Быть похожим на человека. Машины людям, люди машинам
Мы можем многое дать друг другу. Или на самом деле мы уже дали. Об этом свидетельствуют бесчисленные биомиметические технические решения, имитирующие в машинах процессы, связанные с человеческими организмами и многими другими живыми существами. С другой стороны, история о том, как машины нас поддерживают, настолько очевидна, что кажется тривиальной.
Самая амбициозная часть биомиметизм есть попытки воссоздать в неживом мире. Мозгу не нужен центральный процессор (ЦП) или жесткий диск. Он работает, открывая и закрывая мембраны нервов и посылая волны заряженных ионов. Эти волны вызывают изменения в нервных окончаниях, которые позволяют мозгу функционировать — процесс, называемый синаптической пластичностью, и он позволяет нам учиться и обрабатывать информацию.
Гипотетические искусственные вычислительные конструкции, имитирующие человеческий мозг, называются «нейроморфическими» – этот термин был создан в 80-х годах американским ученым Карвер Мид. Он был известен своими попытками имитировать нейроны с помощью специально сконфигурированных транзисторных схем. Ученые всего мира уже давно усердно работают над системами, которые работают подобно человеческому мозгу. По этой причине их иногда называют искусственными мозгами.
Что он может такого, с чем до сих пор не справляется даже самая продвинутая система искусственного интеллекта? Например, он может быстро собрать множество хаотичной информации в осмысленные выводы. Вот почему создание компьютера, способного одновременно обрабатывать и записывать информацию — подобно мозгу, мгновенно анализирующему и запоминающему большие наборы данных, — в настоящее время является одной из величайших технологических задач.
Как настоящие нейроны
Все традиционные компьютеры и компьютероподобные устройства основаны на архитектуре, разработанной Джон фон Нейманв котором процессор и системы памяти отделены друг от друга. Это удобное решение, когда мы хотим, чтобы машина работала в разных программах. Однако процессоры, когда они работают, тянутся к данным из памяти, и передача продолжается. Вычислительный блок, ожидающий данных, часто остается бездействующим.
Объем данных из баз данных, созданных людьми и машинами (работающих в рамках Интернета вещей), в настоящее время огромен. Архитектура фон Неймана становится узким местом в этих процессах. По оценке Министерства энергетики США, компьютерная обработка данных в настоящее время потребляет от 5 до 15% мирового производства энергии, в том числе немало на сами передачи. Это может быть улучшено с годами квантовые и фотонные методыкоторые требуют меньше энергии, быстрее и эффективнее. Однако их использование пока остается перспективным направлением. Эксперты все больше и больше обращают внимание на решения, предлагаемые человеческим мозгом.
Материнская плата NS16e с шестнадцатью процессорами IBM TrueNorth
Попытки создать гибких и эффективных учащихся нейронные сети предпринимаются с 50-х гг. Вершиной достижений в этой области является DeepMind от Google, который в 2016 году победил гроссмейстера игры «Го». Однако этот синтетический мозг представляет собой программную симуляцию нейронной сети, а физические вычисления по-прежнему выполняются в кремниевых системах. Так что узкое место фон Неймана здесь не преодолено.
Физически нейронная сеть имитирует нейроморфный процессор IBM под названием TrueNorth, построенный в 2014 году. Проблема в том, что если бы он использовал свою архитектуру для создания полностью синтетического эквивалента мозга, такому компьютеру потребовалось бы 10 XNUMX. раз больше энергии, чем то, что работает в голове человека… Кроме того, TrueNorth хоть и может распознавать простые изображения, но не работает как связи между нейронами и синапсами. Он не способен укреплять определенные связи в процессе обучения.
Intel уже несколько лет работает над технологией нейроморфных процессоров, имитирующих работу человеческого мозга. В конце концов, он похвастался первым устройством такого типа. Экспериментальный чипсет под названием Loihi в 2018 г. он перейдет в ведущие университеты и научно-исследовательские институты, занимающиеся разработкой искусственного интеллекта. Компания пишет: «Intel изобрела первый в своем роде самообучающийся нейроморфный чип под кодовым названием Loihi, который имитирует работу человеческого мозга, действуя по принципу стимулов различной силы, получаемых из окружающей среды». Процессор состоит из 130 тысяч. кремниевых «нейронов», связанных 130 миллионами «синапсов». По данным Intel, он в тысячу раз более энергоэффективен, чем обычные обучающие машины.
Откажитесь от силикона
Чипы TrueNorth или решение Intel по-прежнему придерживаются кремния, который имеет свои преимущества, но с точки зрения энергоэффективности он не соответствует органическому веществу нервных клеток. Поэтому ученые работают над совершенно другими моделями нейроморфных компьютеров, которые будут имитировать пластичность мозга и позволят процессорам имитировать синаптическую функцию, например, используя фазовый переход в определенных материалах, которые плавятся и затвердевают при определенных температурах, сохраняя при этом способность сохранять и высвободить большое количество энергии.
Прошлым летом группа ученых под руководством Эвангелоса Элефтериу из лаборатории IBM в Цюрихе сообщила в Nature Nanotechnology, что ей удалось построить искусственная версия нейрона. Он состоит из слоя теллурида германия-сурьмы между электродами. Здесь используется фазовое изменение этого материала, который в зависимости от приложенного напряжения переходит из изолятора в полупроводник, а затем в проводник. По словам исследователей, это имитирует колебания в поведении нейронов. Есть и другие проекты, в которых на фазовые изменения в искусственных синапсах влияет световая волна, что означает значительно меньшее потребление энергии. Так что это не единственное предлагаемое решение.
Исследователи из Университета Саутгемптона в конце 2016 года продемонстрировали, что мемристоры и резисторы способны запоминать свои предыдущие значения сопротивления и могут использоваться для построения сложных и продвинутых нейронных сетей. В рамках своих экспериментов они подготовили сеть мемристоров на основе оксидов металлов и использовали их в качестве искусственных синапсов.
Иллюстрация связей между нейроном и дендритом
Благодаря этому они инициировали процесс обучения без постороннего вмешательства – подобно тому, как это происходит в человеческом мозгу. Созданные учеными мемристоры не только потребляют меньше энергии, чем предыдущие решения, но и запоминают свое предыдущее состояние. Это электронные компоненты, которые ограничивают или регулируют поток электрического тока в цепи и способны запоминать количество прошедшего через них заряда и сохранять данные даже при отключении питания. По сути, они выполняют функцию, аналогичную синапсам, и обладают внутренней способностью выполнять вычислительные задачи и одновременно хранить информацию со значительно меньшими объемами и потерями мощности.
Исследовательская группа из Университета Саутгемптона разработала мемристорный интегрирующий датчик (Memristive Integrative Sensor – MIS) в наномасштабе, в который он ввел серию образцов “напряжение-время”, воспроизводящих электрическую активность нервных клеток. Сообщается, что MIS-сенсоры на основе оксидов металлов, функционирующие подобно синапсам клеток головного мозга, способны кодировать и сжимать (до 200 раз) активность нервных клеток, зарегистрированную с помощью многоэлектродных массивов. Исследователи заявили, что в дополнение к ограничениям полосы пропускания их подход чрезвычайно энергоэффективен, поскольку мощность, необходимая для каждого канала записи, была в XNUMX раз ниже, чем в настоящее время.
Однако задача нейроморфных конструкторов кажется во много раз сложнее в свете новых открытий ученых из Калифорнийского университета в Лос-Анджелесе — оказывается, что мозг имеет более чем в сто раз большую вычислительную мощность, чем предполагалось ранее. Согласно этим выводам, дендриты, когда-то считавшиеся простыми пассивными сигнальными каналами, оказались очень электрически активными, генерируя в десять раз больше импульсов, чем сома (тело нервной клетки).
– заметил он Маянк Мехта, нейрофизик Калифорнийского университета в Лос-Анджелесе, описывающий калифорнийское исследование в СМИ.
Невидимый, видимый благодаря машинам
Имитация нашего мозга пока не очень хороша для машин. Взамен, однако, мы получили «от них» — и получаем до сих пор — то, что позволяет нам не только, например, летать в небо или поднимать тяжести, но и видеть и слышать то, что наши органы чувств не могут уловить. У нас уже давно есть приборы ночного видения, тепловизоры, ультрафиолетовые детекторы и гидролокаторы. Эти устройства открывают нам доступ к способностям, ранее наблюдаемым только у животных или насекомых. Относясь к механизмам из мира природы, они остаются продуктами технической мысли.
Типичным примером современной техники, открывающей нам глаза на новые миры, являются линзы со сверхтонким графеновым детектором, работающим в полном инфракрасном диапазоне. Они были созданы в Американском Мичиганском университете в результате исследований группы проф. Чжаохуэй Чжонга. Другая группа ученых и инженеров – во главе Джозеф Форд из Калифорнийского университета в Сан-Диего и Эрика Тремблая из Института микроинженерии в Лозанне — в свою очередь, она разработала контактные линзы с поляризационным фильтром, подобные тем, что носят в 3D-кинотеатрах, позволяющие видеть с почти трехкратным увеличением.
Есть конечно тоже дополненная реальностькоторый не только позволяет врачам заглянуть внутрь человеческого тела без хирургического вмешательства, но и может помочь, например, пожарным быстро ориентироваться и искать людей в условиях пожара, когда видимость становится плохой или даже нулевой. Шлем C-Thru имеет встроенную тепловизионную камеру, изображение с которой передается пожарному в каске прямо на дисплей перед его глазами. С другой стороны система Страйкер II, созданный BAE Systems для пилотов самолетов, интегрированный со шлемом, оснащенный датчиками, которые автоматически переводят очки пилота в ночной режим с ночным видением.
Вы, наконец, можете достичь камеры, которые видят невидимое. Даже вещи за углом здания. Изобретение, которое сделало это возможным, было создано учеными из университетов Бонна, Германия, и Британской Колумбии, Канада. Он основан на воспроизведении изображений вне поля зрения с помощью рассеянного света. В этом методе используется лазерный луч, проецируемый на стену, скрывая то, что следует наблюдать через объектив камеры. Прибор собирает множество различных световых отражений и суммирует их, пытаясь создать результирующее, т.е. контур изображения. Изначально вы просто видите стену в видоискателе камеры. Однако через некоторое время, когда начинают работать тонкие математические алгоритмы, выявляющие так называемые эхо изображения (т.е. небольшое количество света, отраженного от предмета, рассеянного и затем падающего на поверхность стены), мы начинаем видеть скрытые за углом фигуры. Ни одно живое существо больше не может делать такие вещи!
Существуют также методики, позволяющие «Видеть» что-то в темнотеи им не нужно больше фотона на пиксель. Например, тот, который разработал Ахмед Кирманиего из Массачусетского технологического института (MIT) и опубликовано в журнале Science. Устройство, которое он и его команда разработали Кирмани, в темноте излучает маломощный лазерный импульс, который при отражении от объекта записывает в детектор одиночный пиксель. Сам принцип работы не нов. Новинкой является сложный алгоритм, который требует гораздо меньше фотонов для создания изображения, чем раньше. Подсчитано, что достаточно лишь одной сотой того, что требуется для используемых в настоящее время детекторов света в сложных условиях, например, в технике LIDAR.
Глядя на работающий двигатель в технике AR
Поскольку есть возможности на основе дополненной реальности «увидеть» салон работающего двигателя автомобиля с помощью доносящихся оттуда звуков, возможно, пришло время камера, которая «читает» звуки с изображения? Прототип такого устройства разработали специалисты MIT, Microsoft и Adobe. Соответствующий алгоритм записал звуки речи, исходящие из пакета с картофельными чипсами, от которого диктофон был отделен звуконепроницаемым стеклом. В других экспериментах удалось воспроизвести звук из немого видео. Этот метод основан на «выводе» о звуках путем анализа движения и вибрации объектов.
Трудно не заметить, что стремление к биомиметизму и нейроморфизму, а также дальнейшие решения, укрепляющие наши органы чувств, ясно показывают, насколько современные технологии, несмотря на столько опасений, по-прежнему ориентированы на людей.
