Komputer mengubah pekerjaan dan hiburan, transportasi dan obat-obatan, permainan dan olahraga. Dan untuk semua kekuatan mereka, mesin-mesin ini masih tidak dapat melakukan tugas-tugas paling sederhana yang dapat ditangani seorang anak - misalnya, bergerak di ruang yang tidak dikenal atau menggunakan pensil.
Akhirnya, solusi untuk masalah ini tersedia. Ini akan muncul di persimpangan dua bidang penelitian: perkembangan terbalik otak dan bidang kecerdasan buatan yang berbunga subur. Dalam 20 tahun ke depan, kedua area ini akan bergabung dan meluncurkan era baru mesin pintar.
Mengapa kita perlu memahami bagaimana otak bekerja untuk membangun mobil pintar? Meskipun teknik pembelajaran mesin seperti jaringan saraf yang dalam baru-baru ini menunjukkan hasil yang mengesankan, mereka masih sangat jauh dari cerdas, dari kemampuan untuk memahami dan bertindak di dunia sekitar kita seperti kita melakukannya. Satu-satunya contoh kecerdasan, kemampuan untuk belajar, merencanakan dan melaksanakan suatu rencana adalah otak. Karena itu, kita harus memahami prinsip-prinsip yang mendasari kecerdasan manusia dan menggunakannya dalam pengembangan mesin yang benar-benar pintar.
Perusahaan kami
Numenta , berlokasi di Redwood City, pc. California, kami mempelajari
neokorteks (korteks baru) - komponen otak terbesar, dan komponen utama yang bertanggung jawab untuk kecerdasan. Tujuan kami adalah untuk memahami cara kerjanya dan mengidentifikasi prinsip-prinsip yang mendasari kesadaran manusia. Dalam beberapa tahun terakhir, kami telah mencapai kesuksesan besar dalam pekerjaan kami dengan mendefinisikan beberapa sifat kecerdasan biologis yang kami yakini harus dimasukkan ke dalam mesin pemikiran masa depan.
Untuk memahami sifat-sifat ini, Anda harus mulai dengan dasar-dasar biologi. Otak manusia mirip dengan otak reptil. Mereka memiliki sumsum tulang belakang yang mengontrol refleks; batang otak yang mengendalikan perilaku otonom, seperti pernapasan dan detak jantung; otak tengah, mengendalikan emosi dan perilaku sederhana. Tetapi manusia, dan semua mamalia, memiliki sesuatu yang tidak dimiliki reptil: neokorteks.
Neocortex adalah lembaran terlipat setebal 2 mm. Jika itu bisa diregangkan, itu akan menjadi ukuran serbet besar. Pada manusia, ia menempati 75% otak. Bagian inilah yang membuat kita pintar.
Saat lahir, neokorteks hampir tidak tahu apa-apa, ia belajar melalui pengalaman. Segala sesuatu yang kita pelajari tentang dunia - mengendarai mobil, membuat kopi di mesin penjual otomatis, dan ribuan hal lain yang berinteraksi dengan kita setiap hari - disimpan di neokorteks. Dia belajar apa objek-objek ini, di mana mereka berada dan bagaimana mereka berperilaku. Neocortex menghasilkan perintah untuk pergerakan, jadi ketika Anda memasak makanan atau menulis program, neocortex yang mengontrol perilaku ini. Bahasa juga dibuat dan dipahami oleh neokorteks.
Neokorteks, seperti seluruh otak dan sistem saraf, terdiri dari sel-sel yang disebut neuron. Karena itu, untuk memahami cara kerja otak, kita perlu mulai dengan
neuron . Neokorteks Anda mengandung sekitar 30 miliar neuron. Neuron khas memiliki satu
akson seperti ekor dan beberapa ekstensi mirip pohon -
dendrit . Jika Anda membayangkan bahwa neuron adalah sistem sinyal tertentu, maka akson adalah pemancar, dan dendrit adalah penerima. Di cabang dendrit ada 5.000 - 10.000 sinapsis, yang masing-masing terhubung ke sinapsis neuron lain yang sama. Secara total, ada lebih dari
100 triliun koneksi sinaptik di otak.
Pengalaman Anda dengan dunia luar - bahwa Anda mengenali wajah teman Anda, menikmati musik, memegang sabun di tangan Anda - muncul sebagai hasil masukan dari mata, telinga, dan indera lain yang dialirkan ke neokorteks dan kelompok neuron yang dipaksakan. untuk berolahraga. Ketika neuron menyala, ledakan elektrokimia berjalan di sepanjang akson dan melewati sinapsis ke neuron lain. Jika neuron penerima menerima pulsa input yang cukup, ia dapat memicu respons dan mengaktifkan neuron lain. Dari 30 miliar neuron yang terkandung dalam neokorteks, 1-2% bekerja setiap saat, yang berarti jutaan neuron aktif pada waktu tertentu. Himpunan neuron aktif berubah ketika Anda bergerak dan berinteraksi dengan dunia. Perasaan damai Anda, yang menurut Anda masuk akal, ditentukan oleh pola neuron aktif yang terus berubah.
Dalam neokorteks, gambar-gambar ini disimpan karena pembentukan sinapsis baru. Penyimpanannya memungkinkan Anda mengenali wajah dan tempat saat Anda melihatnya lagi, dan mengingatnya dari memori. Misalnya, ketika Anda berpikir tentang wajah teman Anda, pola neuron yang dipicu muncul di neokorteks, mirip dengan pola yang muncul ketika Anda benar-benar melihat wajahnya.
Sungguh menakjubkan bagaimana neocortex sederhana dan kompleks. Ini kompleks karena terbagi dalam puluhan situs, yang masing-masing bertanggung jawab atas fungsi sadar yang berbeda. Di setiap daerah ada banyak lapisan neuron, serta puluhan jenis neuron, dan neuron ini terhubung ke kompleks kompleks.
Neocortex bisa disebut sederhana, karena detail setiap situs hampir sama. Dalam proses evolusi, satu algoritma tunggal telah muncul yang berlaku untuk semua yang dilakukan neocortex. Keberadaan algoritma universal semacam itu adalah fakta yang menarik, karena jika kita dapat menguraikannya, kita dapat sampai pada esensi konsep "kecerdasan" dan memperkenalkan pengetahuan ini ke dalam mesin masa depan.
Tapi bukankah itu yang dilakukan AI? Tidak semua AI dibangun di atas "
jaringan saraf " mirip dengan yang ada di otak? Tidak juga. Teknologi AI memang mengacu pada neurobiologi, tetapi mereka menggunakan model neuron yang disederhanakan yang melewatkan aspek utama neuron nyata, dan mereka tidak terhubung dengan cara yang sama seperti dalam arsitektur otak yang nyata dan kompleks. Ada banyak perbedaan, dan itu penting. Itulah sebabnya AI hari ini melakukan pekerjaan yang baik dengan markup gambar atau pengenalan ucapan, tetapi tidak dapat bernalar, merencanakan, dan bertindak secara kreatif.
Kemajuan terbaru dalam memahami bagaimana neokorteks bekerja menuntun kita untuk berspekulasi tentang bagaimana mesin berpikir di masa depan dapat diatur. Saya akan mencoba menggambarkan aspek-aspek kecerdasan biologis yang diperlukan, tetapi tidak ada dalam AI modern. Ini adalah pelatihan perakitan ulang, representasi terdistribusi, dan implementasi yang terkait dengan penggunaan gerakan untuk mengajarkan realitas dunia.
Belajar dengan rewiring: otak menunjukkan sifat-sifat terkait pembelajaran yang menakjubkan. Pertama, kita belajar dengan cepat. Kedua, pelatihan bersifat bertahap. Kita dapat mempelajari sesuatu yang baru tanpa melatih otak dari awal dan tanpa melupakan apa yang telah kita pelajari. Ketiga, otak terus belajar. Bergerak keliling dunia, merencanakan dan bertindak, kita tidak berhenti belajar. Pelatihan cepat, bertahap, dan berkelanjutan adalah bahan yang sangat diperlukan yang memungkinkan sistem cerdas beradaptasi dengan dunia yang terus berubah. Neuron bertanggung jawab untuk belajar, dan kompleksitas neuron nyata menjadikannya mesin pembelajaran yang kuat.
Dalam beberapa tahun terakhir, ahli saraf telah mempelajari beberapa fakta menarik tentang dendrit. Setiap cabangnya bekerja sebagai seperangkat pengenalan pola. Ternyata 15-20 sinapsis aktif pada cabang sudah cukup untuk mengenali pola aktivitas dalam set besar neuron. Oleh karena itu, satu neuron dapat mengenali ratusan pola yang berbeda. Beberapa dari mereka membuatnya bekerja, sementara yang lain mengubah keadaan internal sel dan bekerja sebagai prediksi tindakan di masa depan.
Pada suatu waktu, ahli saraf percaya bahwa pembelajaran terjadi semata-mata dengan memodifikasi efektivitas sinapsis yang ada sehingga ketika sinyal yang masuk tiba, kemungkinan neuron yang diaktifkan oleh sinaps menurun atau meningkat. Tapi sekarang kita sudah tahu bahwa sebagian besar pelatihan adalah karena penanaman sinapsis baru antar sel - ada “perakitan ulang” otak. Hingga 40% dari sinaps neuron diganti setiap hari dengan yang baru. Sinapsis baru menyebabkan munculnya skema komunikasi baru antara neuron, dan, akibatnya, ke memori baru. Karena cabang-cabang dendrit hampir independen, ketika neuron belajar mengenali pola baru pada salah satu dendrit, itu tidak mencegah neuron dari sudah belajar dengan dendrit lain.
Itulah mengapa kita dapat mempelajari hal-hal baru tanpa merusak kenangan lama, dan kita tidak perlu melatih otak kita dari awal setiap kali kita mempelajari sesuatu yang baru. Jaringan saraf saat ini tidak memiliki kemampuan seperti itu.
Mesin pintar tidak harus mensimulasikan seluruh kompleksitas neuron biologis, tetapi peluang yang tersedia melalui dendrit dan pelatihan melalui perakitan ulang adalah suatu keharusan. Kemampuan ini harus dalam sistem AI di masa depan.
Tampilan terdistribusi: otak dan komputer menyajikan informasi dalam berbagai cara. Setiap kombinasi angka nol dan satu yang berpotensi dalam memori komputer, jadi jika Anda mengubah sedikit, itu dapat menyebabkan perubahan makna yang lengkap - seperti mengganti huruf "o" dengan "dan" dalam kata "cat" akan menghasilkan sesuatu yang tidak terkait dengan itu kata "paus". Pandangan ini tidak bisa diandalkan.
Otak menggunakan apa yang disebut
representasi terdistribusi jarang (SDR). Mereka disebut jarang karena pada waktu tertentu aktivitas neuron relatif sedikit. Aktivitas neuron secara konstan berubah ketika Anda bergerak atau berpikir, tetapi persentase mereka selalu kecil. Jika kita membayangkan bahwa setiap neuron sedikit, maka otak menggunakan ribuan bit untuk merepresentasikan informasi (jauh lebih banyak daripada representasi 8-bit atau 64-bit dalam komputer), tetapi hanya sebagian kecil dari bit pada saat itu adalah 1; yang lainnya adalah 0.
Misalkan Anda ingin memperkenalkan konsep kucing menggunakan SDR. Anda dapat menggunakan 10.000 neuron, yang 100 di antaranya akan aktif.Setiap neuron aktif mewakili aspek tertentu dari kucing, misalnya, "hewan peliharaan", "berbulu", "cakar". Jika beberapa neuron mati, atau beberapa yang baru bergabung, maka SDR baru masih akan menjadi ide yang baik tentang kucing, karena sebagian besar neuron aktif akan sama. Jadi, alih-alih representasi yang tidak dapat diandalkan, SDR adalah kesalahan dan kebisingan. Ketika kita membangun versi silikon otak, itu akan menjadi toleransi kesalahan yang melekat.
Saya ingin menyebutkan dua fitur SDR. Pertama, tumpang tindih memudahkan untuk membandingkan dua hal, dan memungkinkan Anda untuk memahami bagaimana mereka mirip dan bagaimana mereka berbeda. Misalkan satu SDR mewakili kucing dan yang lainnya seekor burung. Pada kedua SDR, kelompok neuron yang sama akan aktif, mewakili "hewan peliharaan" dan "cakar", tetapi tidak "mengembang." Contohnya disederhanakan, tetapi properti superposisi penting, karena berkat itu, otak segera memahami kesamaan dan perbedaan objek. Properti ini memberinya kemampuan untuk menggeneralisasi kekurangan komputer.
Properti kedua, asosiasi, memungkinkan otak untuk secara bersamaan mewakili beberapa ide. Bayangkan saya melihat seekor binatang berlari di semak-semak, tetapi saya hanya bisa melihatnya sebentar, jadi saya tidak yakin apa yang saya lihat. Bisa jadi kucing, anjing atau monyet. Karena SDR didistribusikan, satu set neuron dapat mengaktifkan ketiga SDR secara bersamaan, dan tidak membingungkan mereka satu sama lain, karena SDR tidak saling mengganggu. Kemampuan neuron untuk secara konstan membentuk pool SDR membuat mereka menjadi alat yang baik untuk menangani ketidakpastian.
Properti SDR ini sangat penting untuk memahami, berpikir, dan merencanakan di otak. Kami tidak dapat membuat mesin pintar tanpa menggunakan SDR.
Perwujudan: Neokorteks menerima input dari indera. Setiap kali kita menggerakkan mata, anggota badan, atau tubuh kita, input dari indera berubah. Masukan yang terus berubah ini adalah mekanisme utama yang digunakan otak untuk belajar. Bayangkan memberi Anda sebuah objek yang belum pernah Anda lihat sebelumnya. Biarkan itu menjadi stapler. Bagaimana Anda mempelajarinya? Anda bisa mengelilinginya dengan melihatnya dari sudut yang berbeda. Anda dapat mengangkat, memegang dengan jari-jari Anda, menyerahkan tangan Anda. Anda bisa mendorong dan menarik untuk melihat bagaimana dia berperilaku. Dalam proses interaktif ini, Anda mempelajari bentuk stapler, perasaan Anda tentangnya, bagaimana tampilannya dan bagaimana perilakunya. Anda membuat gerakan, merasakan perubahan input, melakukan satu lagi, merasakan perubahan lagi, dan sebagainya. Belajar melalui gerakan adalah cara utama untuk mempelajari otak. Ini akan menjadi komponen utama dari setiap sistem yang benar-benar pintar.
Saya tidak ingin mengatakan bahwa mesin pintar membutuhkan tubuh fisik - hanya saja ia dapat mengubah sensasi melalui gerakan. Misalnya, AI virtual dapat "bergerak" melalui web, mengikuti tautan, dan membuka file. Dia dapat mempelajari struktur dunia virtual melalui gerakan virtual, mirip dengan bagaimana kita berjalan di sekitar bangunan.
Ini membawa kita pada penemuan penting yang dibuat di Numenta tahun lalu. Dalam neokorteks, data sensasi diproses oleh hierarki plot. Ketika data berpindah dari satu level hierarki ke level lain, fitur yang semakin kompleks diekstraksi darinya, sampai pada titik tertentu tidak mungkin mengenali objek. Jaringan pembelajaran yang dalam juga menggunakan hierarki, tetapi mereka sering membutuhkan 100 tingkat pemrosesan untuk pengenalan gambar, dan neokorteks untuk mencapai hasil yang sama hanya membutuhkan biaya empat. Jaringan pembelajaran yang dalam juga membutuhkan jutaan contoh pelatihan, dan neokorteks dapat mempelajari objek baru hanya dengan beberapa gerakan dan sensasi. Otak melakukan sesuatu yang secara fundamental berbeda dari apa yang dilakukan oleh jaringan saraf tiruan yang khas - tetapi apa?
Helmholtz Jerman , fisikawan Jerman abad ke-19, adalah salah satu yang pertama memberikan jawaban atas pertanyaan ini. Dia melihat bahwa meskipun mata kita bergerak tiga hingga empat kali per detik, persepsi visual kita tetap stabil. Dia menghitung bahwa otak memperhitungkan pergerakan mata, jika tidak kita akan melihat bahwa seluruh dunia melompat di sana-sini. Demikian pula, jika Anda menyentuh sesuatu, Anda akan bingung jika otak Anda hanya menangani sensasi sentuhan dan tidak tahu bahwa jari-jari Anda bergerak. Prinsip menggabungkan gerakan dengan perubahan sensasi disebut
integrasi sensorimotor . Bagaimana dan di mana integrasi sensorimotor terjadi di otak adalah sebuah misteri.
Kami menemukan bahwa integrasi sensorimotor terjadi di semua bagian neokorteks. Ini bukan langkah terpisah, tetapi merupakan bagian integral dari pemrosesan sensasi. Integrasi sensomotor adalah bagian penting dari "algoritma pintar" dari neokorteks. Kami memiliki teori dan model bagaimana neuron dapat melakukan ini, dan itu tumpang tindih dengan baik dengan anatomi kompleks wilayah neokorteks.
Apa implikasi dari penemuan ini untuk kecerdasan mesin? Pertimbangkan dua jenis file yang dapat Anda temukan di komputer. Salah satunya adalah gambar yang diambil oleh kamera, dan yang lainnya adalah desain yang dikembangkan di komputer, misalnya, file Autodesk. Gambar adalah susunan detail visual dua dimensi. File CAD juga merupakan sekumpulan bagian, tetapi masing-masingnya terkait dengan pengaturan dalam ruang tiga dimensi. File CAD mensimulasikan objek tiga dimensi, dan bukan bagaimana objek terlihat dari perspektif tertentu. Dengan file CAD, Anda dapat memprediksi bagaimana suatu objek akan terlihat dari sudut pandang manapun, dan menentukan bagaimana ia akan berinteraksi dengan objek tiga dimensi lainnya. Anda tidak dapat melakukan ini dengan gambar. Kami menemukan bahwa setiap bagian neokorteks mempelajari model objek tiga dimensi dengan cara yang hampir sama dengan program CAD. Setiap kali tubuh Anda bergerak, neokorteks memahami perintah motilitas saat ini, mengubahnya menjadi posisi dalam sistem koordinat objek dan menggabungkan posisi ini dengan data yang diperoleh dari indera untuk membangun model tiga dimensi dunia.
Dalam retrospeksi, pengamatan ini masuk akal. Sistem pintar perlu mempelajari model multi-dimensi dunia. Integrasi sensomotor tidak terjadi di beberapa bagian otak - ini adalah prinsip utama operasinya, bagian dari algoritma kecerdasan. Mesin pintar harus melakukan hal itu.
Tiga aspek utama neokorteks ini - pelatihan perakitan ulang, pandangan terdistribusi, dan integrasi sensorimotor - akan menjadi landasan kecerdasan mesin. Mesin berpikir di masa depan mungkin mengabaikan banyak aspek biologi, tetapi tidak ketiganya. Tanpa ragu, penemuan-penemuan lain di bidang neurobiologi menunggu kita, menerangkan ciri-ciri kesadaran lain yang perlu dimasukkan dalam mesin-mesin semacam itu di masa depan, tetapi Anda dapat mulai dengan apa yang kita ketahui hari ini.
Dari hari-hari awal AI, para kritikus menolak gagasan mencoba meniru otak manusia, biasanya berargumen bahwa "pesawat tidak mengepakkan sayap mereka." Faktanya,
Wilbur dan Orville Wright mempelajari burung secara rinci. Untuk membuat daya angkat, mereka mempelajari bentuk sayap burung dan mengujinya di terowongan angin. Untuk tenaga penggerak, mereka beralih ke area selain penerbangan - baling-baling dan motor. Untuk mengendalikan penerbangan, mereka menyaksikan burung-burung memutar sayap mereka untuk membuat gulungan dan menggunakan ekornya untuk menjaga ketinggian. Itulah yang telah mereka lakukan. Sampai sekarang, pesawat terbang menggunakan metode ini, meskipun kami hanya memelintir satu sisi pada sayap. Singkatnya, saudara Wright mempelajari burung dan kemudian memutuskan unsur-unsur penerbangan mana yang diperlukan untuk pelarian orang, dan mana yang bisa diabaikan. Inilah yang akan kita lakukan, menciptakan mesin berpikir.
Berpikir tentang masa depan, saya khawatir tentang fakta bahwa tujuan kita tidak cukup ambisius. Sangat bagus untuk komputer saat ini untuk mengklasifikasikan gambar dan mengenali ucapan, tetapi kami tidak dekat untuk menciptakan mesin yang benar-benar pintar. Saya percaya bahwa sangat penting bagi kita untuk melakukan ini. Keberhasilan masa depan dan bahkan kelangsungan hidup umat manusia dapat bergantung pada ini. Sebagai contoh, jika kita akan mengisi planet lain, kita akan membutuhkan mesin yang beroperasi untuk penerbangan dalam ruang, pembangunan fasilitas, ekstraksi sumber daya dan solusi independen dari masalah kompleks dalam lingkungan di mana orang tidak dapat bertahan hidup. Di Bumi, kita dihadapkan dengan masalah penyakit, iklim, dan kekurangan energi. Mobil pintar dapat membantu kita. Misalnya, dimungkinkan untuk membuat mesin pintar yang sensitif dan mampu bekerja pada skala molekuler.Mereka dapat berbicara tentang melipat protein dan ekspresi gen dengan cara yang sama seperti kita berbicara tentang komputer dan stapler. Mereka bisa berpikir dan bertindak sejuta kali lebih cepat daripada manusia. Mesin seperti itu dapat mengobati penyakit dan menjaga dunia kita dalam keadaan layak huni.Pada tahun 1940-an, pelopor era komputer merasa bahwa komputer akan berjalan jauh dan sangat bermanfaat, dan bahwa mereka cenderung mengubah masyarakat manusia. Tetapi mereka tidak dapat secara akurat memprediksi bagaimana komputer akan mengubah hidup kita. Dengan cara yang sama, kita dapat yakin bahwa mesin yang benar-benar pintar akan mengubah dunia kita menjadi lebih baik, bahkan jika hari ini kita tidak dapat memprediksi dengan pasti bagaimana caranya. Setelah 20 tahun, kami melihat ke belakang dan menyadari bahwa di masa kami terobosan dalam teori otak dan pembelajaran mesin memulai era kecerdasan mesin nyata.