Моделювання мозку: як нейроморфна архітектура наближає нас до мрії?


Людський мозок містить близько 100 мільярдів нейронів. Кожен з них пов’язаний з іншими в середньому за допомогою 2000 з’єднань — синапсів. Змоделювати такий рівень взаємопов’язаності навіть на суперкомп’ютерах із топ-500 поки що неможливо. Ключове слово саме «поки», бо у вчених й інженерів уже давно з’явилася ідея, як це можна змінити. Вони подумали: якщо найпотужніші комп’ютери сучасності, що базуються на архітектурі фон Неймана, не настільки добрі для моделювання нейронних процесів, значить, потрібен принципово інший підхід. Звернувшись за підказкою і натхненням до нейробіології, учені розробили нейроморфну обчислювальну архітектуру. В її основі лежить емуляція (копіювання) роботи нейронів, які обробляють сигнали зовнішнього світу, що надходять з органів чуттів. Можливо, у майбутньому вона дозволить точніше реконструювати процеси, що відбуваються в нашому мозку (наприклад, когнітивні — пам’ять, мислення, увагу  тощо), і надавати більш ефективну допомогу людям із психічними розладами.

Повільний SPAUN

Дуже спрощений прототип функціональної моделі мозку колись намагався створити Chris Eliasmith з канадського університету Ватерлоо. Якщо точніше, то це було в 2012 році. Модель називалася SPAUN (Semantic Pointer Architecture Unified Network) і складалася з 2,5 мільйонів «нейронів». Як розповів сам дослідник, від інших подібних моделей SPAUN відрізнявся наявністю поведінки. Наприклад, він «бачив» цифри, запам’ятовував їх і потім відтворював, рухаючи «рукою». Загалом він міг виконувати вісім різних завдань — від малювання копій та рахування до відповідей на запитання. Прикметною властивістю SPAUN було те, що він міг досить гнучко координувати кілька функцій (зір, пам’ять, відтворення, рух), тобто імітувати взаємозв’язок між різними структурами мозку. Цікаво, що SPAUN, як і людина, краще запам’ятовував цифри, показані йому на початку і в кінці (ефект свіжості). Щоправда, усе відбувалося дуже довго. Для симуляції однієї секунди дії SPAUNові було потрібно 2,5 годин комп’ютерних обчислень. Можливо, якби в той час модель можна було запустити на нейроморфних платформах, вона би працювала набагато швидше.

Що не так із сучасним комп’ютером?

Учені дійсно стараються, але на сьогодні симуляції, запущені на найшвидших і найпотужніших комп’ютерах, здатні імітувати лише близько одного відсотка людського мозку. І це, повірте, уже величезний успіх. Наш мозок — настільки складна й пластична машина, що навіть такий результат викликає захоплення.

Комп’ютери встигли перевершити людину в багатьох речах: у виконанні арифметичних операцій, рішенні громіздких систем рівнянь. Що казати: вони навіть у шахи та китайську логічну гру го грають краще за нас. Проте в простих і типових для людини заняттях як-от, наприклад, розуміння мови, інтерпретація абстрактних понять, формування власних переконань на основі життєвого досвіду, вони зовсім безпорадні. Для того щоб навчити комп’ютер міркувати і діяти, як людина, потрібно передусім докладно розібратися, яким саме чином працює наш мозок. Ученим важливо розуміти, як із взаємодії базових компонентів нервової системи (наприклад, тих же самих нейронів) народжуються такі дивовижні речі як свідомість, мислення, увага, пам’ять тощо. Для цього вони складають свої гіпотези і теоретичні моделі, які потім тестують за допомогою програм (симуляцій) на потужному обчислювальному обладнанні. Однак обчислювальних потужностей традиційних комп’ютерних процесорів стало бракувати, тому інженери заговорили про зовсім іншу парадигму процесорів — нейроморфну.У біологічних нейронних мережах передача сигналу від нейрона до нейрона відбувається завдяки виникненню потенціала дії (нервовому імпульсу) — короткочасного відхилення мембранного потенціалу клітини від її потенціалу спокою. У нейроморфних чипах теж є свої «нейрони», які передають сигнал одне одному за допомогою короткочасних електричних потенціалів. Цей підхід дозволяє мікросхемам споживати дуже мало енергії і зберігати енергоефективність навіть за об’єднання в дуже великі системи.

Як працюють нейроморфні чипи?

Якщо основою звичних нам процесорів є цифрові транзистори, то в нейроморфних чипах можуть використовуватися їхні аналогові замінники. Маленькі струми, що виникають в аналоговому ланцюзі, коли він перебуває у вимкненому стані, схожі на потік іонів калію і натрію через мембрану клітини, коли вона знаходиться в стані спокою (натрій-калієвий насос). У таких нейроморфних мікросхемах сигнали передаються через реальні стрибки напруги, які, як й імпульси в нервових клітинах, можуть мати різну інтенсивність.

У нейроморфних чипах з аналоговими транзисторами є свої мінуси: сигнали, що передаються, потребують більшої точності. З цієї причини такі технологічні гіганти, як, наприклад, IBM і Intel зробили ставку на нейроморфні мікропроцесори з цифровими транзисторами, у яких «імпульси» не імітуються стрибками напруги, а є пакетами інформації.

У традиційному мікропроцесорі обробка та зберігання даних розділені. Перше здійснюється в його арифметико-логічних компонентах, друге — у його регістрах пам’яті. У нейрочипі такого розділення немає. Усе відбувається в штучних нейронах. Нейроморфні чипи також не мають проблеми високого розсіювання потужності. Це робить їх більш енерогоефективними в порівнянні з процесорами традиційної архітектури з фіксованою подачею напруги.

Human Brain Project

Одними з перших нейроморфною архітектурою зацікавилися нейробіологи та інші вчені, які займаються моделюванням мозку в усіх його аспектах. Так нейропроцесори зараз використовуються на обчислювальних платформах європейської наукової ініціативи Human Brain Project (HBP). У межах проекту HBP, який запустили ще 2013 року, ученим зі всього світу пропонується інфраструктура для досліджень мозку. Їм відкрито доступ до необхідних даних та надаються обчислювальні потужності для їх аналітики, реплікації архітектури тощо. Зокрема, йдеться про системи BrainScaleS і SpiNNaker.

BrainScales

Фізична машина Brainscale S -1 у німецькому Гамбурґзі. Джерело зображення: NBP

Фізична машина Brainscale S (NM-PM1) має чотири мільйони штучних нейронів і один мільярд штучних синапсів, які «розміщені» на 20 кремнієвих пластинах. Кожна пластина містить 200 000 нейронів і 50 мільйонів синапсів. Система працює в 10 000 разів швидше, ніж її біологічний прототип. Це дозволяє стиснути день біологічного розвитку до 10 секунд. В основі роботи системи лежить не зовнішнє програмування, а її самонавчання. Завдяки цій особливості вчені сподіваються знайти більш точне розуміння того, як під час обробки інформації в мозку працюють окремі нейрони, їхні популяції і цілі мозкові структури на різних проміжках часу — від мілісекундних реакцій на якусь подію до годин і днів, тобто часу, необхідного для розвитку мозку і його навчання. Мета нейробіологів — побудувати теорії, згідно з якими потім, імовірно, можна буде повноцінно відтворити в машинах когнітивні навички людини, у яких велику роль грає нова мозкова кора (неокортекс).

SpiNNaker

SpiNNaker —  це паралельна обчислювальна архітектура, яка об’єднує в собі традиційні багатоядерні процесори на основі архітектури ARM (яка використовується в смартфонах та планшетах). Поточна реалізація (NM-MC-1) має один мільйон ядер. Один чип містить 144 ядра ARM Cortex M4 та може імітувати 16 000 нейронів з 8 мільйонами пластичних синапсів. Він споживає близько 1 Вт потужності. За допомогою SpiNNaker планують змоделювати 100 млн нейронів мозку миші в режимі реального часу. За розрахунками, це повинно бути в тисячу разів швидше, ніж зараз пропонують суперкомп’ютери. Що стосується людського мозку, то тут амбіцією вчених поки що є моделювання лише невеликої структури, мікроколонки кори великих півкуль, що об’єднує кілька шарів кори. Для порівняння кора людського мозку має аж 2⋅108 таких мікроколонок

Нейроморфні архітектури оптимізовані для швидкого й ефективного навчання нейронних мереж. Їх об’єднує висока швидкість обчислень за низького споживання енергії.

Висновок

Нейроморфна архітектура обчислювальних пристроїв дозволить проводити більш складні симуляції процесів, що відбуваються в нашому мозку. А це означає, що ми поступово наближаємося до розуміння того, як працює наш головний орган. Говорити про «сильний» штучний інтелект (аналог людського) поки ще рано. А ось знайти безліч варіантів застосування нових нейробіологічних моделей у різних сферах — від технології до психології, звичайно, можна (згадаємо, звідки з’явилися нейромережі) і навіть потрібно.

Проте давайте будемо відвертими: люди поки не побудували штучний людський мозок. Вони взагалі не побудували нічий мозок, навіть гризуна. Однак вони створили комп’ютери з принципово іншою, нейроморфною архітектурою, використавши спрощену модель комунікації нейронів між собою. І вона дає нам велику надію. Тому давайте побажаємо вченим терпіння і наснаги, а самі будемо стежити за їх новими відкриттями.

Джерела / що почитати ще?

The Scientist. May 2019. Building a Silicon Brain.

The HBP Neuromorphic Computing Platform. Guidebook.

Front. Neurosci., 23 May 2018 | https://doi.org/10.3389/fnins.2018.00291.

Human Brain Project. News, 26 Feb 2018. Computers learn to learn. How to build a brain. Chris Eliasmith at TEDxWaterloo

Обговорення

Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься.