Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Поток Научпоп доступен 24/7 благодаря поддержке друзей Хабра
Комментарии 16
находятся ряды непрерывно гудящих чёрных шкафов размером с холодильни
А вы точно это для it-сайта писали, а не в женский журнал?
Зачем аппаратному обеспечению быть мыслящим и чувствующим? Какие практические проблемы это решает?
Какие практические проблемы это решает?
А какие практические проблемы решает видеокарта в вашем компьютере?
Массу самых разных. Это интрумент, который ничем больше не является и меня это вполне устраивает. Но если кто-то говорит, что железке нужно мышление и чувства, я это вижу как замах поменять её статус с «инструмента» на «личность». Вот и возникает вопрос, зачем.
Массу самых разных.
В основном (я не про конкретно вас, а про некоего среднего владельца видеокарт) она просто развлекает человека. При этом это сложнейшее техническое устройство, которое служит вот для такой нехитрой цели.
Так же и создание личности в железяке - это своего рода развлечение, только научное и инженерное. Разве вам не интересно получить ответ на вопрос, что нужно сделать для искусственного создания личности?
А какой, всё же, ответ на вопрос, зачем вам видеокарта в компьютере? Если ваш ответ «меня вполне устраивает», то здесь будет такой же ответ. Исследователей вполне устраивает, что железка мыслит. Их вполне устраивает, что она личность (не сейчас, но будет, когда доделают).
Чтобы появились новые профессии - киберпсихолог и киберпсихиатр.
Немного двоякое отношение, столько шума, а если внимательно почитать статью и вникнуть в имульсные сети (спайковые), то окажется слишком много шума. Для примера, что было реально получено в рамках данной работы:
1) Запуск модели - подтверждение, что запустить реально. 1 симуляция биологического времени занимает десятки секунд реального - это главный подтверждённый результат, а не какие-то другие утверждения.
2) Что система не уходит в разнос. Численная валидация сохраняется, то ест нет переполнений, выход за пределы (хотя они и так ограничены у них формулами), нет числовых взрывов. То есть числовая проверка, а не биологическая. Именно только проверка, а не обучение или реальные сигналы какого-то процесса.
3) показали некоторые метрики, например распределения спайков по областям. То есть это не сравнение с биологическими реальными измерениями такого же процесса, а просто метрики внутри системы. Тут нет ни KL-сравнений, ни спектральных совпадений, ни корреляционных метрик и так далее.
А теперь самое интересное. Что НЕ было сделано (и это прямо видно в тексте):
нет обучения: нет STDP, нет пластичности, веса фиксированы.
нет задачи, нет входа, нет выхода, нет поведения.
нет функциональной валидации: не показано, что области выполняют свои биологические функции, не показано воспроизведение известных кортикальных паттернов.
ну и главное, нет теоретических выводов: ни одной теоремы, ни одного утверждения о принципах работы мозг
То есть доказали вычислительная осуществимость, того же, что сами математически задали. Численная стабильность, то есть может работать без разноса, хотя тут вопросы - время маленькое на демо, обучения нет, просто динамика каких-то значений. Что можно вообще запустить на данной инфраструктуре. Все, ни каких больше доказательств или выводов с статье нет.
НЕ доказано, что модель: что-то вычисляет, что-то репрезентирует, что-то понимает, что-то объясняет в нейронауке.
Не доказано: соответствие живому мозгу, воспроизведение когнитивных функций, объяснение интеллекта.
Статья по сути: “Мы смогли собрать и запустить огромную модель сферического коня в вакууме”
Эта статья НЕ подтверждает гипотезу SNN / нейроморфики / мозга как сети спайков.
Она подтверждает только:
детализированная динамическая система может быть просчитана в огромном масштабе
Никакой новой нейронаучной истины из неё логически не следует.
Скрытый текст
Если что сама статья называется и ее можно найти:
Microscopic-Level Mouse Whole Cortex Simulation Composed of 9 Million Biophysical Neurons and 26 Billion Synapses on the Supercomputer Fugaku RIN KURIYAMA, The University of Electro-Communications, Chofu, Tokyo, Japan KAAYA AKIRA, The University of Electro-Communications, Chofu, Tokyo, Japan LAURA GREEN BEATRIZ HERRERA KAEL DAI MARI IURA, The University of Electro-Communications, Chofu, Tokyo, Japan View all Open Access Support provided by: Research Organization for Information Science and Technology RIKEN Center for Computational Science The University of Electro-Communications Yamaguchi University
Авторы подчёркивают, что модель ещё не включает:
пластичность/обучение (изменения весов синапсов) — нет адаптации во времени
сенсорные входы и взаимодействие с внешним миром
полный объём мозга (только кора)
гормональные/нейромодуляторные эффекты
восприятие, поведение, функции
Это означает, что симуляция показывает динамику. И есть вопрос к этому. Те же SNN (спайковые сети) можно сказать что не работают (то что они могут реализовывать простейшие фильтры не в счет). Я нисколько не принижаю данную работу, но пока скептически отношусь к ней. Так как пока не увидел в ней доказательств того, что созданная ими махина реально как-то связана с работой нейронных клеток, я не просто сделана по их подобию (представлению, хотя и описанному математически).
Нужно получить первые подтверждения, что математический аппарат, на котором данная махина построена, действительно выдает тоже самое, что и живые ансамбли нейронов.
Так получается, чтобы ответить на ваш вопрос, надо не только мозг оцифровать (ну или описать математически), а еще и всю остальную мышу, с глазами, шерстью, гормонами, скелетом, всей биологией и нервами... И к мыши должны еще прилагаться какое-то окружение, корм и сородичи (ну это видится самым простым).
А то получается, создали они мозг как у новорожденной мыши, которая ничего еще об этом мире не знает (окромя инстинктов), и он просто подвешен в "нигде". И как учиться будет такой мозг?
Нет, они сделали другое. Они написали свою интерпретацию работы нейронов. Замечу. интерпретацию, которая может выдавать похожие сигналы (конкретные) в абстрактном вакууме, если настроить множество параметров. То есть иными словами - выдвинули гипотезу, что работа нейрона описывается таким математическим аппаратом. И в данном опыте масштабировали его. У данной модели пока нет доказательной основы, что она реализует механизм нейрона. У нее нет механизмом для обучения, этого не заложено в модель. На ней нельзя пока проверить работу реальных участков мозга, но можно сравнить маленькие участки сигналов мозга и данной симуляции, чтобы доказать, что она верно реализует реальный механизм. Но чтобы это сделать, надо разработать правильные механизмы подачи внешних сигналов на нейроны, обучения таких нейронов. Так как классические SNN (спайковые сети) в плане обучения тут не подходят, так как они "не обучаются" нормально.
Суть данной работы, что на базе разработанной гипотезы, был описан математический аппарат. И данный эксперимент показал, что если этот математический аппарат применить не к одному, а к огромному кластеру элементов, то он не развалиться (не выдаст ошибок, числа не уплывут). Все, больше ничего в рамках эксперимента доказано не было. Здесь не было доказано, что данный математический аппарат действительно совпадает с биологическим в процессе работы. Только то, что он не развалился во время работы, через заданное небольшое время.
Они взяли механизм (химический) передачи сигнала между синапсами, со всеми специфическими рецепторами, с выработкой всех нейромедиаторов и смоделировали его работу, масштабировав до уровня мозга мыши, или что они там сделали? Я так и не понял.
До этой работы были выдвинуты гипотезы, как работают различные процессы на уровне нейрона. Они были описаны математически и написан симулятор на основе этих формул. Из научных исследования были взяты значения параметров (данные из сканирования мозга мыши), которые были получены при различных исследованиях. Этими данными были инициализированы значения параметров в описанных ими математических формулах. После этого симуляция была запущена для огромного числа таких инициализированных элементов. Задачей эксперимента была проверить, не "упадет" ли вообще модель, например в нейронных сетях есть взрывы градиентов. Аналогично тут, хотели проверить, не будет ли каких проблем, вдруг какие-то значения пойдут в разнос, так как упустили какие-то ограничения.
Это можно представить так. Мы делаем игру, наделяем элементы какими-то правилами. Заранее инициализируем их. Запускаем игру с миллиардом таких элементов и смотрим, как будут вести себя значения. Мы пока не делаем ни обучения, ни управления ими. Мы делаем проверку, что наша модель не упадет, если мы инициализируем ее и оставим работать на некоторое время с огромным кол-вом элементов на поле. То есть проверяем, масштабируема она или нет.
Поэтому пока говорить о связи с мозгом рано. Да, гипотеза описания формул на основе реальных нейронов. Но пока нет сравнения реального поведения нейронов с таким сигналом и тех что в модели, мы не можем говорить о том, что данная модель симулируем нейроны равносильно нейронам в мозгу.
Где-то встречал предположение, что мозг может использовать не до конца изученные квантовые фокусы, и его симуляция на современных компьютерах не будет на 100% работоспособна.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Учёные создали модель работающего мозга — и теперь, по словам одного из учёных, «возможности безграничны»