前沿详解Microns项目通过大脑逆向工程来创造通用人工智能.docx
- 文档编号:25879808
- 上传时间:2023-06-16
- 格式:DOCX
- 页数:11
- 大小:23.42KB
前沿详解Microns项目通过大脑逆向工程来创造通用人工智能.docx
《前沿详解Microns项目通过大脑逆向工程来创造通用人工智能.docx》由会员分享,可在线阅读,更多相关《前沿详解Microns项目通过大脑逆向工程来创造通用人工智能.docx(11页珍藏版)》请在冰豆网上搜索。
前沿详解Microns项目通过大脑逆向工程来创造通用人工智能
前沿详解Microns项目:
经过大脑逆向工程来创建通用人
工智能
选自IEEESpectrum机器之心编译参加:
黄小天、晏奇、
李亚洲昨年,美国高级情报研究计划署(Intelligence
AdvancedResearchProjectsAgency,IARPA)资助了一个
特别有野心的新项目Microns,希望经过解码大脑算法来彻
底改变机器学习;近期,这一项目又在IEEESpectrum上发布了其最新进展,它经过逆向工程一立方毫米的老鼠大脑
组织认为人工神经网络带来更多启示,希望解决人工智能的
最大挑战之一:
「one-shotlearning」。
机器之心对该文进行了编译,原文链接请见文末。
此刻,人工智能能够在诸如国际象棋、围棋和德州扑克这样的复杂游戏中战胜人类;在飞翔模拟器中,它们能够击落人类顶级飞翔员;在更精确的外科缝合手术与癌症诊疗方面,人工智能也正在超越着医生。
可是在一些其余状况中,一个三岁的儿童又能够轻松击败世界上最高等的人工智能:
当竞赛波及的一种学习是这样惯例,以致于人类甚至没存心识到正在做它。
这一幕曾发生在DavidCox身上,一位来自哈佛大学的神经科学家、人工智能专家以及一个三岁孩子的骄傲爸爸。
他的女儿在自然历史
博物馆看到一个长腿的骨架,并指着它说,「这是骆驼」。
之
前,她独一一次看到骆驼是在几月前的图画册上。
人工智能
研究者将这类鉴于单调实例辨别对象的能力称为「one-shot
learning」。
今日,人工智能系统获得智能的主流方式是深度
学习。
往常,在深度学习的自动化训练方法中,我们向程序
输入大批数据并输出结论。
为了训练一个人工智能骆驼探测
器,系统第一需要输入成百上千、各式各种的骆驼图像,并
把图像全标明为「骆驼」;同时也需要相等数目的其余图像
并标明为「非骆驼」。
一旦系统读取了全部数据并确立了骆
驼的独到属性,它就成了一台好的骆驼探测器。
可是对比于
孩童,人工智能的时间成本很高。
在人工智能学习辨别骆驼
的时候,Cox
的女儿早已辨别出了长颈鹿和鸭嘴兽。
插画家:
ChadHagenCox
在解说美国政府名为
Machine
IntelligencefromCorticalNetworks(Microns)时,提到了
自己的女儿。
这是一个有野心的项目:
逆向工程人类智能,
以便于计算机科学家能成立更好的人工智能。
第一,神经科
学家的任务是发现大脑湿软灰质中的工作策略,而后数据团
队将这些策略变换为算法。
人工智能中的一大挑战就是
one-shotlearning,Cox说,「人类在推理与概括上有着惊
人的能力,这也是我们试试抓取的能力。
」由高级情报研究
计划署(IntelligenceAdvancedResearchProjectsAgency,
IARPA)资助达1亿美元的为期5年的项目,密切环绕视
觉皮层睁开研究,我们知道,视觉皮层是大脑办理大批视觉
信息的地方。
三个Microns团队试图经过使用小鼠和大鼠
绘制出1立方毫米脑组织的神经元构造。
这听起来可能不复杂,可是要知道,就是这一点组织就包含了多达50000相互连结的神经元,它们形成了近5亿个突触。
研究者希望能够很清楚地认识这些连结的详细状况,由于这能够让他们发现当视觉皮层进行工作时有关哪些神经「电路」遇到了激发。
该项目需要能够在纳米水均分辨率显示单个神经元的专业脑成像技术,但是这类技术以前还从未在这类规模的脑组织上试试过。
只管每个Microns团队都涉到了多个研究
个
机构,可是大多数由哈佛大学分子细胞生物学与计算机科学
助理教授Cox领导的参加者都在哈佛大学校园内的同一幢
楼内工作。
此中你能够看见在为大鼠准备的「视频游戏」(视频请拜见原文链接)里,这些啮齿动物们正进行着繁忙的工作;旁边放着一台好像世上最精确的薄片切片机在对大脑进
行切片;在一旁你还会看见全世界最快最强盛的显微镜。
在这
些设施和全部人的共同努力下,Cox认为它们能够达成破译
这一立方毫米组织的艰巨任务。
这里试着简单解说一下人类
心智强盛能力的根源。
为了办理对于这个世界的信息以及让
你的身体保持工作,电脉冲在你颅骨中860亿包裹成海绵状组织的神经元间闪过。
每个神经元都有一个长长的轴突,
它能够在组织之间穿越,进而使神经元能够和其余不计其数个神经元进行连结,以此方式,最后形成上万亿个连结。
人类的每个体验都有一个对应的电脉冲模式:
如我们摆着手指、
消化午饭、坠入爱河或是认出一只骆驼。
双光子激发显微镜:
在活体动物的大脑组织工作时,用此强盛的红外激光扫描大
脑组织(右)。
在两个光子同时击中一个活跃神经元时,它
们致使一个荧光标签发散另一种波长的光子。
显微镜记录下
的视频演示了这些光明。
DavidCox说,「你能够看到老鼠
也有思想。
」从上世纪40年月开始,计算机科学家就试试
模拟大脑,设计了一种名为人工神经网络的软件构造。
此刻
大部人工智能构思都使用到了该构造变体:
有深度神经网络、
卷积神经网络、循环神经网络,等等。
受大脑构造的启示,
这些网络包含很多计算节点(被称为人工神经元)来达成小
的失散式任务;它们相互连结,可让整个系统达成惊人的任
务。
神经网络不可以再进一步复制大脑的构造,由于科学界对
神经元回路的基础信息还缺少认识。
IARPAMicrons项目的经理R.JacobVogelstein说,研究人员们在微观、宏观层面上都有典型的研究。
「我们使用的工具既密查单个神经元,也齐集整个大脑的信号。
最大的差距是理解回路上的运算,
数千个神经元怎样一同办理信息。
」这类状况近来发生了改变,技术的进步使得神经科学家能做出「连结组
connectome)」来揭穿神经元之间的众多连结。
但Microns
不不过一张静态图解。
团队需要演示老鼠在看、学习、记忆
时这些电路激活的方式。
Vogelstein说,「这特别近似于你逆向工程一个集成电路,你能够详尽察看芯片,但除非你见
到工作中的电路,否则你的察看就是无用的。
」在IARPA
假如研究人员能够追踪到认知任务中的神经元模式,并将这
些模式转变成近似大脑的架构(人工神经网络),这才会有
,
真切的回报。
Vogelstein说,「在数学和算法上,大脑的计
算策略是可被表征的。
政府的赌注在于类脑人工智能系统要比以前的系统更擅于解决真切难题。
毕竟,理解大脑是个雄伟目标,但智能情报部门想要人工智能不不过要辨别一只骆
驼,还有模糊视频中的半模糊脸庞。
在Cox的实验中,老鼠的游戏室是一个小空间。
每个箱子中有个面向计算屏幕的老鼠,鼻子眼前有两个接收。
上图:
RafaelVescovi,
NarayananKasthuri,图片来自阿贡国家实验室;下列图:
阿贡国家实验室X射线断层成像技术:
在阿贡国家实验室的高级光子源(右图),一个粒子加快器将用电子撞击一条金属
丝以产生特别光明的X射线,而后这些射线都会汇聚在一小块拿出的脑组织上。
好多角度拍摄的X射线图像最后会被联合起来形成一幅3维图像(上图),它显示了该组织内
的每个神经元。
在目前的实验中,大鼠试试掌握一门复杂的视觉任务。
屏幕上显示三维的计算机生成的物体——这些物体与真切世界中的物体完好不一样,它们不过是简单抽象的形状。
当老鼠看见物体A,它一定舔一舔位于左侧的管嘴以得到一滴甜味果汁;当它看见物体B,那么右侧的管嘴里也有果汁。
可是物体是在多个方向被体现出来的,所以大鼠一定
在思想中旋转每一个面来思虑和决定这个物体能否知足A
或B。
穿插在训练环节中的是成像环节。
在成像环节中,大鼠将被带到另一个实验室,那边有一台巨大的盖着黑布的显微镜,看上去就跟一台老式照相机相同。
在这里,团队让动
物看着一块显示有对它们此刻来说熟习的物体
A和B
的
屏幕,而后团队会用一个双光子激发显微镜再次在好多方向
上来检测动物的视觉皮层。
该显微镜会记录激光照耀活动神
经元时的荧光闪耀,而且,该
3
维视频显示的图像近似于
夏日夜晚飞舞的绿色荧火。
Cox
特别盼望看到当动物对自己
的任务特别娴熟以后,那些图像会怎样变化。
但是,实验使
用的显微镜分辨率不足以很好显示连结一个个神经元的轴
突。
没有这个信息,研究者就不可以判断一个神经元是怎样去
激发下一个神经元进而形成信息办理回路的。
所以,为了达
到这个目的,需要杀死该实验动物,其大脑才能用于进一步
仔细的研究。
研究人员切掉了视觉皮层的一小块,经过联邦
快递送到了伊利诺伊的阿贡国家实验室。
在那边,一台粒子
对撞机用强盛的X射线对单个神经元、其余大脑细胞与血
管进行成像,获得一张三维图。
该图自然也没有显示出组织
内轴突的连结状况,可是当研究者用电子显微镜图像对照双
光子显微镜图像时。
「X射线就好像罗塞塔石碑(
Rosetta
stone)一般。
」Cox说道。
(注:
罗塞塔石碑是古埃及托勒
密王朝时代的产物,其上写有古埃及过往托勒密五世登基的
诏书,上边用三种文字表达了相同的内容,包含古埃及象形
文、埃及草书和希腊文,这块石碑以后也成为了近代考古学
家解读失传的古埃及象形文的重要参照文物。
罗塞塔石碑收藏于大英博物馆。
)随后,这块脑组织被归还到哈佛大学Jeff
Lichtman的实验室,JeffLichtman是一位分子细胞生物学
教授,同时他也是一位大脑连结组领域的顶尖科学家。
Lichtman的团队用一台近似于熟食切片机的机器将这块1
立方微米的脑组织切成了单片30纳米厚的33000份。
这
些超薄脑片被自动放在一条带子的硅晶片之上。
随后,研究
者使用世界上最快的扫描电子显微镜,对每个脑样本都投射
束电子来丈量这些电子的散布。
这个冰箱大小般的机器
日夜不断的工作,力争最平生成每片4纳米分辨率的图像。
上图:
DanielBerger/Lichtman实验室/哈佛大学;下列图:
Lichtman实验室/哈佛大学扫描电子显微镜:
Jeff
Lichtman的扫描电子显微镜(右)在脑组织切片处发射了
61束电子。
经过丈量电子怎样发散,这一技术产生了
4纳
米分辨率的图像,展现了每个切片中连结神经元的轴突。
一
个计算机程序从一个切片到另一个切片追踪轴突,并在脑组
织立方体内重修全部的神经布线(neuralwiring)。
每个图像
近似于密集包装的立方形意大利面的横截面。
图像办理软件
依据次序摆列切片,并逐一切片地进行追踪,描绘每个神经
元轴突及其到其余神经元数的以千计的连结的完好长度。
但
是软件有时没法追踪横截面,或许把一个与另一个相混杂。
在这项任务上,人类优于计算机,Cox说,「不幸的是,地球上并无足够多的人来追踪这样多的数据。
」哈佛与麻省理工学院的软件工程师正致力于追踪问题,他们一定解决它,
以便绘制精确的大脑连结图。
从双光子显微镜叠加该图与活动图应当能够揭露大脑的计算构造。
比如,当老鼠看到一个奇异的块状对象时,它应当显示哪些神经元形成了一个回路
并亮起,在脑筋里将其颠倒,并确立它与对象A般配。
Cox团队的另一个挑战是速度。
计划的第一次阶段在5月结束,每个团队不得不展现丈量100微米大脑组织块的结果。
对于更小的块,Cox团队将电子显微镜和图像重组步骤缩短为两周。
此刻,在第二阶段,办理相同相同任务只要数小时。
从100微米到1毫米,体积增添了千倍。
这就是为何Cox入迷地聚焦于自动化过程的每一步——从老鼠的视频训练,到连结体的追踪。
Cox说:
「这些IARPA项目迫使
科学研究看起来更像是工程学,我们需要迅速扭转方向。
」
加快实验同意Cox团队测试有关大脑回路的更多理论,这
相同对人工智能研究者有帮助。
在机器学习中,计算机科学
家设置神经网络的整体架构,固然程序自己决定怎样把诸多
计算连结进序列。
所以,研究者计划在同一个视觉辨别任务
中训练老鼠和一个神经网络,并对照两者输出和连结的模式。
Cox说:
「假如我们在大脑中看到某些连结模体
connectivitymotif),我们不是在模型中看到它们,或许那是在示意我们做错了什么。
」一个检查领域波及大脑学习的规则。
物体辨别被认为是按层次办理的——第一组神经元办理颜色和形式等基本因素,下一组找寻界限,划分物体和背景,以此类推。
跟着动物在辨别任务中表现的提高,研究人员找到了一个问题:
哪组神经元对行动的影响最大?
同时,跟着人工智能在相同任务中的表现不断提高,这类辨别模式的神经网络活动能否与老鼠大脑中的动作依据相同的原理?
IARPA希望这些发现不单合用于计算机视觉,也能够应用
到机器学习中。
「我们在这里有了一个崇奉的飞腾,但我认
为这是一个依据凭证的崇奉之跃,」Cox说道,他指出,大
脑皮层,发生高层次认知的神经组织外层都有「可疑地相像
的」构造。
对于神经科学和人工智能专家而言,这类一致性
表示,大脑中可能存在一种基本种类的电路用于信息办理。
定义这类方法或许会让我们向通用人工智能更进一步。
固然Cox的团队正在转变想法,试图加快真切靠谱的神经科学流程,而此外一名Microns研究者却在试试一个极端想法。
「假如它成功了,将会改革大脑科学,」哈佛大学怀斯生物
启示工程研究所(theWyssInstituteforBiologicallyInspired
Engineering
)的教授
GeorgeChurch
说。
Church
和匹茨
堡卡内基梅隆大学的李泰兴教授联合领导着
Microns
团队。
Church负责这个过程的连结组映照部分,并采纳了截然不
同的方法;他不使用电子显微镜追踪轴突连结,认为这一技
术太慢并会产生好多问题。
Church说:
「当其余团队试图在一立方毫米的大脑皮层上追踪轴突时,错误将会累加,并模糊连结组数据。
」Church的方法其实不受轴突的长度或被检查的大脑皮层大小的影响。
他使用基因工程化的老鼠和一项被
称为DNA条形码(DNAbarcoding)的技术,该技术可经过一个独到的基因标记符(它可从其树突的边沿性尖端读取
到长轴突的尾端)给每一个神经元打标签。
他说:
「假如你有一些巨大的长轴突也没关系,借助条形码你能够发现两个
尾端,这个过程中有多少疑惑也其实不紧急。
」Church团队使用的大脑皮层切片厚度为20微米(μm),厚于Cox团队的30纳米(nm),由于他们其实不担忧在切片之间丢掉轴突路径。
DNA测序机纪录了目前给定大脑皮层切片中的全部条形码,而后程序经过全部的基因信息进行分类,以绘制展现神经元之间怎样相互连结。
Church还有一个合作者AnthonyZador,他是纽约冷泉港实验室(ColdSpring
HarborLaboratory)的神经科学教授;他们一同证了然在之
前的实验中,条形码和测序技术见效;可是Microns项目
需要聚合全部数据并放入连结组图谱中,他们并无做到。
假定他们做到了,Church说,「Microns将只会注意到他大
脑测绘工作的开始:
接下里他想要绘制整个小鼠大脑的全部
连结,即7亿个神经元和700亿个连结。
」他又说:
「1立
方毫米令人一叶蔽目,我想要的远不仅于此。
」上图:
Tony
Zador/纽约冷泉港实验室;下列图:
ElizaStrickland荧光原位
序列:
每个神经元有一个「RNA条形码」,它由被称作碱基
bases)的分子的独到序列构成。
测序机(右)经过记录与四种种类的碱基相连结的不一样颜色的闪光灯读取条形码。
GeorgeChurch团队绘制了这些条形码在大脑皮层中出现
的地方以展现神经元在哪处相互连结(上)。
这样大规模的
图谱将为人工智能的发展带来启示,做到更谨慎地模拟生物大脑;可是喜爱做解构者的Church为计算指了然另一条道
路:
停止试试打造硅大脑(意指计算机),而是建立生物大
脑,取代人类更好地办理计算任务。
他说:
「我认为很快我
们就会有合成神经生物学(syntheticneurobiology)的能力,
以真切地建立生物大脑的变体;只管硅芯片计算机在办理速度方面战胜了生物系统,但Church想象装备有电路元件的
工程化大脑也将会实现加速。
」依据Church的评估,
Microns大脑逆向工程的目标或许不行实现。
大脑是这样复
杂,以致于即便大脑逆向工程取成功了,研究者仍是没法完
全理解大脑的神奇,但这并无大碍。
Church最后说:
「我认
为理解大脑有点像是科学家的一种执念,对大脑做逆向工程
要比理解它简单得多。
」原文链接:
nd-inspiration-in-rat-brains更多有关GMIS2017大会的内
容,请点击「阅读原文」查察机器之心官网GMIS专题↓↓↓?
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 前沿 详解 Microns 项目 通过 大脑 逆向 工程 创造 通用 人工智能