Būk kaip žmogus. Mašinos žmonėms, žmonės mašinoms

Mes galime duoti vienas kitam daug. Arba iš tikrųjų mes jau davėme. Tai liudija daugybė biomimetinių techninių sprendimų, imituojančių procesus mašinose, susijusiose su žmogaus organizmais ir daugeliu kitų gyvų būtybių. Kita vertus, istorija apie tai, kaip mašinos mus palaiko, yra tokia akivaizdi, kad atrodo nereikšminga.

Ambicingiausia dalis biomimetizmas yra bandymų atkurti negyvajame pasaulyje. Smegenims nereikia centrinio procesoriaus (CPU) ar kietojo disko. Jis veikia atidarydamas ir uždarydamas nervų membranas ir siųsdamas įkrautų jonų bangas. Šios bangos sukelia pokyčius nervų galūnėse, kurios leidžia smegenims funkcionuoti – procesas vadinamas sinapsiniu plastiškumu, leidžiančiu mokytis ir apdoroti informaciją.

Hipotetinės dirbtinės skaičiavimo konstrukcijos, imituojančios žmogaus smegenis, vadinamos "neuromorfinis" - šį terminą devintajame dešimtmetyje sukūrė amerikiečių mokslininkas Drožėjas Midus. Jis buvo žinomas dėl savo bandymų imituoti neuronus specialiai sukonfigūruotomis tranzistorių grandinėmis. Viso pasaulio mokslininkai jau seniai sunkiai dirba su sistemomis, kurios veikia kaip žmogaus smegenys. Dėl šios priežasties jos kartais vadinamos dirbtinėmis smegenimis.

Ką jis gali padaryti, su kuo vis dar negali susidoroti net pažangiausia dirbtinio intelekto sistema? Pavyzdžiui, jis gali greitai surinkti daug chaotiškos informacijos ir padaryti reikšmingas išvadas. Štai kodėl sukurti kompiuterį, galintį apdoroti ir įrašyti informaciją vienu metu – kaip smegenis, kurios akimirksniu analizuoja ir saugo didelius duomenų kiekius – yra vienas didžiausių technologinių iššūkių šiandien.

Kaip tikri neuronai

Visi tradiciniai kompiuteriai ir į kompiuterius panašūs įrenginiai yra pagrįsti architektūra, kurią sukūrė John von Neumannkuriame procesorius ir atminties sistemos yra atskirtos viena nuo kitos. Tai patogus sprendimas, kai norime, kad mašina veiktų skirtingose ​​programose. Tačiau procesoriai, kai jie veikia, pasiekia duomenų iš atminties, o perkėlimas tęsiasi. Skaičiavimo vienetas, laukiantis duomenų, dažnai neveikia.

Duomenų kiekis iš duomenų bazių, kurias sukuria žmonės ir mašinos (veikiančios daiktų internete), šiuo metu yra milžiniškos. Von Neumann architektūra tampa šių procesų kliūtimi. JAV Energetikos departamentas apskaičiavo, kad kompiuterinis duomenų apdorojimas šiuo metu sunaudoja nuo 5 iki 15% pasaulyje pagaminamos energijos, įskaitant nemažą dalį pačiam perdavimui. Bėgant metams tai gali būti patobulinta kvantiniai ir fotonų metodaikurioms reikia mažiau energijos, greičiau ir efektyviau. Tačiau jų naudojimas vis dar yra perspektyvi kryptis. Ekspertai vis daugiau dėmesio skiria žmogaus smegenų siūlomiems sprendimams.

NS16e pagrindinė plokštė su šešiolika IBM TrueNorth procesorių

Stengiasi sukurti lanksčius ir efektyvius besimokančiuosius neuroniniai tinklai vykdoma nuo 50 m. Šios srities pasiekimų viršūnė – „Google“ sukurtas „DeepMind“, 2016 metais įveikęs žaidimo „Go“ grandą. Tačiau šios sintetinės smegenys yra neuroninio tinklo programinis modeliavimas, o fiziniai skaičiavimai vis dar atliekami silicio sistemose. Taigi von Neumanno butelio kaklelis čia neįveikiamas.

Fiziškai neuroninis tinklas imituoja IBM neuromorfinį procesorių, vadinamą „TrueNorth“pastatytas 2014 metais. Problema ta, kad jei jis panaudotų savo architektūrą visiškai sintetiniam smegenų atitikmeniui sukurti, tokiam kompiuteriui reikėtų 10 tūkst. kartų daugiau energijos nei veikia žmogaus galvoje... Be to, TrueNorth, nors ir gali atpažinti paprastus vaizdus, ​​neveikia kaip jungtys tarp neuronų ir sinapsių. Mokymosi procese jis nesugeba sustiprinti tam tikrų ryšių.

„Intel“ jau keletą metų kuria neuromorfinių procesorių technologiją, kad imituotų žmogaus smegenų veiklą. Galiausiai jis pasigyrė pirmuoju tokio tipo įrenginiu. Eksperimentinis mikroschemų rinkinys, vadinamas Loihi 2018 metais jis pereis į pirmaujančius universitetus ir tyrimų institutus, skirtus dirbtinio intelekto plėtrai. Kompanija rašo: „Intel išrado pirmą tokio tipo, savarankiškai besimokantį neuromorfinį lustą, kodiniu pavadinimu Loihi, kuris imituoja žmogaus smegenų veiklą, veikdamas iš aplinkos gaunamų įvairaus stiprumo dirgiklių principu. Procesorius susideda iš 130 tūkst. silicio „neuronų“, sujungtų 130 milijonų „sinapsių“. „Intel“ teigimu, jis yra tūkstantį kartų efektyvesnis nei įprasti mokymosi įrenginiai.

Venkite silikono

„TrueNorth“ lustai arba „Intel“ sprendimas vis dar laikosi silicio, kuris turi savo privalumų, tačiau energijos vartojimo efektyvumo požiūriu jis neprilygsta nervinių ląstelių organinėms medžiagoms. Todėl mokslininkai dirba su visiškai skirtingais neuromorfinių kompiuterių modeliais, kurie imituos smegenų plastiškumą ir leis procesoriams imituoti sinapsinę funkciją, pavyzdžiui, naudojant fazės perėjimą tam tikrose medžiagose, kurios tirpsta ir kietėja tam tikroje temperatūroje, išlaikant gebėjimą. kaupti ir išleisti didelius energijos kiekius.

Praėjusią vasarą mokslininkų grupė, vadovaujama Evangelos Eleftheriou iš IBM laboratorijos Ciuriche žurnale Nature Nanotechnology pranešė, kad ji sugebėjo statyti dirbtinė neurono versija. Jį sudaro germanio-stibio telurido sluoksnis tarp elektrodų. Čia naudojamas šios medžiagos fazės pokytis, kuris, priklausomai nuo naudojamos įtampos, pereina iš izoliatoriaus į puslaidininkį, o po to į laidininką. Tyrėjų teigimu, tai imituoja neuronų elgesio svyravimus. Yra ir kitų projektų, kuriuose fazių pokyčius dirbtinėse sinapsėse veikia šviesos banga, o tai reiškia ženkliai mažesnes energijos sąnaudas. Taigi tai nėra vienintelis siūlomas sprendimas.

Sautamptono universiteto mokslininkai 2016 m. pabaigoje įrodė, kad memristoriai ir rezistoriai gali atsiminti ankstesnes varžos vertes ir gali būti naudojami sudėtingiems ir pažangiems neuroniniams tinklams kurti. Atlikdami eksperimentus, jie paruošė metalo oksido pagrindu pagamintų memristorių tinklą ir panaudojo juos kaip dirbtines sinapses.

Ryšių tarp neurono ir dendrito iliustracija

Dėl to jie ėmėsi iniciatyvos mokymosi procesas be pašalinių trukdžių – kaip tai vyksta žmogaus smegenyse. Mokslininkų sukurti memristoriai ne tik sunaudoja mažiau energijos nei ankstesni sprendimai, bet ir prisimena savo ankstesnę būseną. Tai elektroniniai komponentai, ribojantys arba reguliuojantys elektros srovės srautą grandinėje ir gebantys įsiminti per juos pratekančio krūvio kiekį bei išsaugoti duomenis net išjungus maitinimą. Iš esmės jie atlieka funkciją, panašią į sinapses, ir turi būdingą galimybę atlikti skaičiavimo užduotis ir saugoti informaciją tuo pačiu metu su daug mažesniu tūrio ir galios praradimu.

Sukūrė Sautamptono universiteto tyrimų grupė Integruojantis memristorius jutiklis (Memristive Integrative Sensor – MIS) nanoskalėje, į kurią jis įvedė eilę „įtampos laiko“ modelių, kurie atkuria nervinių ląstelių elektrinį aktyvumą. Pranešama, kad metalų oksidų pagrindu veikiantys MIS jutikliai, kurie veikia kaip smegenų ląstelių sinapsės, gali užkoduoti ir suspausti (iki 200 kartų) nervinių ląstelių aktyvumą, užfiksuotą naudojant daugiaelektrodų matricas. Tyrėjai teigė, kad, be pralaidumo apribojimų, jų metodas yra itin efektyvus energijai, nes kiekvienam įrašymo kanalui reikalinga galia buvo XNUMX kartų mažesnė nei šiuo metu.

Tačiau atrodo, kad neuromorfinių konstruktorių užduotis yra daug kartų sunkesnė, atsižvelgiant į naujus Kalifornijos universiteto Los Andžele mokslininkų atradimus. pasirodo, kad smegenys turi daugiau nei šimtą kartų didesnę apdorojimo galią, nei manyta anksčiau. Remiantis šiais duomenimis, dendritai, kurie kažkada buvo laikomi paprastais pasyviaisiais signalizacijos kanalais, pasirodė esąs labai elektriškai aktyvūs, generuodami dešimt kartų daugiau impulsų nei soma (nervinių ląstelių kūnas).

– pastebėjo jis Majank Mehta, UCLA neurofizikas, žiniasklaidoje aprašęs Kalifornijos tyrimą.

Nematomas, matomas mašinų dėka

Mūsų smegenų modeliavimas mašinoms dar nėra labai geras. Tačiau mainais „iš jų“ gaudavome – ir vis dar gauname – tai, kas leidžia ne tik, pavyzdžiui, skristi į dangų ar kilnoti svarmenis, bet ir pamatyti bei išgirsti tai, ko mūsų pojūčiai nepagauna. Jau seniai turime naktinio matymo prietaisus, termovizorius, ultravioletinių spindulių detektorius, sonarus. Šie prietaisai suteikia mums prieigą prie sugebėjimų, anksčiau matytų tik gyvūnams ar vabzdžiams. Kalbant apie gamtos pasaulio mechanizmus, jie išlieka techninės minties produktais.

Tipiškas šiuolaikinių technologijų, atveriančių akis į naujus pasaulius, pavyzdys – lęšiai su itin plonu grafeno detektoriumi, veikiančiu visame infraraudonųjų spindulių diapazone. Jie buvo sukurti Amerikos Mičigano universitete, atlikus prof. Zhaohui Zhong. Kita mokslininkų ir inžinierių grupė, vadovaujama Džozefas Fordas iš UC San Diego ir Erica Tremblay iš Mikroinžinerijos instituto Lozanoje – savo ruožtu ji sukūrė kontaktinius lęšius su poliarizuojančiu filtru, panašius į nešiojamus 3D kino teatruose, leidžiančius matyti su beveik tris kartus didesniu padidinimu.

Žinoma, taip pat yra išplėstoji realybėkuri ne tik leidžia gydytojams be chirurginio įsikišimo pažvelgti į žmogaus kūno vidų, bet ir gali padėti, pavyzdžiui, ugniagesiams greitai orientuotis ir ieškoti žmonių gaisro sąlygomis, kai matomumas tampa prastas ar net nulinis. C Per šalmą turi įmontuotą termovizinę kamerą, iš kurios vaizdas perduodamas ugniagesiui su šalmu tiesiai ekrane prieš akis. Iš kitos pusės Stryker II sistema, sukurtas BAE Systems lėktuvų pilotams, integruotas su šalmu, aprūpintas jutikliais, kurie automatiškai nustato piloto akinius į naktinį režimą su naktiniu matymu.

Pagaliau galite pasiekti kameros, kurios mato nematomą. Net daiktai už pastato kampo. Išradimą, kuris leido tai padaryti, sukūrė Bonos (Vokietija) ir Britų Kolumbijos (Kanada) universitetų mokslininkai. Jis pagrįstas vaizdų atkūrimu už regėjimo lauko ribų naudojant išsklaidytą šviesą. Taikant šį metodą naudojamas lazerio spindulys, projektuojamas ant sienos, uždengiantis tai, ką reikėtų stebėti per fotoaparato objektyvą. Prietaisas surenka daug įvairių šviesos atspindžių ir juos susumuoja, bandydamas sukurti gautą, t.y. vaizdo kontūras. Iš pradžių fotoaparato vaizdo ieškiklyje tiesiog matote sieną. Tačiau po kurio laiko, kai pradeda veikti subtilūs matematiniai algoritmai, atskleidžiantys vadinamąjį vaizdo aidą (t. y. nedidelis šviesos kiekis, atsispindintis nuo objekto, išsklaidytas, o paskui krentantis ant sienos paviršiaus), pradedame matyti. už kampo paslėptos figūros. Jokia gyva būtybė tokių dalykų nebegali daryti!

Taip pat yra būdų, kaip „Pamatyti“ kažką tamsojeir jiems nereikia daugiau fotonų viename pikselyje. Pavyzdžiui, tas, kuris išsivystė Ahmedas Kirmanjegas iš Masačusetso technologijos instituto (MIT) ir paskelbtas žurnale Science. Prietaisas, kurį jis ir jo komanda sukūrė, Kirmani tamsoje skleidžia mažos galios lazerio impulsą, kuris, atsispindėjęs nuo objekto, į detektorių įrašo vieną pikselį. Pats principas nėra naujas. Naujas yra sudėtingas algoritmas, kuriam norint sukurti vaizdą reikia daug mažiau fotonų nei anksčiau. Paskaičiuota, kad pakanka tik šimtosios dalies to, ko reikia šiuo metu naudojamiems šviesos detektoriams sunkiomis sąlygomis, pavyzdžiui, LIDAR technologijoje.

Žvelgiant į veikiantį variklį AR technikoje

Kadangi yra papildyta realybe pagrįstų galimybių iš ten sklindančių garsų pagalba „pamatyti“ veikiančio automobilio variklio vidų, gali būti laikas kamera, kuri „skaito“ garsus iš vaizdo? Tokio įrenginio prototipą sukūrė MIT, Microsoft ir Adobe. Atitinkamas algoritmas užfiksavo kalbos garsus, sklindančius iš bulvių traškučių maišelio, nuo kurio diktofonas buvo atskirtas garsui nepralaidžiu stiklu. Kituose eksperimentuose buvo galima atkurti garsą iš tylaus vaizdo. Šis metodas pagrįstas „išvadomis“ apie garsus, analizuojant objektų judėjimą ir vibraciją.

Sunku nepastebėti, kad veržimasis link biomimetizmo ir neuromorfizmo bei tolesni sprendimai, stiprinantys mūsų pojūčius, aiškiai parodo, kaip šiuolaikinės technologijos, nepaisant daugybės baimių, vis dar orientuotos į žmogų.