IARPA sucht im Gehirn von Ratten nach Möglichkeiten, die künstliche Intelligenz zu verbessern

Big Data und schnellere Computer haben eine neue Welle von Fortschritten und Investitionen in künstliche Intelligenz ausgelöst. Der Neurowissenschaftler und Informatiker der Harvard University, David Cox, glaubt, dass der nächste große Sprung davon abhängen wird, was im Kopf der Ratte passiert, wenn sie Videospiele spielt.

David leitet das 28 Millionen US-Dollar teure Ariadne-Projekt, das von der Intelligence Advanced Intelligence Agency ( IARPA ) finanziert wird. Er sucht nach einem Hinweis im Gehirn von Säugetieren, der dazu beiträgt, künstliche Intelligenz intelligenter zu machen.

Heutzutage stützen sich immer mehr Technologien auf neuronale Netze. Dank einer deutlichen Steigerung der Rechenleistung und einer großen Datenmenge im Internet kann Facebook Gesichter identifizieren, Siri kann Sprache erkennen und Autos können unabhängig im Weltraum navigieren. Diese Algorithmen sind jedoch immer noch recht primitiv und beruhen auf einem sehr vereinfachten Informationsanalyseprozess. Beispielsweise können Sie die Fotos leicht ändern, damit das Programm sie siehtDinge, die nicht wirklich da sind. Cox zeigte ein Foto des Herausgebers von MIT Technology Review mit ein wenig Rauschen, und das Programm erkannte es als Strauß. Sie können diesen Trick selbst mit der Online-Demo von Cox 'Labor ausführen.



Neuronale Netze funktionieren in der Regel nicht gut in überlasteten Umgebungen, in denen der Computer ein Objekt von einer großen Anzahl anderer Objekte unterscheiden muss, von denen sich viele überlappen. Maschinenintelligenz führt zu einer schlechten Verallgemeinerung. Wenn Sie einem Computer ein oder zwei Bilder eines Kängurus zeigen, lernt er nicht, alle Kängurus zu identifizieren. Er muss das Känguru aus verschiedenen Blickwinkeln und in vielen Situationen sehen, bevor er lernt, das Tier genau zu erkennen. „Es scheint, dass das Sehen einfach ist: Öffne einfach deine Augen. Aber es ist schwierig, einem Computer das Gleiche beizubringen “, sagt David.

Visuelle Identifikation ist das einzige, was das menschliche Gehirn den Computer übertrifft. Wir können in einer Menschenmenge voneinander unterscheiden, uns in einer lauten Umgebung auf eine vertraute Stimme konzentrieren und anhand eines oder mehrerer Beispiele Muster aus Tönen und Bildern ableiten. Eine Person benötigt keine Anweisungen, um das Verallgemeinern zu lernen. Daher wandten sich Wissenschaftler an das Gehirn, um herauszufinden, welche künstliche Intelligenz fehlt.

Jetzt arbeiten David und sein Team mit Ratten, die ihre Erkennungsfähigkeiten mithilfe speziell entwickelter Videospiele trainieren. Ein Zwei-Photonen-Lasermikroskop wird verwendet, um die Gehirnaktivität von Nagetieren zu messen. Um die Arbeit von Neuronen zu sehen, werden Wissenschaftler ein kalziumempfindliches fluoreszierendes Protein einführen. Wenn die Neuronen zu reagieren beginnen, folgen Calciumionen in die Zelle und markieren sie. „Das ist wie das Abhören einer großen Anzahl von Gehirnzellen. Sie sehen, was eine Ratte denken kann “, sagt David.

Ein weiterer Bereich des Projekts umfasst den Versuch, eine 3D-Karte des neuronalen Netzwerks des Rattenhirns unter Verwendung von Stapeln von 30-Nanometer-Abschnitten des Gehirngewebes zu erstellen, die mit einem Zwei-Photonen-Lasermikroskop untersucht wurden. Das resultierende Modell ist ziemlich schwer zu untersuchen, da Neurowissenschaftler immer noch nicht vollständig wissen, welche Funktion diese oder jene Zelle erfüllt. Aber Cox sagt, dass ihre „erstaunliche Komplexität“ ermutigend ist. Er schlägt vor, dass "das Gehirn uns noch viel beibringen kann, um künstliche Intelligenz aufzubauen".



Neben Ariadne sind zwei weitere Teams an der Forschung beteiligt, die von einem Wissenschaftler der Carnegie Mellon University, Tai Sing Lee, und einem Neurowissenschaftler vom Baylor College of Medicine, Andres Tolias, geleitet werden. Jede Gruppe von Wissenschaftlern näherte sich demselben Problem aus unterschiedlichen Perspektiven. So verwendet beispielsweise das Team von Andreas Tolias einen Ansatz, der der Technik von David Cox weitgehend ähnlich ist.

Um die tieferen Schichten des Gehirns zu untersuchen, und nicht nur die oberen, die von Cox und seinen Kollegen untersucht wurden, verwendete Tolias die Drei-Photonen-Mikroskopie. Ein von Tolias geführtes Forscherteam hat bereits bedeutende Fortschritte erzielt, indem es Verbindungen zwischen 11.000 neuronalen Paaren hergestellt und dabei fünf neue Arten von Neuronen entdeckt hat. Tai Sing Lee plant die Verwendung von DNA-Strichcodes: Sein Team wird jedes Neuron mit einer eindeutigen Nukleotidsequenz kennzeichnen und die Strichcodes über Synapsen chemisch verbinden, um den Schaltkreis wiederherzustellen. Lee hofft, dass es schneller und genauer wird, wenn überhaupt. Er merkt an, dass "wenn die Barcode-Technologie funktioniert, sie die gesamte Idee der Neurobiologie grundlegend verändern wird".



Die gesamte geleistete Arbeit ist nur die Hälfte des gesamten Projekts. Wissenschaftler müssen einen Weg finden, all diese Informationen für Algorithmen des maschinellen Lernens nützlich zu machen. Einerseits glauben viele Forscher, dass Neuronen sensorische Informationen in Form von Wahrscheinlichkeitsverteilungen präsentieren und die wahrscheinlichste Interpretation eines Ereignisses basierend auf früheren Erfahrungen berechnen. Diese Hypothese basiert hauptsächlich auf der Idee des Feedbacks im Gehirn. Höchstwahrscheinlich gibt es einen konstruktiven Prozess, bei dem das Gehirn eine interne Vorstellung von der Welt aufrechterhält und erstellt und Erwartungen und Vorhersagen generiert, die es ihm ermöglichen, die eingehenden Daten zu erklären und ihre Verwendung zu „erfinden“. „Was der künstlichen Intelligenz derzeit fehlt, ist Vorstellungskraft und Selbstbeobachtung. Ich glaube,dass das Feedback-Schema es uns ermöglicht, auf einer Vielzahl von Ebenen zu präsentieren und zu analysieren “, bemerkt Tai Sing Lee.

Das Gehirn kann Analysen durch Synthese auf verschiedene Arten durchführen, sodass jedes Team verschiedene Möglichkeiten auslotet. Eine von Cox geleitete Gruppe sieht das Gehirn als eine Art Physik-Engine mit bereits existierenden Modellen, mit denen eine Vorstellung von der Welt entsteht. Das Tai Ling Xi-Team schlägt vor, dass das Gehirn eine „Bibliothek“ aus kleinen Stücken und Teilen von Objekten zusammenstellt und diese untersucht, bevor sie zusammengesetzt werden. Tolias geht davon aus, dass das Gehirn statistische Theorien über die Welt erstellt.

Source: https://habr.com/ru/post/de398409/