• Amerykański przedsiębiorca wystąpił z oryginalną teorią działania mózgu na forum Human Brain Project w Maastricht
  • Hipotezy alternatywne wobec przyjętego w neuronaukach modelu hierarchicznego wymagają eksperymentalnego potwierdzenia
  • Czy teoria Hawkinsa utoruje drogę dla stworzenia tzw. ogólnej sztucznej inteligencji?

Pod koniec lat 70. świeżo upieczony absolwent Uniwersytetu Cornella z artykułu w „Scientific American” dowiedział się, że nauce wciąż brak teorii tłumaczącej działanie mózgu. Zrozumiał wtedy, czym chce się zajmować w życiu. I choć wiele lat spędził w branży IT, wciąż zależało mu na jednym: zrozumieniu mechanizmu inteligencji. W październiku 2018 r. Jeff Hawkins publicznie przedstawił swoją najnowszą hipotezę.

W pogoni za teorią

Autorem artykułu, który zaważył na całym życiu Hawkinsa, był Francis Crick – laureat Nagrody Nobla za odkrycie podwójnej helisy DNA. Crick nie specjalizował się w neuronaukach, jednak cieszył się powszechnym autorytetem wśród badaczy. Przyglądając się naukom o mózgu, dostrzegł coś, co umykało ekspertom: brak spójnej teorii.

Hawkins zrozumiał, że neuronauka potrzebuje śmiałka, który taką teorię stworzy. Nie wiedział jeszcze, że droga do celu będzie kręta i wyboista.

Jako młody inżynier Hawkins trafił do Intela. Jego ambicje naukowe szybko dały o sobie znać: postanowił stworzyć w firmie laboratorium badające działanie inteligencji. Tu czekało go pierwsze rozczarowanie – pomysł odrzucono. Niezrażony, zdecydował się zapisać na studia podyplomowe w Massachusetts Institute of Technology. Niestety, tam również jego koncepcje nie trafiły na podatny grunt.

Pionier technologii mobilnych

Hawkins doszedł do wniosku, że czasy nie sprzyjają badaniom, które chciałby prowadzić. Powrócił więc do branży komputerowej. Mimo że zawód inżyniera był dlań odskocznią od właściwych zajęć, osiągnął imponujące efekty. Projektował pionierskie urządzenia przenośne i zbudował pierwszy na świecie smartfon – Treo. Nieźle też radził sobie jako przedsiębiorca. Tworzył kolejne firmy, po czym sprzedawał je, zyskując fundusze na dalszy rozwój. Wciąż przyświecał mu jeden cel.

Na początku XXI w. założył pierwsze laboratorium skoncentrowane na neuronaukach, jednak nie udało mu się zebrać odpowiedniego zespołu badawczego. Dlatego kilka lat później utworzył Numenta – istniejącą do dziś firmę, która chce odkryć mechanizm działania kory mózgowej i stworzyć jej model z wykorzystaniem tzw. inżynierii wstecznej (reverse engineering).

Zadziwiająca elastyczność mózgu

Kluczową inspirację do badań Hawkins zaczerpnął z prac wybitnego amerykańskiego specjalisty w dziedzinie neuronauk – Vernona Mountcastle’a. Odkrył on, że wszystkie obszary kory nowej mózgu (neocortex) wyglądają podobnie, bo każdy z nich pełni tę samą podstawową funkcję. To, co czyni jeden obszar odpowiedzialnym za widzenie lub słyszenie, wynika z odbieranych bodźców, a nie ze specyfiki jego budowy.

Ambicją Hawkinsa jest stworzenie tzw. ogólnej sztucznej inteligencji, która nie będzie się ograniczała do ściśle wyznaczonych obszarów, ale okaże się zdolna do nauki równie elastycznej co ludzki mózg.

Mountcastle zidentyfikował też, co odpowiada za taką elastyczność mózgu. To tzw. kolumny neuronalne (cortical columns) – maleńkie obszary zawierające wszystkie typy komórek oraz połączeń zaobserwowanych w korze. Według Mountcastle’a to właśnie w nich ukryty jest podstawowy mechanizm działania kory nowej.

Hawkins docenił tę koncepcję za jej prostotę i zgodność z teorią ewolucji. Ta ostatnia także zakłada, że za całą różnorodność życia odpowiada jeden mechanizm. W ten sposób kolumny neuronalne stały się podstawą teorii Hawkinsa.

Zbyt oryginalne dla Google’a?

W środowisku badaczy sztucznej inteligencji i neuronauk Hawkins jest oryginałem i outsiderem. Kiedy w ubiegłym roku ukończył pracę nad hipotezą ogólnej teorii inteligencji, chciał ją zaprezentować podczas spotkania w DeepMind.

Ta należąca do Google firma stworzyła program AlphaGo, który w 2016 r. pokonał mistrza świata w uważanej za najtrudniejszą na świecie grze strategicznej – go. Do spotkania jednak nie doszło. Podczas wstępnych rozmów okazało się, że podejście Hawkinsa zbytnio odbiega od sposobu myślenia badaczy z DeepMind.

Hawkins po raz kolejny nie dał za wygraną i zwrócił się ku Europie. Tam udało mu się zainteresować naukowców z Human Brain Project – projektu badającego działanie ludzkiego mózgu z wykorzystaniem symulacji komputerowych. Ostatecznie Hawkins zaprezentował swoją teorię w październiku 2018 r. na Uniwersytecie w Maastricht.

Jeff Hawkins zaprezentował swoją teorię w październiku 2018 r. na Uniwersytecie w Maastricht podczas Human Brain Project Summit.
Źródło: Numenta / YouTube

Myśląc pod prąd

Koncepcja zaproponowana przez Hawkinsa różni się od modelu przyjmowanego dziś w neuronaukach.

Ten zakłada, że mózg uczy się w sposób hierarchiczny – sensory przekazują najpierw impulsy do jednego obszaru kory nowej, który wykrywa podstawowe cechy postrzeganego obiektu. W następnym obszarze ów zarys uzupełniają kolejne informacje i powstaje bardziej złożony obraz. Pełna reprezentacja postrzeganego przedmiotu wyłania się dopiero na najwyższym poziomie.

Zdaniem Hawkinsa taki model ma jednak słabe strony. Wiele neuronów łączy się przecież poziomo (niehierarchicznie) między poszczególnymi obszarami kory.

Kolejny kontrargument wynika z obserwacji współczesnych modeli sztucznej inteligencji i sieci uczenia głębokiego. One w dużym stopniu opierają się właśnie na modelu hierarchicznym. O jego słabości świadczy to, że SI potrzebuje milionów przykładów, by się czegoś nauczyć o jakimś obiekcie, podczas gdy człowiekowi wystarczy do tego kilkukrotny kontakt z danym przedmiotem.

Teoria tysiąca mózgów

W swoich najnowszych badaniach Hawkins proponuje inne rozwiązanie zagadki działania mózgu. Kluczowe znaczenie ma tutaj rozpoznawanie położenia (location). Uważa on, że w kolumnach neuronalnych występuje sygnał, który pozwala zlokalizować dane wrażenie (np. dotyk) względem całości postrzeganego przedmiotu. Proces ten odbywa się dynamicznie. Dzięki temu odczuwamy nie tylko pojedyncze bodźce, ale także tworzymy w umyśle mapę całego obiektu.

Hawkins nazwał tę koncepcję teorią inteligencji tysiąca mózgów: jeśli bowiem każda kolumna konstruuje całościowe modele postrzeganej rzeczy, to mózg nie wytwarza stopniowo jednego modelu (jak chce tego ujęcie hierarchiczne), ale raczej łączy ze sobą tysiące modeli powstających równolegle.

Eureka w przerwie na kawę

Na swój pomysł Hawkins wpadł w prozaicznych okolicznościach: pijąc kawę. Zamknął oczy i przesuwał palcami po różnych częściach kubka. Choć w danym momencie spoczywały one tylko w kilku określonych miejscach, jego mózg pamiętał całość przedmiotu.

Hawkins zdał sobie wówczas sprawę, że kolumny neuronalne przechwytują nie tylko poszczególne wrażenia zmysłowe, ale również informacje o ich położeniu względem siebie. Dzięki sygnałowi położenia kolumny mogą budować całościowe modele przedmiotów, a te są następnie integrowane poprzez poziome połączenia w korze nowej.

Argument z ewolucji

W jaki jednak sposób powstaje sygnał położenia? Wedle hipotezy Hawkinsa odpowiadają za to komórki siatkowe (grid cells). Uważa się je za swoisty GPS mózgu, ponieważ umożliwiają orientację przestrzenną. Znajdują się one w starszej ewolucyjnie części mózgu – korze śródwęchowej. Powołując się na niedawne eksperymenty, Hawkins przyjmuje jednak, że komórki te występują również w korze nowej.

Ich obecność w tym miejscu wyjaśniałaby, w jaki sposób mózg poznaje strukturę postrzeganych przedmiotów. Odbywałoby się to na podobnej zasadzie jak w przypadku orientacji przestrzennej. Komórki sieciowe w korze nowej śledziłyby jednoczesne położenie sygnałów wysyłanych przez sensory, tak jak komórki w korze śródwęchowej przechwytują dane o położeniu ciała w przestrzeni.

Argumentem przemawiającym na rzecz tej hipotezy jest teoria ewolucji. W jej świetle łatwo przyjąć, że mechanizm skutecznie działający w starej części mózgu został z czasem zaadaptowany do nowego środowiska.

Hipoteza adaptacji komórek sieciowych pomaga też odpowiedzieć na trapiące naukowców od lat pytanie o to, jak mózg łączy w całość przedmioty złożone z różnych elementów. Wyjaśnia również, dlaczego bez trudu poznaje on nowe rzeczy, zamiast uczyć się każdej z nich od zera.

Hawkins sądzi, że w korze nowej występują także inne komórki, które uzupełniają pracę komórek sieciowych. To tzw. komórki przesunięcia (displacement cells). Określają one relacje zachodzące między różnymi przedmiotami lub ich ruchomymi częściami.

Koncepcja ta tłumaczy, jak mózg identyfikuje przedmioty, których zachowanie ulega zmianom. Wedle Hawkinsa jest to możliwe dlatego, że mózg zapamiętuje sekwencje przesunięć. Mechanizm, który za to odpowiada, jest właśnie wynikiem współpracy w kolumnach neuronalnych komórek sieciowych oraz komórek przesunięcia.

Sztuczna inteligencja rusza w świat

Teoria inteligencji tysiąca mózgów to odpowiedź Hawkinsa na pytanie, które niemal 40 lat wcześniej postawił Francis Crick. Czy będzie ona przełomowa w naukach o mózgu?

Laureaci Nagrody Nobla pozują do pamiątkowego zdjęcia po ceremonii wręczenia dyplomów, medali i czeków. Od lewej: prof. Maurice H. Wilkins (medycyna), dr Max Perutz (chemia), dr Francis Crick (medycyna), John Steinbeck (literatura), prof. James D. Watson (medycyna) i dr John Kendrew (chemia). Sztokholm, 12.10.1962 r.

Wszystko zależy od tego, czy w ślad za nią pójdą eksperymenty. Środowisko naukowe może bowiem zignorować teoretyczne wysiłki Hawkinsa. O szansie na podjęcie badań świadczy jednak jego wystąpienie na prestiżowym Human Brain Project Summit. Być może w tym gronie znajdą się osoby skłonne zweryfikować doświadczalnie przedstawioną przez niego teorię.

Sam Hawkins uważa, że ma ona znaczenie nie tylko dla neuronauk, ale również dla badań nad sztuczną inteligencją. Rozpowszechnione obecnie modele SI specjalizują się przede wszystkim w rozpoznawaniu wzorów (pattern recognition).

Ambicją Hawkinsa jest jednak stworzenie tzw. ogólnej sztucznej inteligencji, która nie będzie się ograniczała – jak teraz – do ściśle wyznaczonych obszarów, ale okaże się zdolna do nauki równie elastycznej co ludzki mózg. W tym celu trzeba będzie stworzyć modele, które rozumieją złożoną strukturę przedmiotów i potrafią uczyć się poprzez ruch. Prawdziwa SI musi integrować wrażenia płynące z różnych zmysłów. Takie rozwiązania znajdą zastosowanie także w robotyce.

Zdaniem Hawkinsa istotą inteligencji jest umiejętność uczenia się poprzez interakcje ze światem zewnętrznym oraz łączenie tych informacji w spójne modele. Musimy więc dążyć do tego, aby sztuczna inteligencja mogła uczyć się świata tak, jak robią to ludzie. Czy wtedy zostanie najpilniejszym uczniem w klasie?

ŹRÓDŁA:

Jeff Hawkins, Marcus Lewis, Mirko Klukas, Scott Purdy, Subutai Ahmad, A Framework for Intelligence and Cortical Function Based on Grid Cells in the Neocortex, opublikowano w repozytorium bioRxiv 21 grudnia 2018 r.

Companion paper to A Framework for Intelligence and Cortical Function Based on Grid Cells in the Neocortex, opublikowano na stronie Numenta 10 października 2018 r.

Zdjęcia w artykule:
  • Zdjęcie zajawka: Getty Images
  • Zdjęcie górne: Getty Images
  • Zdjęcie w tekście: Getty Images
Drukuj ten artykuł Drukuj ten artykuł
Skip to content