Sistem kecerdasan buatan saat ini dapat mengalahkan orang-orang juara dalam permainan yang menantang seperti catur, pergi dan
Texas Hold'em . Dalam simulator penerbangan, mereka dapat menembak jatuh pilot terbaik. Mereka lebih unggul dari dokter manusia dalam menciptakan jahitan bedah yang akurat dan membuat diagnosa kanker. Tetapi dalam beberapa kasus, seorang anak berusia tiga tahun akan dengan mudah memberikan AI terbaik di dunia: ketika kompetisi terhubung dengan pelatihan begitu rutin sehingga orang-orang bahkan tidak curiga tentang hal itu.
Pikiran ini terpikir oleh David Cox, seorang ilmuwan saraf di Harvard, seorang pakar AI, ayah yang bangga dari seorang anak perempuan berusia tiga tahun, ketika dia melihat kerangka berkaki panjang di Museum Sejarah Nasional, mengarahkan jarinya ke arahnya dan berkata, "Unta!" Satu-satunya pertemuannya dengan unta terjadi beberapa bulan sebelumnya ketika ayahnya menunjukkan padanya unta yang digambar di buku bergambar.
Peneliti AI menyebut kemampuan ini untuk mengidentifikasi objek dari satu contoh “belajar pada suatu waktu,” dan mereka sangat iri dengan kemampuan anak kecil. Sistem AI hari ini belajar dengan cara yang sangat berbeda. Menurut sistem pelatihan otonom yang disebut "pembelajaran dalam", program ini diberikan sejumlah data untuk menarik kesimpulan. Untuk melatih AI yang mengenali unta, sistem harus mencerna ribuan gambar unta - gambar, diagram anatomi, foto unta berpusuk satu dan berpusuk dua - semua gambar berlabel "unta." AI juga akan membutuhkan ribuan gambar lain yang bertanda “bukan unta”. Dan ketika dia telah menjalani semua data ini dan menentukan ciri-ciri khas binatang itu, dia akan menjadi pengidentifikasi yang sangat baik untuk unta. Tetapi putri Cox pada saat itu akan memiliki waktu untuk beralih ke jerapah dan platipus.
Cox menyebut putrinya, menjelaskan program pemerintah AS bernama Machine Intelligence from Cortical Networks, Microns. Tujuan ambisiusnya adalah untuk membalikkan kecerdasan manusia sehingga programmer dapat membuat AI yang ditingkatkan. Pertama, ahli saraf perlu mencari tahu strategi komputasi apa yang masuk ke materi kelabu otak; maka tim yang bekerja dengan data akan menerjemahkannya ke dalam algoritma. Salah satu tugas utama AI akhir adalah pelatihan pada suatu waktu. "Orang-orang memiliki peluang hebat untuk menarik kesimpulan dan menggeneralisasi," kata Cox, "dan itulah yang kami coba pahami."
Program lima tahun, yang menerima dana $ 100 juta dari
Badan Intelijen Intelijen (IARPA), berfokus pada korteks visual, bagian otak yang memproses informasi visual. Bekerja dengan tikus dan tikus, ketiga tim Mikronesia berencana untuk meletakkan tata letak neuron dalam satu milimeter kubik jaringan otak. Ini mungkin kedengarannya tidak begitu mengesankan, tetapi kubus ini berisi sekitar 50.000 neuron yang terhubung satu sama lain melalui 500 juta koneksi, sinapsis. Para peneliti berharap bahwa pemahaman yang jelas tentang semua koneksi akan memungkinkan mereka untuk mengidentifikasi "sirkuit" saraf yang diaktifkan selama karya korteks visual. Proyek ini membutuhkan sistem neuroimaging khusus, yang menunjukkan neuron individu dengan resolusi pada tingkat nanometer, yang belum tercapai untuk sebagian otak seukuran ini.
Meskipun perwakilan dari beberapa institut bekerja di masing-masing tim Mikronesia, sebagian besar anggota tim, dipimpin oleh Cox, asisten profesor biologi molekuler dan seluler dan ilmu komputer di Harvard, bekerja di gedung yang sama di wilayah Harvard. Saat berjalan-jalan di laboratorium, Anda dapat mengamati tikus yang sibuk dengan tugas di "klub permainan" untuk tikus; mesin mengiris otak seperti pemotong sosis otomatis terbaik; salah satu mikroskop tercepat dan paling kuat di planet ini. Dengan peralatan seperti itu yang bekerja secara maksimal, dan dengan investasi besar dari kekuatan manusia, Cox percaya bahwa mereka memiliki setiap kesempatan untuk memecahkan kode milimeter kubik yang malang ini.
Coba bayangkan kekuatan besar otak manusia ini. Untuk memproses informasi tentang dunia dan mempertahankan fungsi tubuh, impuls listrik melewati 86 miliar neuron yang diperas ke dalam jaringan spon di dalam tengkorak Anda. Setiap neuron memiliki
akson panjang yang menggulung melalui jaringan ini dan memungkinkannya untuk terhubung ke ribuan neuron lainnya, sehingga menghasilkan triliunan koneksi. Gambar impuls listrik berkorelasi dengan semua indera dan sensasi seseorang: gerakan jari, pencernaan makan siang, jatuh cinta atau mengenali unta.
Mikroskop laser dua-foton. Laser inframerah memindai jaringan otak hewan yang hidup yang melakukan tugas tertentu. Ketika dua foton secara bersamaan mengenai neuron, label fluoresen memancarkan foton dengan panjang gelombang yang berbeda. Mikroskop merekam video dengan flash ini (di atas). "Anda dapat melihat bagaimana tikus itu berpikir," kata David Cox.Pemrogram telah mencoba untuk meniru fungsi otak sejak 1940-an, ketika mereka pertama kali datang dengan struktur perangkat lunak yang disebut jaringan saraf tiruan. Sebagian besar AI modern terbaik menggunakan beberapa bentuk modern dari arsitektur ini: jaringan saraf dalam, jaringan saraf konvolusional, jaringan saraf umpan balik, dll. Jaringan-jaringan ini, dibuat berdasarkan struktur otak, terdiri dari banyak node komputasi, neuron buatan yang melakukan tugas spesifik kecil dan terhubung satu sama lain sehingga seluruh sistem dapat melakukan hal-hal yang mengesankan.
Jaringan saraf tidak dapat menyalin otak anatomi lebih akurat, karena sains masih belum memiliki informasi dasar tentang tata letak sistem saraf. Jacob Vogelstein, manajer proyek Microns di IARPA, mengatakan para peneliti biasanya bekerja pada skala mikro atau skala makro. "Kami menggunakan alat yang melacak neuron individu atau mengumpulkan sinyal dari area besar otak," katanya. "Ada kesenjangan besar dalam memahami operasi di tingkat sirkuit - bagaimana ribuan neuron bekerja bersama untuk memproses informasi."
Situasi telah berubah berkat terobosan teknologi baru-baru ini yang memungkinkan ilmuwan saraf untuk membangun peta "
connectome " yang mengungkapkan banyak koneksi antar neuron. Tetapi Mikron membutuhkan lebih dari sekadar diagram koneksi statis. Tim harus menunjukkan bagaimana koneksi ini diaktifkan ketika tikus melihat, belajar dan mengingat. "Ini sangat mirip dengan bagaimana seseorang mencoba memahami operasi sirkuit elektronik," kata Vogelstein. "Chip itu dapat diperiksa secara terperinci, tetapi Anda tidak akan mengerti apa yang harus dilakukan sampai Anda melihat cara kerjanya."
Untuk IARPA, hasil nyata akan diperoleh jika peneliti dapat melacak pola neuron yang terlibat dalam pengenalan dan menerjemahkannya ke dalam arsitektur jaringan saraf tiruan yang lebih mirip otak. "Semoga strategi komputasi otak dapat direproduksi dalam hal matematika dan algoritma," kata Vogelstein. Pemerintah percaya bahwa sistem AI yang bekerja dengan cara yang mirip dengan otak akan dapat lebih baik dalam mengatasi tugas nyata daripada pendahulunya. Tentu saja, memahami bagaimana otak bekerja adalah tugas yang mulia, tetapi badan intelijen ingin AI untuk cepat belajar mengenali tidak hanya unta, tetapi juga wajah setengah tersembunyi dalam kerangka kasar kamera pengintai.
"Klub permainan" untuk tikus Cox adalah sebuah ruangan kecil di mana empat kotak hitam berukuran microwave ditumpuk satu sama lain. Di setiap kotak ada wajah tikus ke layar, dan di depan hidungnya ada dua ketukan.
Di Argonne National Laboratory, synchrotron APS mempercepat elektron dan menabrak benang logam, menghasilkan sinar-x yang sangat cerah yang fokus pada sepotong kecil jaringan otak. Gambar-gambar X-ray yang diambil dari banyak sudut digabungkan untuk membuat gambar tiga dimensi yang memperlihatkan setiap neuron di dalam suatu bagian.
Neuron di jaringan otakDalam percobaan saat ini, tikus berusaha mengatasi tugas yang sulit. Layar menampilkan gambar tiga dimensi yang dibuat oleh komputer. Ini bukan beberapa benda dari dunia luar, hanya bentuk abstrak kental. Ketika tikus melihat Objek A, ia harus menjilat faucet kiri untuk mendapatkan setetes jus manis. Ketika dia melihat objek B, jus akan berada di faucet yang tepat. Tetapi objek ditunjukkan dari sudut yang berbeda, sehingga tikus perlu mengubah setiap objek dalam pikirannya dan memutuskan apakah itu mengacu pada A atau B.
Sesi pelatihan diencerkan dengan mengambil gambar yang tikus dibawa ke koridor ke laboratorium lain, di mana ada mikroskop besar, ditutupi dengan kain hitam, dan tampak seperti peralatan fotografi kuno. Tim menggunakan mikroskop laser dua-foton untuk mempelajari korteks visual hewan ketika melihat layar di mana dua benda yang dikenal A dan B ditunjukkan dari sudut yang berbeda. Mikroskop merekam kilatan dan cahaya yang terjadi ketika laser mengenai neuron aktif, dan video tiga dimensi menunjukkan gambar yang menyerupai kunang-kunang hijau berkedip pada malam musim panas. Cox ingin tahu bagaimana pola-pola ini berubah ketika seekor hewan menjadi ahli dalam tugas ini.
Resolusi mikroskop tidak cukup baik untuk melihat akson yang menghubungkan neuron satu sama lain. Tanpa informasi ini, para ilmuwan tidak dapat menentukan bagaimana satu neuron mengaktifkan berikutnya untuk membuat sirkuit pemrosesan informasi. Untuk melakukan ini, hewan harus dibunuh, dan otak harus dipelajari lebih dekat.
Para peneliti mengukir sebuah kubus kecil dari korteks visual yang diberikan FedEx ke Laboratorium Nasional Argonne. Di sana, akselerator partikel menggunakan radiasi sinar-X yang kuat untuk membangun peta tiga dimensi yang menunjukkan neuron individu, jenis sel otak lain dan pembuluh darah. Axions yang terhubung dalam kubus juga tidak terlihat pada peta ini, tetapi akan membantu nantinya ketika para peneliti membandingkan gambar dari mikroskop dua-foton dengan gambar yang diperoleh dari mikroskop elektron. "Bagi kami, sinar-X adalah
batu Rosetta ," kata Cox.
Kemudian sepotong otak kembali ke laboratorium Harvard, Jeff Lichtman, profesor biologi molekuler dan seluler, seorang pakar terkemuka dalam konektivitas otak. Tim Lichtman mengambil milimeter kubik otak ini dan memotongnya dengan mesin menjadi 33.000 keping setebal 30 nm. Lembaran tertipis ini dikumpulkan pada strip film dan ditempatkan pada substrat silikon. Para peneliti kemudian menggunakan salah satu mikroskop elektron tercepat di dunia, yang mengirimkan 61 berkas elektron ke setiap sampel jaringan dan mengukur hamburan elektron. Mesin seukuran kulkas bekerja sepanjang waktu, dan menghasilkan gambar masing-masing irisan dengan resolusi 4 nm.
Setiap gambar menyerupai bagian dari kubus spageti yang penuh sesak. Sebuah sistem pemrosesan gambar perangkat lunak mengumpulkan irisan secara berurutan dan melacak setiap benang spageti dari satu irisan ke irisan lainnya, membuat sketsa panjang penuh akson dari masing-masing neuron bersama dengan ribuan koneksi dengan neuron lainnya. Tetapi perangkat lunak terkadang kehilangan utas atau membingungkan satu sama lain. Orang-orang lebih baik dalam komputer daripada komputer, kata Cox. "Sayangnya, pemrosesan begitu banyak data tidak cukup untuk orang di seluruh Bumi." Programmer Harvard dan MIT sedang mengerjakan tugas pelacakan yang harus mereka selesaikan untuk membangun diagram struktur otak yang akurat.
Dengan melapiskan diagram ini pada peta aktivitas otak yang diperoleh dengan mikroskop dua-foton, seseorang dapat mendeteksi struktur otak komputasi. Sebagai contoh, kombinasi seperti itu harus menunjukkan neuron mana di sirkuit, dinyalakan ketika tikus melihat benda aneh, secara mental membalikkannya dan memutuskan bahwa itu lebih mirip objek A.
Masalah sulit lain yang dihadapi tim Cox adalah kecepatan. Pada fase pertama proyek, yang berakhir pada bulan Mei, masing-masing tim perlu menunjukkan hasil penelitian pada sepotong jaringan otak berukuran 100 mikrometer kubik. Dengan potongan yang dikurangi, tim Cox menyelesaikan tahap dengan mikroskop elektron dan rekonstruksi dalam dua minggu. Pada fase kedua, tim perlu belajar bagaimana memproses potongan dengan ukuran yang sama dalam beberapa jam. Penskalaan dari 100 μm
3 ke 1 mm
3 menghasilkan peningkatan volume yang ribuan kali lipat. Oleh karena itu, Coke terobsesi untuk mengotomatisasi setiap langkah proses, dari melatih tikus dengan video hingga melacak connectome. "Proyek-proyek IARPA ini membuat sains terlihat seperti insinyur," katanya. "Kita harus memutar engkol dengan sangat cepat."
Percobaan mempercepat memungkinkan tim Cox untuk menguji lebih banyak teori yang berkaitan dengan struktur otak, yang akan membantu para peneliti AI. Dalam pembelajaran mesin, programmer mendefinisikan arsitektur umum dari jaringan saraf, dan program itu sendiri memutuskan bagaimana menghubungkan perhitungan ke dalam suatu urutan. Oleh karena itu, para peneliti berencana untuk melatih tikus dan jaringan saraf pada tugas visual yang sama dan membandingkan pola dan hasil komunikasi. "Jika kita melihat beberapa pola dalam koneksi otak dan tidak melihatnya dalam model, itu mungkin merupakan petunjuk bahwa kita melakukan sesuatu yang salah," kata Cox.
Salah satu bidang penelitian termasuk aturan pelatihan otak. Diyakini bahwa pengenalan objek terjadi melalui pemrosesan hierarkis, di mana set neuron pertama menerima warna dan bentuk primer, set berikutnya menemukan tepi untuk memisahkan objek dari latar belakang, dan seterusnya. Ketika seekor binatang belajar untuk menghadapi tugas pengenalan dengan lebih baik, para peneliti mungkin bertanya: set neuron manakah dalam hierarki yang paling banyak mengubah aktivitasnya? Dan ketika AI mulai menghadapi tugas yang sama dengan lebih baik, apakah jaringan sarafnya berubah dengan cara yang sama dengan jaringan saraf tikus?
IARPA berharap bahwa penemuan ini akan berlaku tidak hanya untuk visi komputer, tetapi untuk pembelajaran mesin secara umum. "Kita semua bertindak secara acak, tetapi keberuntungan kita didukung oleh bukti," kata Cox. Dia mencatat bahwa korteks serebral, lapisan luar jaringan saraf tempat pengakuan tingkat tinggi terjadi, memiliki struktur yang "identik secara mencurigakan" di seluruh volume. Keseragaman ini memaksa ahli saraf dan ahli AI untuk percaya bahwa dalam memproses informasi di otak, satu skema koneksi mendasar dapat digunakan, yang mereka rencanakan untuk dideteksi. Definisi skema proto semacam itu bisa menjadi langkah maju untuk AI tujuan umum.
Sementara itu, tim Cox memutar engkol, mencoba agar prosedur yang dicoba dan diuji bekerja lebih cepat, peneliti Mikron lain sedang mengerjakan ide radikal. Jika berhasil, kata George Church, seorang profesor di Institut Teknologi Terinspirasi Biologi Harvard. Wyssa, dia bisa merevolusi ilmu otak.
Church memimpin tim Microns dengan Tai Sing Lee dari Carnegie Malon University di Pittsburgh. Gereja bertanggung jawab untuk menandai koneksi, dan pendekatannya sangat berbeda dari tim lain. Dia tidak menggunakan mikroskop elektron untuk melacak koneksi akson. Dia percaya bahwa teknologi ini terlalu lambat dan menghasilkan terlalu banyak kesalahan. Dia mengatakan bahwa ketika Anda mencoba melacak akson dalam milimeter kubik jaringan, kesalahan akan menumpuk dan mencemari data koneksi.
Metode Gereja tidak tergantung pada panjang akson atau ukuran potongan otak yang dipelajari. Menggunakan tikus yang dimodifikasi secara genetik dan teknologi yang disebut "
barcode DNA " yang menandai setiap neuron dengan pengidentifikasi genetik unik yang dapat dibaca baik dari pinggiran dendritnya maupun dari ujung akson panjangnya. "Tidak peduli seberapa besar aksonmu," katanya. "Dengan barcode, Anda menemukan dua ujung, dan bagaimana semuanya bingung di tengah tidak masalah." Timnya menggunakan irisan jaringan otak yang lebih tebal daripada tim Cox - 20 μm dan bukannya 30 nm - karena mereka tidak perlu khawatir kehilangan jalur lintasan akson yang tepat di antara irisan. Mesin pengurutan DNA merekam semua barcode yang ada dalam irisan tertentu, dan kemudian program memproses daftar informasi genetik dan membuat peta yang menunjukkan neuron mana yang terkait dengannya.
Church dan koleganya Anthony Zador, seorang profesor ilmu saraf di Cold Spring Harbor Laboratory di New York, telah membuktikan dalam percobaan sebelumnya bahwa barcode dan teknologi sekuensing bekerja, tetapi belum mengumpulkan data ke dalam peta konektivitas lengkap yang diperlukan untuk bekerja pada proyek Mikron. . Jika tim berhasil melakukan ini, Gereja mengatakan bahwa Mikron hanya akan menjadi awal dari upayanya untuk membangun peta otak: maka ia ingin membuat diagram dari semua koneksi di seluruh otak mouse, di mana Anda dapat menemukan 70 juta neuron dan 70 miliar koneksi. “Bekerja dengan milimeter kubik berarti menjadi sangat rabun,” kata Church. "Rencanaku tidak berakhir di sana."
Peta wilayah otak berdasarkan barcode RNA
Mesin sequencingPeta berskala besar seperti itu dapat berkontribusi pada munculnya ide-ide baru untuk pengembangan AI yang secara menyeluruh meniru otak biologis.
Tetapi Gereja, menikmati peran seorang provokator, membayangkan cara berbeda dalam mengembangkan komputer: ia mengatakan bahwa Anda perlu berhenti mencoba membuat salinan silikon otak dan membangun otak biologis yang dapat menangani tugas-tugas komputasi lebih baik daripada manusia. "Saya pikir bahwa segera kita akan memiliki kesempatan untuk terlibat dalam neurobiologi sintetis dan membuat versi modifikasi dari otak biologis," katanya. Dan meskipun komputer silikon mengungguli sistem biologis dalam kecepatan pemrosesan informasi, Gereja membayangkan otak buatan, dilengkapi dengan sirkuit khusus yang mempercepat kerjanya.Gereja memperkirakan bahwa proyek rekayasa balik otak Mikron mungkin tidak berhasil. Dia mengatakan bahwa otak sangat rumit sehingga bahkan jika para peneliti dapat membangun mesin seperti itu, mereka mungkin tidak sepenuhnya memahami semua rahasia otak - dan ini tidak menakutkan. “Saya pikir pemahaman adalah fetish ilmuwan,” kata Church. "Mungkin saja membuat otak lebih mudah daripada memahaminya."