронов. Если мембранное напряжение поднимается до критической величины, он формирует импульс, или скачок напряжения, длящийся несколько миллисекунд, величиной порядка 40 мВ. Этот импульс распространяется по аксону нейрона, пока не доходит до синапса – сложной биохимической структуры, соединяющей аксон одного нейрона с дендритом другого. Если импульс удовлетворяет определённым ограничениям, синапс преобразует его в другой импульс, идущий вниз по ветвящимся дендритам нейрона, получающего сигнал, и меняет его мембранное напряжение в положительную или отрицательную сторону.
Связность – критическая особенность мозга. Пирамидальный нейрон – особенно важный тип клеток человеческого неокортекса – содержит порядка 30 000 синапсов, то есть 30 000 входных каналов от других нейронов. И мозг постоянно приспосабливается. Нейрон и свойства синапса – и даже сама структура сети – постоянно изменяются, в основном под воздействием входных данных с органов чувств и обратной связи окружающей среды.
Современные компьютеры общего назначения цифровые, а не аналоговые; мозг классифицировать не так-то просто. Нейроны накапливают электрический заряд, как конденсаторы в электронных схемах. Это явно аналоговый процесс. Но мозг использует всплески в качестве единиц информации, а это в основе своей двоичная схема: в любое время в любом месте всплеск либо есть, либо его нет. В терминах электроники, мозг – система со смешанными сигналами, с локальными аналоговыми вычислениями и передачей информацией при помощи двоичных всплесков. Поскольку у всплеска есть только значения 0 или 1, он может пройти большое расстояние, не теряя этой основной информации. Он также воспроизводится, достигая следующего нейрона в сети.
Ещё одно ключевое отличие мозга и компьютера – мозг справляется с обработкой информации без центрального тактового генератора, синхронизирующего его работу. Хотя мы и наблюдаем синхронизирующие события – мозговые волны – они организуются сами, возникая как результат работы нейросетей. Что интересно, современные компьютерные системы начинают перенимать асинхронность, свойственную мозгу, чтобы ускорить вычисления, выполняя их параллельно. Но степень и цель параллелизации двух этих систем крайне различны.
У идеи использования мозга в качестве модели для вычислений глубокие корни. Первые попытки были основаны на простом пороговом нейроне , выдающем одно значение, если сумма взвешенных входящих данных превышает порог, и другое – если не превышает. Биологический реализм такого подхода, задуманного Уорреном Маккалохом и Уолтером Питтсом в 1940-х, весьма ограничен. Тем не менее, это был первый шаг к применению концепции срабатывающего нейрона в качестве элемента вычислений.
В 1957 году Фрэнк Розенблатт предложил другой вариант порогового нейрона, перцептрон . Сеть из взаимосвязанных узлов (искусственных нейронов) составляется слоями. Видимые слои на поверхности сети взаимодействуют с внешним миром в качестве входов и выходов, а скрытые слои, находящиеся внутри, выполняют все вычисления.
Розенблатт также предложил использовать основную особенность мозга: сдерживание. Вместо того, чтобы складывать все входы, нейроны в перцептроне могут вносить и отрицательный вклад. Эта особенность позволяет нейросетям использовать единственный скрытый слой для решения задач на XOR в логике, в которых выход равен истине, если только один из двух двоичных входов истинный. Этот простой пример показывает, что добавление биологического реализма может добавлять и новые вычислительные возможности. Но какие функции мозга необходимы для его работы, а какие – бесполезные следы эволюции? Никто не знает.
Нам известно, что впечатляющих вычислительных результатов можно добиться и без попыток создать биологический реализм. Исследователи глубинного обучения продвинулись очень далеко в деле использования компьютеров для анализа крупных объёмов данных и выделения определённых признаков из сложных изображений. Хотя созданные ими нейросети обладают большим количеством входов и скрытых слоёв, чем когда бы то ни было, они всё-таки основаны на крайне простых моделях нейронов. Их широкие возможности отражают не биологический реализм, а масштаб содержащихся в них сетей и мощность используемых для их тренировки компьютеров. Но сетям с глубинным обучением всё ещё очень далеко до вычислительных скоростей, энергетической эффективности и возможностей обучения биологического мозга.
Огромный разрыв между мозгом и современными компьютерами лучше всего подчёркивают крупномасштабные симуляции мозга. За последние годы было сделано несколько таких попыток, но все они были жёстко ограничены двумя факторами: энергией и временем симуляции. К примеру, рассмотрим симуляцию , проведённую Маркусом Дайсманом с его коллегами несколько лет назад при использовании 83 000 процессоров на суперкомпьютере К в Японии. Симуляция 1,73 млрд нейронов потребляла в 10 млрд раз больше энергии, чем эквивалентный участок мозга, хотя они и использовали чрезвычайно упрощённые модели и не проводили никакого обучения. И такие симуляции обычно работали более чем в 1000 раз медленнее реального времени биологического мозга.
Почему же они такие медленные? Симуляция мозга на обычных компьютерах требует вычисления миллиардов дифференциальных уравнений, связанных между собой, и описывающих динамику клеток и сетей: аналоговые процессы вроде перемещения заряда по клеточной мембране. Компьютеры, использующие булевскую логику – меняющую энергию на точность – и разделяющие память и вычисления, крайне неэффективно справляются с моделированием мозга.
Эти симуляции могут стать инструментом познания мозга, передавая полученные в лаборатории данные в симуляции, с которыми мы можем экспериментировать, а затем сравнивать результаты с наблюдениями. Но если мы надеемся идти в другом направлении и использовать уроки нейробиологии для создания новых вычислительных систем, нам необходимо переосмыслить то, как мы разрабатываем и создаём компьютеры.
Нейроны в кремнии.
Копирование работы мозга при помощи электроники может быть более выполнимым, чем это кажется на первый взгляд. Оказывается, что на создание электрического потенциала в синапсе тратится примерно 10 фДж (10 -15 джоулей). Затвор металл-оксид-полупроводникового (МОП) транзистора, значительно более крупного и потребляющего больше энергии, чем те, что используются в ЦП, требует для заряда лишь 0,5 фДж. Получается, что синаптическая передача эквивалентна зарядке 20 транзисторов. Более того, на уровне устройств биологические и электронные схемы не так уж сильно различаются. В принципе можно создать структуры, подобные синапсам и нейронам, из транзисторов, и соединить их так, чтобы получить искусственный мозг, не поглощающий таких вопиющих объёмов энергии.
Идея о создании компьютеров при помощи транзисторов, работающих как нейроны, появилась в 1980-х у профессора Карвера Мида из Калтеха. Одним из ключевых аргументов Мида в пользу «нейроморфных» компьютеров было то, что полупроводниковые устройства могут, работая в определённом режиме, следовать тем же физическим законам, что и нейроны, и что аналоговое поведение можно использовать для расчётов с большой энергоэффективностью.
Группа Мида также изобрела платформу для нейрокоммуникаций, в которой всплески кодируются только их адресами в сети и временем возникновения. Эта работа стала новаторской, поскольку она первой сделала время необходимой особенностью искусственных нейросетей. Время – ключевой фактор для мозга. Сигналам нужно время на распространение, мембранам – время на реакцию, и именно время определяет форму постсинаптических потенциалов.
Несколько активных сегодня исследовательских групп, например, группа Джиакомо Индивери из Швейцарской высшей технической школы и Квабены Боахен из Стэнфорда, пошли по стопам Мида и успешно внедрили элементы биологических корковых сетей. Фокус в том, чтобы работать с транзисторами при помощи тока низкого напряжения, не достигающего их порогового значения, создавая аналоговые схемы, копирующие поведение нервной системы, и при этом потребляющие немного энергии.
Дальнейшие исследования в этом направлении могут найти применение в таких системах, как интерфейс мозг-компьютер. Но между этими системами и реальным размером сети, связности и способностью к обучению животного мозга существует огромный разрыв.
Так что в районе 2005 году три группы исследователей независимо начали разрабатывать нейроморфные системы, существенно отличающиеся от изначального подхода Мида. Они хотели создать крупномасштабные системы с миллионами нейронов.
Ближе всех к обычным компьютерам стоит проект SpiNNaker , руководимый Стивом Фёрбером из Манчестерского университета. Эта группа разработала собственный цифровой чип, состоящий из 18 процессоров ARM, работающих на 200 МГц – примерно одна десятая часть скорости современных CPU. Хотя ядра ARM пришли из мира классических компьютеров, они симулируют всплески, отправляемые через особые маршрутизаторы, разработанные так, чтобы передавать информацию асинхронно – прямо как мозг. В текущей реализации, являющейся частью проекта Евросоюза «Человеческий мозг» , и завершённой в 2016 году, содержится 500 000 ядер ARM. В зависимости от сложности модели нейрона, каждое ядро способно симулировать до 1000 нейронов.
Чип TrueNorth, разработанный Дармендра Мода и его коллегами из Исследовательской лаборатории IBM в Альмадене, отказывается от использования микропроцессоров как вычислительных единиц, и представляет собой на самом деле нейроморфную систему, в которой переплелись вычисления и память. TrueNorth всё равно остаётся цифровой системой, но основана она на специально разработанных нейроконтурах, реализующих определённую модель нейрона. В чипе содержится 5,4 млрд транзисторов, он построен по 28-нм технологии Samsung КМОП (комплементарная структура металл-оксид-полупроводник). Транзисторы эмулируют 1 млн нейроконтуров и 256 млн простых (однобитных) синапсов на одном чипе.
Я бы сказал, что следующий проект, BrainScaleS , отошёл довольно далеко от обычных компьютеров и приблизился к биологическому мозгу. Над этим проектом работали мы с моими коллегами из Гейдельбергского университета для европейской инициативы «Человеческий мозг». BrainScaleS реализует обработку смешанных сигналов. Он комбинирует нейроны и синапсы, в роли которых выступают кремниевые транзисторы, работающие как аналоговые устройства с цифровым обменом информацией. Полноразмерная система состоит из 8-дюймовых кремниевых подложек и позволяет эмулировать 4 млн нейронов и 1 млрд синапсов.
Система может воспроизводить девять различных режимов срабатывания биологических нейронов, и разработана в тесном сотрудничестве с нейробиологами. В отличие от аналогового подхода Мида, BrainScaleS работает в ускоренном режиме, его эмуляция в 10 000 раз быстрее реального времени. Это особенно удобно для изучения процесса обучения и развития.
Обучение, скорее всего, станет критическим компонентом нейроморфных систем. Сейчас чипы, сделанные по образу мозга, а также нейросети, работающие на обычных компьютерах, тренируются на стороне при помощи более мощных компьютеров. Но если мы хотим использовать нейроморфные системы в реальных приложениях – допустим, в роботах, которые должны будут работать бок о бок с нами, они должны будут уметь учиться и адаптироваться на лету.
Во втором поколении нашей системы BrainScaleS мы реализовали возможность обучения, создав на чипе «обработчики гибкости». Они используются для изменения широкого спектра параметров нейронов и синапсов. Эта возможность позволяет нам точно подстраивать параметры для компенсации различий в размере и электрических свойствах при переходе от одного устройства к другому – примерно как сам мозг подстраивается под изменения.
Три описанных мной крупномасштабных системы дополняют друг друга. SpiNNaker можно гибко настраивать и использовать для проверки разных нейромоделей, у TrueNorth высока плотность интеграции, BrainScaleS разработана для постоянного обучения и развития. Поиски правильного способа оценки эффективности таких систем пока продолжаются. Но и ранние результаты многообещающие. Группа TrueNorth от IBM недавно подсчитала, что синаптическая передача в их системе отнимает 26 пДж. И хотя это в 1000 раз больше энергии, требующейся в биологической системе, зато это почти в 100 000 раз меньше энергии, уходящей на передачу в симуляции на компьютерах общего назначения.
Мы всё ещё находимся на ранней стадии понимания того, что могут делать такие системы и как их применять к решению реальных задач. Одновременно мы должны найти способы комбинировать множество нейроморфных чипов в крупные сети с улучшенными возможностями к обучению, при этом понижая энергопотребление. Одна из проблем – связность: мозг трёхмерный, а наши схемы – двумерные. Вопрос трёхмерной интеграции схем сейчас активно изучают, и такие технологии могут нам помочь.
Ещё одним подспорьем могут стать устройства, не основанные на КМОП – мемристоры или PCRAM (память с изменением фазового состояния). Сегодня веса, определяющие реакцию искусственных синапсов на входящие сигналы, хранятся в обычной цифровой памяти, отнимающей большую часть кремниевых ресурсов, необходимых для построения сети. Но другие виды памяти могут помочь нам уменьшить размеры этих ячеек с микрометровых до нанометровых. И основной трудностью современных систем будет поддержка различий между разными устройствами. Для этого смогут помочь принципы калибровки, разработанные в BrainScaleS.
Мы только начали свой путь по дороге к практичным и полезным нейроморфным системам. Но усилия стоят того. В случае успеха мы не только создадим мощные вычислительные системы; мы даже можем получить новую информацию о работе нашего собственного мозга.
Протезы, которые управляются силой мысли, прямая связь с компьютерами без помощи мышц, а в перспективе - искусственное тело для парализованного человека и тренировка когнитивных функций - мышления, памяти и внимания. Все это уже вне области научной фантастики. Время нейронаук уже настало, утверждает кандидат биологических наук, начальник отдела нейрокогнитивных технологий НИЦ «Курчатовский институт» Сергей Шишкин. Он рассказал о последних результатах исследований мозга в Образовательном центре «Сириус». «Лента.ру» приводит основные тезисы его выступления.
Результаты физических исследований лежат в основе всего, что нас окружает. На что бы мы ни посмотрели - здания, одежда, компьютеры, смартфоны, - все это так или иначе связано с технологиями, основанными на законах физики. А вот вклад в нашу жизнь науки о мозге несопоставимо меньше.
Почему? До недавнего времени нейронауки развивались очень медленно. В середине XIX века только-только начали понимать, что мозг состоит из нервных клеток - нейронов, но тогда их было чрезвычайно сложно увидеть и выделить. Современные исследователи нашли способы более глубокого изучения нейронов и наблюдения за их работой - например, в них вводят флуоресцентные красители, которые светятся при активации клетки.
Новые методы позволяют без хирургического вмешательства наблюдать за работой мозга человека с помощью технологии ядерно-магнитного резонанса. Мы начинаем лучше разбираться в устройстве мозга и создавать на основе этих знаний новые технологии. Одна из наиболее впечатляющих - интерфейс «мозг - компьютер».
Эта технология позволяет управлять компьютером силой мысли, точнее это называется «технологией для передачи команд из головного мозга в компьютер без помощи мышц и периферических нервов» (именно такое определение принято в научной литературе). Основное назначение интерфейсов «мозг - компьютер» - помощь инвалидам, прежде всего тем людям, у которых не работают мышцы или система управления ими. Это может быть вызвано разными причинами - например, автомобильной аварией, когда перебивается спинной мозг человека.
Нужен ли здоровому человеку дополнительный канал связи с компьютером? Некоторые ученые полагают, что такой интерфейс может сильно ускорить работу с вычислительной техникой, потому что человека не будут «тормозить» руки: - он станет напрямую посылать информацию в компьютер. Есть и более реалистичное предположение: с помощью этих интерфейсов можно тренировать когнитивные функции мозга - мышление, память, внимание… Как тут не вспомнить фильм «Газонокосильщик», где главный герой с помощью виртуальной реальности так «прокачал» свой мозг, что фактически стал сверхчеловеком.
В основе этих желаний лежит мечта о расширении возможностей мозга. Это вполне объяснимо: мы почти всегда недовольны теми возможностями, которые у нас есть. Мечта о расширении возможностей мозга подсказывает ученым кажущееся фантастическим, но все более реальное направление работы: постараться как можно теснее связать мозг и компьютер. Ведь у компьютерных программ есть большой недостаток - в них почти все построено на жестких правилах, а у человека работает интуиция, хотя он и не может почти мгновенно просчитывать варианты. Так что такое объединение сильных сторон мозга и компьютера было бы весьма полезным.
Но в первую очередь перед нейронауками стоят вполне практические задачи. Например, помочь людям с болезнью под названием боковой амиотрофический склероз. Пациентов с таким диагнозом немного, но это очень тяжелое заболевание. Больной может совершенно нормально думать и воспринимать информацию из окружающего мира, но не способен двигаться и даже что-то сказать. К сожалению, пока это заболевание остается неизлечимым, и больные до конца жизни не могут общаться с окружающими.
Первые попытки создать интерфейс «мозг - компьютер» были сделаны еще в 1960-е годы, однако серьезный интерес к этой технологии возник лишь после того, как в конце 1990-х немецкий ученый Нильс Бирбаумер с коллегами разработали так называемое «устройство для передачи мыслей» и стали обучать пользоваться им парализованных больных.
Некоторые пациенты благодаря этому устройству смогли общаться с родственниками и исследователями. Один из них написал с помощью «устройства для передачи мыслей» большое письмо, в котором рассказал, как он печатает буквы. Этот текст, который больной писал в течение шести месяцев, был опубликован в одном из научных журналов.
Работу с системой Бирбаумера нельзя назвать простой. Пациент должен выбрать сначала одну из половин алфавита, показываемого на экране, меняя идущие из мозга электрические потенциалы либо в позитивную, либо в негативную сторону. Таким образом он как бы мысленно говорит «да» или «нет». Электрический потенциал регистрируется прямо на поверхности кожи головы, подается в компьютер, и тот определяет, какую из половин алфавита надо выбрать. Дальше человек идет глубже по алфавиту и выбирает конкретную букву. Это неудобно и долго, зато метод не требует вживления электродов в мозг.
Инвазивные методы, когда электроды вводятся непосредственно в мозг, более успешны. Толчок к развитию этого направления дала война в Ираке. Многие военные тогда стали инвалидами, и американские ученые попытались придумать, как с помощью интерфейса «мозг - компьютер» такие люди смогли бы управлять механическими протезами. Первые эксперименты проводились на обезьянах, а потом электроды вживляли парализованным людям. В результате человек смог активно включиться в процесс освоения методики управления протезом.
В 2012 году команде Эндрю Шварца из Питтсбурга удалось обучить парализованную женщину настолько точно управлять механической рукой, что она смогла брать ею различные предметы и даже пожать руку ведущему популярной телевизионной программы. Правда, не все движения выполнялись безупречно, но, безусловно, система совершенствуется.
Как удалось это сделать? Был разработан подход, который позволяет на лету определять желаемое направление движения с помощью закодированных в нейронах сигналов. Для этого приходится имплантировать в моторную кору мозга маленькие электроды - они отводят от нейронов сигналы, которые передаются в компьютер.
Сразу же возникает вопрос: если человек двигает механической рукой, можно ли сделать механического двойника - аватара, который будет воспроизводить все движения человека? Такое механическое тело будет управляться через интерфейс «мозг-компьютер». Фантазий на этот счет немало, иногда ученые даже выдают какие-то реальные планы. Пока серьезные специалисты относятся к этому как к фантастике, но в отдаленном будущем такое возможно.
В лаборатории когнитивных технологий «Курчатовский институт» сейчас работают не только над интерфейсами «мозг - компьютер», но и «глаз - мозг - компьютер». Строго говоря, это не совсем интерфейс «мозг - компьютер», потому что в его работе используются глазные мышцы. Управление с помощью регистрации направления взгляда тоже очень важно, поскольку есть инвалиды с нарушениями двигательной функции, глазные мышцы которых продолжают действовать. Есть уже готовые системы, с помощью которых человек может набирать текст взглядом.
Тем не менее за пределами задачи набора текста возникают проблемы. Например, сложно научить интерфейс не отдавать команды тогда, когда человек смотрит на кнопку управления только потому, что он задумался и остановил на ней взгляд.
Чтобы решить эту проблему, в Курчатовском институте решили создать комбинированную технологию. Участники экспериментов играют в компьютерную игру, делая ходы только с помощью коротких задержек взгляда. В это время исследователи регистрируют на поверхности кожи головы электрические сигналы их мозга.
Оказалось, что когда участник эксперимента задерживает взгляд, чтобы сделать ход, в сигналах его мозга появляются особые маркеры, которых не бывает, когда взгляд задерживается просто так. На основе этих наблюдений и создается интерфейс «глаз - мозг - компьютер». Его пользователю будет достаточно лишь посмотреть на кнопку или ссылку на экране компьютера, захотеть по ней кликнуть, - система распознает это желание, и клик произойдет сам собой.
В будущем появятся новые способы, которые позволят без использования рискованных и очень дорогих операций подключать мозг к компьютеру. Сейчас мы наблюдаем зарождение этих технологий и скоро сможем их опробовать.
1. Мозг — аналоговый, а компьютеры — цифровые.
Нейроны двоичные, и если они достигают нужного уровня, то появляется потенциал действия. Это простое соотношение с цифровой системой «Единица и Нуль» дает совершенно неверное представление о действительно беспрерывных нелинейных процессах, которые прямо влияют на работу нейронной сети и ее устройства.
Скажем так, один из основных способов передачи данных — это скорость, при которой нейроны начинают активироваться. Таким образом, сети нейронов могут активироваться в синхронии или в беспорядочности (все относительно). Такая связь может влиять на силу сигналов, получаемых потоком, состоящим из нейронов. И в самом конце, внутри каждого из нейронов начинается круговорот квазиинтеграторов, которые состоят из ионных цепочек, которых довольно много, и регулярно изменяющихся мембранных потенциалов.
2. Ассоциативная память — память мозга.
Запрос информации в компьютере происходит по определенному адресу (байтовая адресация). Мозг же пользуется другим приемом поиска данных — не по адресу, а по их составляющей, скорее даже, по их представительной части. И в конечном итоге, мозг имеет что-то наподобие «системы Google», в которой достаточно немного ключевых слов, чтобы по ним можно было воспроизвести полный контекст. Конечно, нечто подобное можно воспроизвести и в компьютерах с помощь индексации всей информации, которую хранят и которую надо складировать. Вот таким образом, поиск будет выполняться по релевантной информации.
Несмотря на то, что многие психологи выявляли действительно очевидные сходства между ОЗУ и кратковременной памятью, более подробный анализ показал обилие более существенных различий.
Хотя для ОЗУ и кратковременной памяти нужна «энергия», кратковременная память может содержать только «отсылки» к долговременной памяти, в то время как операционное запоминающее устройство содержит информацию, которая сходна по составу с той, что располагается на жестком диске.
В отличие от ОЗУ, кратковременная память не ограничена объемом.
Компьютер способен обрабатывать информацию из памяти, подключая процессоры, и потом заносить переработанные данные обратно в память. У нас в мозге не может существовать разделения подобного типа. Нейроны как обрабатывают данные, так и преобразуют синапсы (место контакта между двумя нейронами), которые и есть основная память. И как следствие, воссоздание по памяти человек чуть-чуть изменяет те воспоминания.
Не менее важно и это. На самом деле, наш мозг может использовать возможность управлять всеми нашими органами. Множество экспериментов показывают, что когда мы смотрим на интерьер, допустим комнаты, то наш мозг разгружает память, так как наша зрительная память очень маленькая, и мы, благодаря этому, можем воспроизвести обстановку, а не точное расположение предметов.
К тому же, мозг гораздо больше абсолютно любого компьютера, который существует ныне.
