Загрузка...Искусственный интеллект (ИИ) подберет плейлист, Алиса поставит будильник и расскажет новости, нейросеть нарисует ваш портрет в стиле кубизм и скажет какой вы котик. Достижения в области искусственного интеллекта поражают воображение. Но все еще слишком часто ИИ заставляет нас сомневаться в его интеллектуальных способностях. Как работает искусственный интеллект? Чем он отличается от интеллекта биологического, а в чем похож на него? Вообще, заслуживают ли современные нейросети гордого звания – «интеллект»?
Что общего?
Принцип работы как искусственного, так и биологического интеллекта описывается классической моделью черного ящика. Входные данные попадают внутрь ящика, а затем начинается магия – преобразования информации внешнему наблюдателю неизвестные. Результатом этих преобразований станут выходные данные. Например, мы смотрим на что-то – совокупность этих данных с помощью глаз попадает в мозг, там зрительные импульсы независимо от нашей воли преобразуются. На выходе мы имеем информацию о том, что этот объект из себя представляет – буква, геометрическая фигура, лицо человека.
Реальные и компьютерные нейросети состоят из нейронов. Нейрон — электрически возбудимая клетка, осуществляющая приём извне, обработку, хранение и передачу информации с помощью электрических и химических сигналов. Нейрон состоит из тела и отростков: коротких – дендритов (по ним нейрон принимает сигнал) и длинного – аксона, который ветвясь, передает сигнал на дендриты других нейронов. Искусственный нейрон – математическая модель, которая описывает процессы, происходящие в нервной ткани.
Поскольку нейросети строятся по образу и подобию человеческого мозга, то концептуально их работа реализуется одинаково. Однако, механизмы внутренней магии черного ящика отличаются весьма значительно.
Как работает нейросеть?
Нейрон в ИИ — это вычислительная единица, которая получает информацию, производит над ней простые вычисления и передает ее дальше. Нейроны бывают 3-х типов: входные, выходные и скрытые (работающие посередине).
Работа нейросети похожа на распространение новостей в человеческом обществе. Есть очевидцы (входные нейроны) – они видели событие своими глазами и рассказывают о нем своим знакомым. Знакомые (скрытые нейроны) распространяют новость дальше. А от знакомых знакомых новость узнаем мы (выходные нейроны). Часто ли информация доходит до нас в неизменном виде? Практически никогда.
Во избежание эффекта «сломанного телефона» программисты придумали специальные свойства нейронов – синаптические веса. Строго говоря, вес – это число, означающее важность, присвоенную каждому входному сигналу. В нашем примере синаптический вес показывает, насколько мы можем доверять каждому из своих информаторов. Кто говорит правду, а кто может и приукрасить действительность. Мы суммируем информацию, полученную от всех знакомых, решаем чье мнение для нас важно, а чьим можно пренебречь, и рассказываем другим уже нашу версию событий. Людям разобраться в этом помогает жизненный опыт. Нейроны решают проблему проще – синаптические веса распределяются случайным образом.
Разве в таком случае достоверность результата не будет случайной? Поначалу, да. Чтобы такого не было нейросеть нужно обучать. Классика обучения нейросетей – механизм обратного распространения ошибки. Его особенность в том, что данные многократно проходят через нейроны сети, каждый раз полученный результат сравнивается с целью и синаптические веса корректируются, приводя выходные данные к большему соответствию с целевым значением. Это можно представить в виде мячика, катящегося с горки. На вершине величина ошибки максимальна, но с каждым оборотом (прохождением данных по сети) мячик скатывается все ниже и ниже – туда, где ошибка, насколько это возможно, сводится к минимуму. Собственно, этот метод так и называется – градиентный спуск.
Два базовых принципа интеллекта
Механизм Синтеза и Анализа, выдвинутый Павловым – важнейший принцип работы любого интеллекта. Анализ и Синтез – две универсальные противоположные друг другу операции мышления. Анализ – это дробление целого на составляющие, оценка значимости каждого из признаков. Синтез же представляет собой процесс объединения различных признаков в общую картину. Любое воздействие сначала анализируется качественно, количественно, по биологической значимости, а затем, в зависимости от результата анализа, синтезируется ответная реакция.
Механизм обратного распространения аналогичен в человеческом мозге функции Анализа – выявления значимых и не значимых сигналов в общем потоке информации. А вот с функцией Синтеза у нейросетей дела обстоят не так хорошо. Мозг очень любит обобщать полученные данные, поэтому увидев несколько человеческих лиц в младенческом возрасте, мы без проблем идентифицируем подобные объекты как лица людей в будущем. Нейросеть не так талантлива в обобщении – чтобы научиться распознавать лица, ей требуется проанализировать несколько тысяч фотографий людей.
Немного об анатомии
Мозг человека состоит из большого количества структурно-функциональных отделов. Таким образом реализуется своеобразное «разделение труда». Нейроны, выполняющие схожие функции находятся рядом, в отдельном анатомическом образовании. Эти образования с одной стороны обособленны, но с другой – постоянно взаимодействуют друг с другом.
Это можно проследить на примере восприятия зрительного образа. Сигналы фотонов, попадающих на сетчатку глаза, преобразуются в электрические импульсы и по зрительному нерву направляются в подкорковые центры зрения в таламусе. Здесь происходит их первичная обработка и систематизация. Затем информация поступает в затылочные доли коры. Кора больших полушарий состоит из 6 слоев, каждый из которых связан с предыдущим. В коре происходит последовательный анализ информации: в зависимости от того, что мы увидели (объект, символ, лицо) сигнал посылается в разные области коры для еще большей детализации. Минимальное время, которое займет у нас узнавание образа, равно 13 миллисекундам. По сравнению с аналогичным процессом в искусственной нейросети путь, пройденный информацией, достаточно короткий.
Главным образом, такая скорость достигается массивной параллельной обработкой данных – один внешний сигнал проходит множество путей в различных отделах мозга. Например, зрительные тракты одновременно с активацией таламуса отдают свои волокна на верхние бугры среднего мозга, отвечающие за движение глаз и ориентацию в пространстве. К этому добавляются сигналы, полученные другими органами чувств, информация, хранящаяся в памяти, даже наше эмоциональное состояние на данный момент. Мозг смотрит на мир под разными углами одновременно – за счет параллельной обработки формируется наиболее полное восприятие окружающей действительности.
В нейросетях же, несмотря на наличие параллельных путей, бОльшую роль играет последовательная передача информации «по цепочке», из-за чего путь, пройденный сигналом, удлиняется многократно, а картинка остается всего лишь картинкой.
Как считает нейрон?
Мы уже знаем, что нейроны ИИ суммируют все входящие сигналы (с поправкой на синаптические веса), а итоговый результат предают дальше по цепочке. К суммации способны и биологические нейроны. Конечно, в нервной клетке нет специальных калькуляторов. Тем не менее, мембрана нейрона имеет уникальную структуру, позволяющую суммировать поступившие сигналы. В 1952 году Алан Ллойд Ходжкин и Эндрю Хаксли создали математическую модель – систему дифференциальных уравнений для описания электрических механизмов, обуславливающих генерацию и передачу нервного сигнала мембраной нейрона.
Активность нейрона определяется его мембранным потенциалом. В покое мембрана заряжена отрицательно. При поступлении активирующего сигнала заряд мембраны резко подскакивает, достигая положительных значений. Такие скачки называются «спайки» (от англ. «шип», «пик»). Они возникают за счет входа и выхода ионов, несущих положительный или отрицательный заряд, через ионные каналы – «двери» на мембране. Ходжкин и Хаксли описали процесс открывания и закрывания «дверей»-каналов и ионные токи, проходящие через них.
Если полученный клеткой сигнал недостаточно сильный, то ничего не произойдет – «двери» не откроются и ионы не смогут зайти внутрь. Нейрон ответит спайком только если сигнал превысит определённый порог. Это биологически оправданно, так как позволяет мозгу выбирать только значимые сигналы и не сломаться от перегруза. В искусственных нейросетях также используются специальные функции активации, позволяющие оценивать важность поступившей информации.
Помимо изменения заряда мембраны, модель Ходжкина-Хаксли позволяет понять процессы суммации входящих сигналов. Когда нервная клетка получает сразу много сигналов с разных дендритов – открывается много каналов, входит много положительных ионов, и несколько импульсов складываются в один большой. Это явление носит название пространственной суммации. То же самое произойдет, если нейрон раздражать серией импульсов, идущих друг за другом – клетка суммирует их и выдаст один итоговый импульс – это временная суммация.
Стоит отметить, что модель так полно и одновременно лаконично описывающая поведение нервных клеток, оказывается крайне трудоемкой при реализации в искусственных нейросетях. Поэтому программистам приходится использовать ее частичные аналоги и заместители.
Как нейроны общаются друг с другом?
Искусственные нейроны – математические модели и контакты между ними представляют собой математическую функцию. Нервные клетки мозга взаимодействуют посредством реальных клеточных образований – синапсов. Синапс состоит из трех частей: пресинаптическая мембрана, синаптическая щель и постсинаптическая мембрана. Нейрон, передающий информацию, выделяет из пресинаптического окончания своего аксона молекулы-передатчики – нейромедиаторы в синаптическую щель (ее толщина всего 20 нм). Через это пространство нейромедиаторы поступают на постсинаптическую мембрану, где вызывают ответную реакцию.
Мы общаемся друг с другом, отправляя сообщения в мессенджерах. Для нейронов такими сообщениями служат молекулы медиаторов. Наши сообщения могут нести совершенно разный смысл и вызывать различную реакцию у получателя. Каждый нейромедиатор тоже влияет на воспринимающие клетки своим особенным образом.
Нейромедиаторы чрезвычайно разнообразны: около 30 веществ, различной химической природы от обыкновенного оксида азота до производных аминокислот и даже небольших пептидов. Нейроны разных отделов мозга, как правило, выделяют разные медиаторы, что вносит большой вклад в «разделение труда» между отделами мозга. Так, система нейромедиатора – дофамина состоит из 4 путей, каждый из которых обособлен анатомически и выполняет определенную функцию: нигро-стриарный путь, например, контролирует движения, а мезолимбический отвечает за поведение и эмоции.
Но, несмотря на это разнообразие, медиатор – лишь половина успешной передачи сигнала. Красота в глазах смотрящего, а функция нейромедиатора – в его рецепторе. Нейроны глухи и слепы, все, что связывает их с окружающим миром – рецепторный аппарат. Рецептор – это белок на постсинаптической мембране, способный связываться с медиатором и вызывать клеточный ответ. Молекулы медиатора и рецептора подходят друг другу как ключ к замку, поэтому рецептор не может активироваться другим медиатором, а медиатор активировать чужой рецептор.
Яркий пример важности рецептора – действие адреналина, являющегося одновременно и нейромедиатором, и гормоном на сосуды. Он сужает сосуды кожи и расширяет сосуды мышц и головного мозга. Это имеет биологическое значение: адреналин реализует общую реакцию «бей-беги» при стрессе. Потому усиливается кровообращение активно действующих мышц и головного мозга, а вот питанием кожи в момент стресса можно пренебречь. Но как одно и то же вещество может вызвать противоположные реакции? Дело в том, что на этих органах расположены разные рецепторы – одни запускают внутриклеточный процесс, приводящий к расслаблению сосудистой стенки, другие – наоборот, этот процесс блокируют.
По механизму действия медиаторы разделяют на возбуждающие (ацетилхолин, глутамат) – вызывающие ответ в воспринимающей клетке, и тормозные (гамма-аминомасляная кислота, глицин) – блокирующие ответ. На примере с адреналином (кстати, одновременно и тормозным, и активирующим) становится понятно, что такое деление на самом деле зависит не от самого медиатора, а от рецептора, с которым он связался.
Важнейшим правилом нейрофизиологии является принцип Дейла – «один нейрон – один медиатор». Действительно, не известно случаев, когда один нейрон выделял бы из одной терминали своего аксона ацетилхолин, а из другой, например, норадреналин. Однако, вопреки правилу Дейла, вместе с молекулами медиатора могут выделятся и другие вещества – котрансмиттеры. Это позволяет оказывать комплексный эффект на рецепторы и, таким образом, создавать более сложную коммуникацию, чем та, которая происходит при действии только молекул медиатора.
Все эти сведения говорят о чрезвычайном разнообразии межнейронных контактов. 30 медиаторов, каждый из которых имеет в среднем от 2 до 5 видов рецепторов, молекулы – нейромодуляторы и котрансмиттеры, усиливающие или ослабляющие действие медиатора – только представьте себе, какой мощностью должен обладать процессор компьютера, чтобы реализовать такую систему взаимодействий!
Не удивительно, что ничего хотя бы отдаленно напоминающего медиаторные системы, в искусственных нейросетях нет, и маловероятно появится в ближайшем будущем.
Свободолюбивые нейроны
Нейрон математический строго следует заданной программе – выполняет вполне определенную функцию и делает это идеально. В живом же мозге огромную роль играет случайность – мы можем зафиксировать как спонтанную активность, так и отсутствие ответа там, где он должен быть. Нейрон сам решает, что ему делать с полученным сигналом.
Чем выше организм стоит на лестнице эволюции, тем более развит его мозг, но парадоксально меньше значимость и эффективность каждого конкретного нейрона. Природа берет количеством: один нейрон может ошибаться, 90 миллиардов – нет. Кроме того, нежелание нейронов следовать четкой программе дает живому мозгу одно неоспоримое преимущество – пластичность.
Нейропластичность – это способность нейронных сетей мозга изменяться путем реорганизации и роста. При повреждении каких-либо структур (в результате механической травмы или, например, инсульта), функция, за которую они отвечали, может сохраниться. Другие клетки возьмут на себя работу поврежденных и компенсируют потерю. В то же время, те отделы мозга, которые мы часто используем не просто лучше работают – они увеличиваются физически, прямо как мышцы при тренировках. Именно свободолюбие наших нервных клеток позволяет нам меняться, оставаясь собой. И именно четкое следование программе не позволяет этого искусственному интеллекту.
Заключение
Зачем люди работают над созданием искусственного интеллекта? ИИ — это весело: он рисует картины, пишет музыку, создает игры, в конце концов, с ним можно просто поговорить. ИИ – это удобно: разблокировка смартфона сканированием лица, индивидуальная лента новостей, онлайн-кошельки со статистикой, чат-боты в службе поддержки. ИИ – это полезно: анализ рынка валют, выполнение сложнейших математических расчетов, даже постановка диагноза в медицине. Однако, это лишь приятные бонусы. Важнее то, что посредством ИИ человек стремится познать самого себя. Это попытка найти ответы на вопросы, волнующие общество еще с древности: как мы мыслим? что делает нас людьми? Веками мы противопоставляли себя животным, выделяя сверхбиологические черты в нашем поведении. Теперь люди получили возможность сравнить себя с информационными системами, и биология вновь приобрела значимость.
«Никто не думает, что компьютерная модель пищеварения способна что-то переварить на самом деле, но там, где речь идет о мышлении, люди охотно верят в такие чудеса, потому что забывают о том, что разум — это такое же биологическое явление, как и пищеварение. По их мнению, разум — это нечто формальное и абстрактное, а вовсе не часть полужидкой субстанции, из которой состоит наш головной мозг» [3]
Реален ли искусственный интеллект? Нет, это лишь математическая модель и удобный инструмент. Нужен ли он человечеству? Да, бесспорно. Искусственно моделируя собственный разум, человек все ближе подбирается к пониманию реальных процессов, происходящих в мозге.
***
Список источников:
- Сравнение мозга с нейронной сетью. https://habr.com/ru/post/507420/
- Биологически правдоподобное обучение ИИ. Краткий обзор достижений. https://habr.com/ru/company/skillfactory/blog/546104/
- Дж. Сирл. «Разум мозга – компьютерная программа?»
- F. Rosenblatt. (1958). The perceptron: A probabilistic model for information storage and organization in the brain.. Psychological Review. 65, 386-408
- Анохин П. К. «Философский смысл проблемы естественного и искусственного интеллекта» Глава из сборника «Кибернетика живого», 1985 г.
- Хухо Ф. «Нейрохимия: основы и принципы», 1990 г.
- A. L. Hodgkin, A. F. Huxley. (1952). A quantitative description of membrane current and its application to conduction and excitation in nerve. The Journal of Physiology. 117, 500-544;
- От живого мозга к искусственному интеллекту. https://biomolecula.ru/articles/ot-zhivogo-mozga-k-iskusstvennomu-intellektu
- Николлс Джон, Мартин Роберт, Валлас Брюс, Фукс Пол «От нейрона к мозгу»
Фото: papik.pro
Специалисты готовы помочь (8):
Так и не записались к врачу?
ПЕРЕХОДИТЕ В УДОБНЫЙ СЕРВИС ЗАЯВОК ДЛЯ ПАЦИЕНТОВ
Здесь отобраны лучшие клиники и врачи РФ
Закажите медицинские услуги в Вашем регионе сейчас!
