• Sztuczne sieci neuronowe są skuteczne, ale pracują inaczej niż mózg
  • Badacze z Human Brain Project twierdzą, że zrozumienie działania mózgu ma znaczenie nie tylko w medycynie, ale także w inżynierii komputerowej i badaniach nad SI
  • Superkomputer SpiNNaker używa 100 milionów rdzeni obliczeniowych do symulacji 1 procenta wszystkich neuronów w mózgu człowieka

Wbrew stereotypowym wyobrażeniom sztuczna inteligencja ma dziś niewiele wspólnego z działaniem ludzkiego mózgu. Maszyny potrafią już dużo, ale wciąż daleko im do elastyczności, z jaką człowiek wchodzi w interakcje ze światem.

Czy jednak sztuczna inteligencja powinna się wzorować na ludzkiej? Niekoniecznie. Silniki odrzutowe nie naśladują natury, a przecież nie wątpimy w ich skuteczność. Jednak zdaniem naukowców z Human Brain Project odtworzenie zasad, wedle których funkcjonuje nasz mózg, mogłoby się przydać współczesnej SI.

Wygrać w go, przegrać w kółko i krzyżyk

Nietrudno przywołać przykłady spektakularnych zwycięstw sztucznej inteligencji nad ludźmi. W 2011 roku zbudowany przez IBM system Watson zwyciężył w teleturnieju Jeopardy! (polski odpowiednik: „Va banque”), mimo że miał za przeciwników dwóch najlepszych graczy w historii programu. Pięć lat później skonstruowany przez DeepMind superkomputer AlphaGo dokonał jeszcze większego wyczynu, wygrywając z mistrzem świata w go – najtrudniejszej grze strategicznej znanej ludzkości.

Oszałamiające możliwości tych maszyn mają jednak swoją cenę. Przed rozgrywką z człowiekiem do pamięci AlphaGo wprowadzono dane o 160 tysiącach faktycznie rozegranych meczów. Na tej podstawie komputer rozegrał następnie ponad 100 milionów meczów sam ze sobą. Trening był czasochłonny i kosztowny: zajął rok, a zużycie energii wyniosło ponad 180 tysięcy kWh (dla porównania: średnie roczne zużycie energii w Polsce to około 4 tysięcy kWh na osobę)

Najważniejsze jest jednak co innego. Jak zauważył prof. Karlheinz Meier z Uniwersytetu w Heidelbergu, maszyna, która doprowadziła do łez najlepszych graczy w go, poległaby z kretesem, gdyby nagle przyszło jej się zmierzyć z grą w kółko i krzyżyk! AlphaGo jest bowiem niepokonana, ale wyłącznie w jednej wąskiej dyscyplinie. W pozostałych nie ma nic do zaoferowania bez uprzedniego mozolnego ćwiczenia. Zupełnie inaczej niż ludzki mózg.

Najbardziej zaawansowane maszyny budzą więc dziś ludzki podziw, ale paradoksalnie także poczucie wyższości. Dzieje się tak, ponieważ bardzo różnią się od nas samych. Współczesny deep learning czerpie niewiele inspiracji z biologii, oddzielając etap uczenia się od etapu wnioskowania. Z kolei nasz mózg, poznając świat, na bieżąco aktualizuje swoją wiedzę. Technicznie rzecz ujmując, z dzisiejszą SI różnimy się więc po prostu architekturą systemów.

Maszyny neuromorficzne

Dążenie do zrozumienia architektury ludzkiego mózgu nie wynika jednak z chęci stworzenia sztucznej inteligencji, która budziłaby naszą większą sympatię. Cele takich przedsięwzięć są znacznie ambitniejsze.

Naukowcy z Human Brain Project – jednego z największych międzynarodowych projektów badawczych prowadzonych w Unii Europejskiej – starają się odkryć sposób funkcjonowania mózgu przede wszystkim po to, by skuteczniej leczyć jego choroby oraz lepiej rozumieć, kim jesteśmy i jak działamy. Oprócz tego wykorzystują neuronauki do budowy specjalnych komputerów neuromorficznych, które naśladują sposoby uczenia się mózgu i jego samoorganizacji.

Naukowcy z Human Brain Project usiłują naśladować wydajność energetyczną mózgu. Ten bowiem – w przeciwieństwie do superkomputerów – znakomicie działa, zużywając przy tym stosunkowo niewiele energii

Architektura takich komputerów jest dość nietypowa, ponieważ odtwarza wybrane połączenia neuronowe występujące w mózgu. Wszystko po to, by umożliwić maszynom uczenie się poprzez bieżące interakcje ze światem zewnętrznym.

Inną cechą mózgu, którą usiłują naśladować naukowcy z HBP, jest wydajność energetyczna. W przeciwieństwie do współczesnych superkomputerów mózg potrafi bowiem znakomicie działać, zużywając przy tym stosunkowo niewiele energii.

Ostatni aspekt pracy mózgu, który pragnęliby odtworzyć badacze, to jego tolerancja na błędy. Choć mózg człowieka traci mniej więcej jedną komórkę na sekundę, radzi sobie całkiem nieźle. Tego samego nie można by jednak powiedzieć o maszynach – gdybyśmy wyłączali im co chwilę jeden tranzystor, szybko przestałyby działać.

Celem budowy komputerów neuromorficznych jest więc również stworzenie takich systemów, które potrafiłyby funkcjonować mimo niedoskonałości swoich części składowych.

Dwieście bilionów operacji na sekundę

W listopadzie 2018 roku na Uniwersytecie w Manchesterze oficjalnie uruchomiono neuromorficzny superkomputer SpiNNaker. Jego budowa trwała dziesięć lat, a nad samą architekturą pracowano dwie dekady. Maszyna wykorzystuje specjalne 18-rdzeniowe procesory, których ma ponad 57 tys. Daje to w sumie milion rdzeni obliczeniowych zdolnych wykonywać oszałamiająca liczbę 200 bilionów operacji na sekundę! Po co to wszystko?

Jak wyjaśnia twórca SpiNNakera, prof. Steve Furber, chodzi o możliwość modelowania pracy mózgu w czasie rzeczywistym. Przy wykorzystaniu typowych superkomputerów do symulacji sieci neuronowych w mózgu odtworzenie jednej sekundy czasu biologicznego zajmuje dziesiątki minut i pochłania megawaty mocy. W efekcie badanie zmian zachodzących w mózgu w ciągu dni czy nawet godzin jest poza naszym zasięgiem. SpiNNaker ma to zmienić.

Tradycyjne komputery przesyłają naraz duże ilości informacji, co zajmuje im czas i obciąża moce obliczeniowe. W przeciwieństwie do nich SpiNNaker dzięki swojej unikalnej architekturze odwzorowującej mózg przekazuje jednocześnie miliardy cząstkowych informacji do tysięcy różnych miejsc. Dzięki temu pozwoli on na stworzenie modelu działania miliarda neuronów w czasie rzeczywistym.

Maszyna, która doprowadziła do łez najlepszych graczy w go, poległaby z kretesem, gdyby nagle przyszło jej się zmierzyć z grą w kółko i krzyżyk! AlphaGo jest bowiem niepokonana, ale wyłącznie w jednej wąskiej dyscyplinie

Czy oznacza to, że nasz mózg zyska swój cyfrowy odpowiednik? Do tego jeszcze bardzo daleko – miliard komórek to zaledwie 1 procent wszystkich neuronów. Przede wszystkim jednak celem naukowców z HBP nie jest stworzenie sztucznego mózgu, ale zrozumienie mechanizmów jego działania. Do tego zaś wystarczy im na razie ów „skromny” miliard.

Robot do pary

Aby móc symulować pracę mózgu, SpiNNaker potrzebuje danych. Najlepiej takich, które pochodzą z sensorów urządzeń reagujących na zmiany w świecie zewnętrznym. Superkomputerowi z Manchesteru pomaga w tym zadaniu SpOmnibot – robot skonstruowany przez specjalistów z Uniwersytetu Technicznego w Monachium.

SpOmnibot nie przypomina z wyglądu humanoidalnych maszyn, jakie znamy z filmów science fiction czy choćby z niektórych japońskich hoteli. Jednak pod względem możliwości percepcyjnych dalece przewyższa te niedoskonałe imitacje ludzi. Ma dwie sylikonowe siatkówki oraz zaawansowane kontrolery ruchu, dzięki czemu może się poruszać, reagując w czasie rzeczywistym na zmiany w otoczeniu z wykorzystaniem zaawansowanych systemów rozpoznawania obrazów (computer vision). Dane z czujników SpOmnibota przetwarza właśnie SpiNNaker.

Mózg potrzebuje ciała

Równolegle z rozwojem komputerów neuromorficznych Human Brain Project prowadzi więc badania w dziedzinie neurorobotyki. Chodzi o połączenie wirtualnych modeli mózgu z realnymi bądź symulowanymi ciałami robotów.

Odpowiada to koncepcji tzw. embodied mind, czyli umysłu ucieleśnionego. Mózg uczy się bowiem dzięki ciału, które wykonuje czynności, a następnie odbiera wrażenia będące wynikiem działania. Poprzez interpretację tych wrażeń mózg może modyfikować zachowanie ciała, tak by poprawić jego skuteczność.

Neurorobotyczna platforma HBP pozwala naukowcom osadzać w ciele różne modele mózgu i testować, jak kontrolują one ruch, reagują na bodźce i uczą się otoczenia. To bardzo ważne dla rozwoju sztucznej inteligencji. Dzięki wzmocnionej percepcji roboty mogą bowiem tworzyć nowe zasady skutecznego uczenia się.

By leczyć szybciej i skuteczniej

Badania eksperymentalne z wykorzystaniem najnowocześniejszych technologii to niejedyny obszar działalności HBP. Projekt wspomaga również lekarzy na co dzień zajmujących się chorobami mózgu. Służy temu otwarta platforma informatyki medycznej, która pozwala szpitalom i ośrodkom badawczym na wymianę danych medycznych, by szybciej diagnozować i leczyć pacjentów. Wszystko to oczywiście z zachowaniem prywatności. Twórcy platformy chcą dzięki niej usuwać przeszkody występujące między opieką nad pacjentem, badaniami nad mózgiem oraz badaniami klinicznymi.

Oprócz tego HBP udostępnia również wszystkim zainteresowanym zintegrowane, trójwymiarowe atlasy mózgu w wysokiej rozdzielczości oraz oferuje dostęp do wirtualnego laboratorium, gdzie można prowadzić badania wykorzystujące duże ilości danych.

Human Brain Project dowodzi, że poznanie mechanizmów działania mózgu służy nie tylko medycynie czy neuronaukom, ale również inżynierii komputerowej. Co więcej, pozwala też myśleć o innych rozwiązaniach w zakresie SI niż te, które obecnie dominują na świecie. Kto wie, być może dzięki niemu inteligentne maszyny zaczną też wreszcie budzić naszą większą sympatię?

Skip to content