Искусственный интеллект: два пути
С середины прошлого века разработки в области искусственного интеллекта ведутся с переменным успехом по двум направлениям. С одной стороны, опираясь на когнитивные науки, исследователи пытаются моделировать работу мозга, исходя из формального описания интеллектуальной деятельности. С другой стороны, на основе биологии разбираются в работе нейронов в мозге, моделируют их поведение, создавая так называемые интеллектуальные нейронные сети (ИНС), и ждут появления искусственного интеллекта. На исследования в этой области выделяются миллиарды долларов (проекты Human Brain Project, Brain Initiative и другие). И только в последние пять лет произошли революционные изменения благодаря использованию алгоритмов нейронных сетей и глубокого обучения (deep learning), а также достижениям нано- и биотехнологий. Заголовки новостей говорят сами за себя: Google научился распознавать речь, сортировать изображения и даже помогать отвечать на письма, Facebook определяет людей на фотографиях, Apple и Baidu создали голосовых помощников, Microsoft оценивает ваш пол и возраст по фотографии, описывает эмоции или переводит устную речь на лету. Компьютер обыграл человека во все мыслимые игры, суперкомпьютер IBM Watson — чемпион в интеллектуальных боях, военные совместно с компанией Darpha разрабатывают нейроинтерфейс (мозг — компьютер) и приступают к созданию киборгов...
Группа Бурцева, в которой успешно сотрудничают математики, биологи и физики, идёт своим путём: они создают естественные, искусственные и гибридные нейронные сети, обучают их и управляют их поведением, а также исследуют, как те запоминают и перерабатывают информацию.
Нейронные сети in vitro и in vivo
Способности к запоминанию и обучению — характерное свойство нервных систем разных видов. Многочисленные исследования в области нейронауки показывают, что нейронные клетки поддаются обучению даже вне организма, но до сих пор не удалось разработать подходящий протокол для такого обучения. Поэтому исследователи продолжают активно изучать механизмы памяти и обучения на клеточном уровне, чтобы применить универсальные принципы работы нервной системы для создания искусственного интеллекта.
  |
В лаборатории нейроинтеллекта и нейроморфных систем использовали диссоциированные нейронные культуры, то есть клетки мозга с разорванными связями, выделенные из гиппокампа новорождённых мышей. Нейроны помещали в специальные матрицы с питательной средой, покрытые адгезивным слоем, где они образуют монослойную культуру клеток, удобную для изучения. Если к матрицам подвести электроды, то на отдельные участки нейронной культуры можно воздействовать электрическими стимулами (помимо световых и звуковых стимулов или с помощью сыворотки), одновременно регистрируя её биоэлектрическую активность. При необходимости в культуру вводят флуоресцентные метки и наблюдают за происходящим в чашке Петри с помощью микроскопа.
Клетки растут, образуют связи, и через некоторое время в матрице замечается спонтанная электрическая активность, так называемая пачечная активность. Сначала клетки возбуждаются по отдельности, но потом эта активность нарастает, что приводит к периодическому появлению так называемых спайков. Каждые несколько секунд практически все клетки нейронной культуры спайкуют по несколько десятков миллисекунд, отдыхая в перерыве между всплесками активности.
Через три-четыре недели исследователи приступили к обучению нейронной культуры in vitro. Для этого они создали специальный протокол. Чтобы понять, как ведёт себя нейронная культура в ответ на обучение, необходимо было разработать собственную методику для регистрации активности нейронных культур. И наконец, чтобы получить маркеры пластичности нейронов, то есть увидеть те из них, которые учатся, использовали клетки трансгенных животных с зелёным флуоресцентным белком.
Культуру удалось довольно быстро обучить — после каждой короткой стимуляции в течение часа измерялась её биоэлектрическая активность. За 20 циклов обучения культура научилась так изменять свою активность, что клетки были способны отключать внешнюю стимуляцию во время эксперимента. Способность к обучению экспериментаторы объясняют тем, что каждый стимул перетряхивает случайным образом связи между нейронами и культура «запоминает», какие связи вызывают нужную активность на данном электроде.
Затем группа Бурцева провела эксперименты in vivo, также разработав подходящие протоколы стимуляции. Как и в экспериментах на культуре нейронов, регистрировали нейронную активность в ретросплениальной коре крыс в разных состояниях.
 Нейрональная культура на мультиэлектродной матрице (чёрные круги — электроды) под микроскопом. Фото Анны Сухановой. |
Полученные результаты позволили сделать важные заключения об активности нейронных сетей при разных параметрах стимуляции в культуре и у животных.
Для оптимизации исследования нейронных сетей разработали компьютерную модель и настроили её параметры таким образом, чтобы получить спонтанную активность, сопоставимую с наблюдаемой в экспериментах.
Формальный нейрон и модель
Несмотря на многочисленные исследования в области создания мозго-компьютерных интерфейсов на уровне клеток, управления искусственной рукой, моделирования биологических сетей нейронов и передачи информации в мозг для замещения слуха и зрения, не существует модели, активность которой полностью бы согласовывалась с активностью культур нейронов in vitro. Не говоря уже о человеческом мозге, состоящем из почти сотни миллиардов нейронов, обменивающихся сигналами.
 Общий вид экспериментальной установки для исследования механизмов образования нейронных сетей на живых клетках. Фото Михаила Бурцева. |
«В нашей модели мы постарались объединить как можно больше факторов, характеризующих свойства культуры нейронов in vitro, при этом создав относительно простую для вычислений и изучения модель», — объясняет Бурцев.
Элементарная единица искусственной нейронной сети напоминает нейрон, из его отростков с рецепторами химических веществ во время активности поступают сигналы другим клеткам. Нейронные культуры способны обучаться благодаря синаптической пластичности — способности синаптических контактов менять свою эффективность. Формальный нейрон можно представить в виде функции, на вход которой подаётся много переменных, а у каждого входа — синапса — есть своя эффективность — вес.
Компьютерная модель насчитывала 5000 случайно связанных нейронов, расположенных в виде монослоя, а описание долговременной синаптической пластичности согласовывалось с представлением о структуре реальной культуры нейронов. В работе учтено изменение активности при долговременных вычислениях — на протяжении нескольких часов жизни модели (так называемого внутреннего времени модели), которое обычно не рассматривается в других экспериментах такого рода. Сотрудники лаборатории нейроинтеллекта и нейроморфных систем подобрали параметры, обеспечивающие устойчивое возникновение пачечной активности, и разработали модель биологически правдоподобной нейронной сети на основе параметров реальной нейронной культуры.
Пилотные эксперименты исследователей из Курчатовского института позволят создавать более сложные, по сравнению с исследованными ранее, модели обучения культур. А перенос этих механизмов на материальную базу современных многоядерных процессоров приведёт к появлению «умных систем» и автономных роботов, которые можно будет использовать не только в качестве домашних помощников, но и для устранения последствий катастроф, для проверки лекарств и создания мозговых протезов памяти.
Исследование выполнено при поддержке РФФИ (грант № 13-04-01273).
.jpg?v=636574905212071568)
Микроэлектродная матрица с растущей на ней нейрональной культурой в питательной среде. Специальная крышка с мембраной не пропускает пары воды и защищает растущую культуру от загрязнения. Фото Ольги Минеевой.