Isang organ na nag-coordinate at kumokontrol sa lahat ng mahahalagang function ng katawan at kumokontrol sa pag-uugali. Ang lahat ng aming mga iniisip, damdamin, sensasyon, pagnanasa at paggalaw ay nauugnay sa gawain ng utak, at kung hindi ito gumana, ang tao ay napupunta sa isang vegetative na estado: ang kakayahang magsagawa ng anumang mga aksyon, sensasyon o reaksyon sa mga panlabas na impluwensya ay nawala. .

Ang modelo ng computer ng utak

Ang Unibersidad ng Manchester ay nagsimulang magtayo ng una sa isang bagong uri ng computer, ang disenyo nito ay ginagaya ang istraktura ng utak ng tao, ulat ng BBC. Ang halaga ng modelo ay magiging 1 milyong pounds.

Ang isang computer na binuo sa biological na mga prinsipyo, sabi ni Propesor Steve Furber, ay dapat magpakita ng makabuluhang katatagan sa operasyon. "Ang aming utak ay patuloy na gumagana sa kabila ng patuloy na pagkabigo ng mga neuron na bumubuo sa aming nervous tissue," sabi ni Furber. "Malaki ang interes ng property na ito sa mga designer na interesadong gawing mas maaasahan ang mga computer."

Mga Interface ng Utak

Upang maiangat ang isang baso ng ilang talampakan gamit ang mental energy lamang, ang mga wizard ay kailangang magsanay ng ilang oras sa isang araw.
Kung hindi man, ang prinsipyo ng pingga ay madaling mapiga ang utak sa pamamagitan ng mga tainga.

Terry Pratchett, "Ang Kulay ng Salamangka"

Malinaw, ang pinakamataas na kaluwalhatian ng interface ng tao-machine ay dapat na ang kakayahang kontrolin ang isang makina na may pag-iisip lamang. At ang pagkuha ng data nang direkta sa utak ay ang rurok ng kung ano ang maaaring makamit ng virtual reality. Ang ideyang ito ay hindi bago at itinampok sa malawak na iba't ibang panitikan ng science fiction sa loob ng maraming taon. Narito ang halos lahat ng cyberpunk na may direktang koneksyon sa cyberdecks at biosoftware. At kontrol sa anumang teknolohiya gamit ang isang karaniwang connector ng utak (halimbawa, Samuel Delany sa nobelang "Nova"), at maraming iba pang mga kagiliw-giliw na bagay. Ngunit ang science fiction ay mabuti, ngunit ano ang ginagawa sa totoong mundo?

Lumalabas na ang pag-unlad ng mga interface ng utak (BCI o BMI - interface ng utak-computer at interface ng utak-machine) ay puspusan, bagaman kakaunti ang nakakaalam tungkol dito. Siyempre, ang mga tagumpay ay napakalayo sa kung ano ang isinulat tungkol sa mga nobelang science fiction, ngunit, gayunpaman, medyo kapansin-pansin ang mga ito. Sa kasalukuyan, ang trabaho sa utak at nerve interface ay pangunahing isinasagawa bilang bahagi ng paglikha ng iba't ibang prosthetics at mga aparato upang gawing mas madali ang buhay para sa bahagyang o ganap na paralisadong mga tao. Ang lahat ng mga proyekto ay maaaring nahahati sa mga interface para sa input (pagpapanumbalik o pagpapalit ng mga nasirang organo ng pandama) at output (pagkontrol ng mga prostheses at iba pang mga aparato).

Sa lahat ng pagkakataon direktang input data, ito ay kinakailangan upang magsagawa ng isang operasyon upang itanim ang mga electrodes sa utak o nerbiyos. Sa kaso ng output, maaari kang makakuha ng mga panlabas na sensor para sa pagkuha ng electroencephalogram (EEG). Gayunpaman, ang EEG ay isang medyo hindi mapagkakatiwalaang tool, dahil ang bungo ay lubos na nagpapahina sa mga alon ng utak at tanging napaka-pangkalahatang impormasyon ang maaaring makuha. Kung ang mga electrodes ay itinanim, ang data ay maaaring makuha nang direkta mula sa nais na mga sentro ng utak (halimbawa, mga sentro ng motor). Ngunit ang ganitong operasyon ay isang seryosong bagay, kaya sa ngayon ang mga eksperimento ay isinasagawa lamang sa mga hayop.

Sa katunayan, ang sangkatauhan ay matagal nang may ganoong "solong" computer. Ayon sa co-founder ng Wired magazine na si Kevin Kelly, milyon-milyong mga PC ang nakakonekta sa Internet mga mobile phone, PDA at iba pang mga digital na device ay maaaring ituring bilang mga bahagi ng isang Unified Computer. kanya CPU- ito ang lahat ng mga processor ng lahat ng konektadong device, ang hard drive nito - mga hard drive at mga flash drive sa buong mundo, at ang RAM ay ang kabuuang memorya ng lahat ng mga computer. Bawat segundo, ang computer na ito ay nagpoproseso ng dami ng data na katumbas ng lahat ng impormasyong nasa Library of Congress, at ang operating system nito ay ang World Wide Web.

Sa halip na mga nerve cell synapses, gumagamit ito ng mga katulad na hyperlink na gumagana. Parehong responsable para sa paglikha ng mga asosasyon sa pagitan ng mga node. Ang bawat yunit ng pag-iisip, tulad ng isang ideya, ay lumalaki habang parami nang parami ang mga koneksyon na ginagawa sa iba pang mga kaisipan. Gayundin sa network: ang mas malaking bilang ng mga link sa isang tiyak na mapagkukunan (nodal point) ay nangangahulugan ng mas malaking kahalagahan nito para sa Computer sa kabuuan. Bukod dito, ang bilang ng mga hyperlink sa World Wide Web ay napakalapit sa bilang ng mga synapses sa utak ng tao. Tinatantya ni Kelly na pagsapit ng 2040, ang planetary computer ay magkakaroon ng computing power na katumbas ng collective brain power ng lahat ng 7 bilyong tao na tatahan sa Earth sa panahong iyon.

Ngunit ano ang tungkol sa utak ng tao mismo? Isang matagal nang hindi napapanahong biological na mekanismo. Ang aming gray matter ay tumatakbo sa bilis ng pinakaunang Pentium processor, mula 1993. Sa madaling salita, ang ating utak ay gumagana sa dalas ng 70 MHz. Bilang karagdagan, ang ating utak ay gumagana ayon sa prinsipyo ng analog, kaya walang tanong ng paghahambing sa digital na paraan ng pagproseso ng data. Ito ang pangunahing pagkakaiba sa pagitan ng mga synapses at hyperlink: ang mga synapses, tumutugon sa kanilang kapaligiran at papasok na impormasyon, mahusay na nagbabago sa organismo, na hindi kailanman mayroong dalawang magkatulad na estado. Ang hyperlink, sa kabilang banda, ay palaging pareho, kung hindi man ay magsisimula ang mga problema.

Gayunpaman, dapat itong aminin na ang ating utak ay higit na mahusay kaysa sa anumang artipisyal na sistema na nilikha ng mga tao. Sa isang ganap na misteryosong paraan, ang lahat ng napakalaking kakayahan sa pag-compute ng utak ay matatagpuan sa ating bungo, tumitimbang lamang ng higit sa isang kilo, at sa parehong oras nangangailangan lamang ito ng 20 watts ng enerhiya upang gumana. Ihambing ang mga numerong ito sa 377 bilyong Watts na, ayon sa tinatayang mga kalkulasyon, ay natupok na ngayon ng Isang Computer. Ito, sa pamamagitan ng paraan, ay kasing dami ng 5% ng pandaigdigang produksyon ng kuryente.

Ang katotohanan lamang ng gayong napakalaking pagkonsumo ng enerhiya ay hindi kailanman magpapahintulot sa Unified Computer na lumapit sa kahusayan ng utak ng tao. Kahit noong 2040, kapag ang computing power ng mga computer ay naging sky-high, ang kanilang pagkonsumo ng enerhiya ay patuloy na tataas.

Ang pangunahing ideya ng mga gawa ng sikat na Ray Kurzweil ay artipisyal na katalinuhan, na sa kalaunan ay mangibabaw sa lahat ng larangan ng buhay ng mga tao. Sa kanyang bagong libro, The Evolution of the Mind, inihayag ni Kurzweil ang walang katapusang mga posibilidad ng reverse engineering ng utak ng tao.

Sa parehong artikulo, iniulat ni Turing ang isa pang hindi inaasahang pagtuklas tungkol sa hindi malulutas na mga problema. Ang mga hindi malulutas na problema ay ang mga mahusay na inilarawan ng isang natatanging solusyon (na maaaring ipakita na umiiral), ngunit (na maaari ding ipakita) ay hindi malulutas ng anumang Turing machine (iyon ay, sa pamamagitan ng anumang makina sa lahat). Ang ideya ng pagkakaroon ng gayong mga problema sa panimula ay sumasalungat sa konsepto na nabuo sa simula ng ika-20 siglo. ang dogma na lahat ng problemang mabubuo ay malulutas. Ipinakita ni Turing na ang bilang ng mga hindi malulutas na problema ay hindi bababa sa bilang ng mga malulutas na problema. Noong 1931, dumating si Kurt Gödel sa parehong konklusyon nang bumalangkas siya ng "incompleteness theorem." Ito ay isang kakaibang sitwasyon: maaari tayong bumuo ng isang problema, maaari nating patunayan na ito ay may kakaibang solusyon, ngunit sa parehong oras alam natin na hindi natin mahahanap ang solusyon na ito.

Ipinakita ni Turing na ang mga computing machine ay gumagana sa batayan ng isang napakasimpleng mekanismo. Dahil ang isang Turing machine (at samakatuwid ang anumang computer) ay maaaring matukoy ang susunod na function nito batay sa mga nakaraang resulta nito, ito ay may kakayahang gumawa ng mga desisyon at lumikha ng hierarchical na istruktura ng impormasyon ng anumang kumplikado.

Noong 1939, idinisenyo ni Turing ang Bombe electronic calculator, na tumulong sa pag-decipher ng mga mensaheng pinagsama-sama ng mga German sa Enigma coding machine. Pagsapit ng 1943, isang pangkat ng mga inhinyero na may partisipasyon ni Turing ang nakakumpleto sa makina ng Colossus, na kung minsan ay tinatawag na unang computer sa kasaysayan. Pinahintulutan nito ang mga Allies na maunawaan ang mga mensaheng ginawa kumplikadong bersyon Enigma. Ang mga makina ng Bombe at Colossus ay idinisenyo upang magsagawa ng isang gawain at hindi mai-reprogram. Ngunit ginampanan nila ang kanilang tungkulin nang mahusay. Ito ay pinaniniwalaan na bahagyang dahil sa kanila, ang mga Allies ay nagawang mauna ang mga taktika ng Aleman sa buong digmaan, at ang Royal Air Force ay nagawang talunin ang mga puwersa ng Luftwaffe nang tatlong beses na mas malaki kaysa sa kanila sa Labanan ng Britanya.

Sa batayan na ito nilikha ni John von Neumann ang kompyuter ng modernong arkitektura, na sumasalamin sa ikatlo sa apat na pinakamahalagang ideya ng teorya ng impormasyon. Sa halos pitumpung taon mula noon, ang pangunahing core ng makinang ito, na tinatawag na von Neumann machine, ay nanatiling halos hindi nagbabago - mula sa microcontroller sa iyong washing machine hanggang sa pinakamalaking supercomputer. Sa isang artikulo na inilathala noong Hunyo 30, 1945, na pinamagatang "Unang Draft na Ulat sa EDVAC", binalangkas ni von Neumann ang mga pangunahing ideya na gumabay sa pag-unlad ng computer science mula noon. Ang isang von Neumann machine ay naglalaman ng isang sentral na yunit ng pagpoproseso kung saan isinasagawa ang mga aritmetika at lohikal na operasyon, isang memory module kung saan ang mga programa at data ay naka-imbak, mass memory, isang program counter at input/output channels. Bagaman ang artikulo ay inilaan para sa panloob na paggamit bilang bahagi ng proyekto, ito ay naging Bibliya para sa mga tagalikha ng kompyuter. Ganito kung minsan ang isang simpleng nakagawiang ulat ay maaaring baguhin ang mundo.

Ang Turing machine ay hindi inilaan para sa mga praktikal na layunin. Ang mga teorema ni Turing ay hindi nag-aalala sa kahusayan ng paglutas ng problema, ngunit sa halip ay inilarawan ang hanay ng mga problema na maaaring malutas sa teorya ng isang computer. Sa kaibahan, ang layunin ni von Neumann ay lumikha ng konsepto ng isang tunay na computer. Pinalitan ng kanyang modelo ang one-bit Turing system ng isang multi-bit (karaniwan ay isang multiple ng walong bits) na sistema. Ang Turing machine ay may serial memory tape, kaya ang mga programa ay gumugugol ng napakatagal na oras sa paglipat ng tape pabalik-balik para sa pagsulat at pagkuha. mga intermediate na resulta. Sa kaibahan, sa isang von Neumann system, ang memorya ay random na na-access, na nagpapahintulot sa anumang nais na data na makuha kaagad.

Ang isa sa mga pangunahing ideya ni von Neumann ay ang konsepto ng nakaimbak na programa, na binuo niya sampung taon bago ang paglikha ng computer. Ang kakanyahan ng konsepto ay ang programa ay naka-imbak sa parehong random na access memory module bilang ang data (at madalas kahit na sa parehong bloke ng memorya). Pinapayagan ka nitong i-reprogram ang computer upang malutas ang iba't ibang mga problema at lumikha ng self-modifying code (sa kaso ng pag-record ng mga drive), na nagbibigay ng posibilidad ng recursion. Hanggang sa panahong iyon, halos lahat ng mga computer, kabilang ang Colossus, ay nilikha upang malutas ang mga partikular na problema. Ang konsepto ng isang naka-imbak na programa ay nagpapahintulot sa computer na maging isang tunay na unibersal na makina, na naaayon sa ideya ni Turing ng pagiging pangkalahatan ng machine computing.

Ang isa pang mahalagang katangian ng isang von Neumann machine ay ang bawat pagtuturo ay naglalaman ng isang operation code na tumutukoy sa isang arithmetic o logical na operasyon at ang address ng operand sa memorya ng computer.

Ang konsepto ni Von Neumann sa arkitektura ng computer ay makikita sa proyekto ng EDVAC, kung saan nagtrabaho siya kasama sina Presper J. Eckert at John Mauchly. Ang EDVAC computer ay hindi naging operational hanggang 1951, nang umiral na ang iba pang nakaimbak na program computer, tulad ng Manchester Small Experimental Machine, ENIAC, EDSAC at BINAC, na lahat ay nilikha sa ilalim ng impluwensya ng papel ni von Neumann at sa partisipasyon ni Eckert at Mauchly. Si Von Neumann ay kasangkot din sa pagbuo ng ilan sa mga makinang ito, kabilang ang pinakabagong bersyon ENIAC, na gumamit ng nakaimbak na prinsipyo ng programa.

Ang computer ng arkitektura ng von Neumann ay may ilang mga nauna, ngunit wala sa kanila - na may isang hindi inaasahang pagbubukod - ay maaaring tawaging isang tunay na makina ng von Neumann. Noong 1944, inilabas ni Howard Aiken ang Mark I, na maaaring reprogrammable sa ilang lawak, ngunit hindi gumamit ng nakaimbak na programa. Binasa ng makina ang mga tagubilin mula sa punched card at agad itong inilabas. Ang kotse ay hindi rin nagbigay ng mga kondisyonal na paglipat.

Noong 1941, nilikha ng German scientist na si Konrad Zuse (1910–1995) ang Z-3 computer. Binasa din nito ang programa mula sa tape (sa kasong ito, naka-encode sa tape) at hindi rin nagsagawa ng mga kondisyonal na sangay. Kapansin-pansin, nakatanggap si Zuse ng pinansiyal na suporta mula sa German Institute of Aircraft Engineering, na ginamit ang computer na ito upang pag-aralan ang flutter ng isang aircraft wing. Gayunpaman, ang panukala ni Zuse na tustusan ang pagpapalit ng mga relay na may mga radio tubes ay hindi suportado ng gobyerno ng Nazi, na isinasaalang-alang ang pagpapaunlad ng teknolohiya ng computer na "hindi kahalagahan ng militar." Ito, sa tingin ko, ay nakaimpluwensya sa kinalabasan ng digmaan sa isang tiyak na lawak.

Sa katunayan, si von Neumann ay may isang napakatalino na hinalinhan, at nabuhay siya ng isang daang taon bago nito! Inilarawan ng English mathematician at imbentor na si Charles Babbage (1791–1871) ang kanyang Analytical Engine noong 1837, na batay sa parehong mga prinsipyo tulad ng computer ni von Neumann at gumamit ng nakaimbak na programa na naka-print sa mga punched card sa mga jacquard weaving machine. Ang memorya ng random access machine ay naglalaman ng 1,000 salita ng 50 decimal na lugar bawat isa (katumbas ng humigit-kumulang 21 kilobytes). Ang bawat tagubilin ay naglalaman ng isang opcode at isang operand na numero - tulad ng sa mga modernong wika sa computer. Ang sistema ay hindi gumamit ng mga kondisyonal na sanga o mga loop, kaya ito ay isang tunay na makina ng von Neumann. Ganap na mekanikal, tila nalampasan nito ang parehong mga kakayahan sa disenyo at organisasyon ng Babbage mismo. Gumawa siya ng mga bahagi ng makina, ngunit hindi ito inilunsad.

Hindi tiyak kung alam ng mga 20th-century computer pioneer, kabilang si von Neumann, ang gawain ni Babbage.

Gayunpaman, ang paglikha ng makina ni Babbage ay minarkahan ang simula ng pag-unlad ng programming. Ang Ingles na manunulat na si Ada Byron (1815–1852), Countess of Lovelace, ang tanging lehitimong anak ng makata na si Lord Byron, ang naging unang computer programmer sa mundo. Sumulat siya ng mga programa para sa Babbage's Analytical Engine at na-debug ang mga ito sa kanyang ulo (dahil hindi gumana ang computer). Ngayon ang mga programmer ay tinatawag itong practice table checking. Isinalin niya ang isang artikulo ng Italian mathematician na si Luigi Menabrea tungkol sa Analytical Engine, idinagdag ang sarili niyang makabuluhang komento at binanggit na "ang Analytical Engine ay naghahabi ng mga pattern ng algebraic tulad ng isang jacquard loom na naghahabi ng mga bulaklak at dahon." Maaaring siya ang unang nagbanggit ng posibilidad na lumikha ng artipisyal na katalinuhan, ngunit napagpasyahan na ang analytical engine "ay hindi may kakayahang makabuo ng anumang bagay sa sarili nitong."

Mukhang kamangha-mangha ang mga ideya ni Babbage kung isasaalang-alang ang panahon kung saan siya nanirahan at nagtrabaho. Gayunpaman, sa kalagitnaan ng ika-20 siglo. ang mga ideyang ito ay halos nakalimutan (at natuklasan lamang sa ibang pagkakataon). Si von Neumann ang nag-imbento at nagbalangkas ng mga pangunahing prinsipyo ng pagpapatakbo ng isang computer sa modernong anyo nito, at hindi para sa wala na ang makina ng von Neumann ay patuloy na itinuturing na pangunahing modelo ng isang computer. Gayunpaman, huwag nating kalimutan na ang makina ng von Neumann ay patuloy na nagpapalitan ng data sa pagitan ng mga indibidwal na modyul at sa loob ng mga modyul na ito, kaya hindi ito malilikha nang wala ang mga teorema ni Shannon at ang mga pamamaraan na iminungkahi niya para sa maaasahang paghahatid at pag-iimbak ng digital na impormasyon.

Ang lahat ng ito ay nagdadala sa amin sa pang-apat na mahalagang ideya, na nagtagumpay sa mga konklusyon ni Ada Byron tungkol sa kawalan ng kakayahan ng mga computer na mag-isip nang malikhain at nagbibigay-daan sa amin upang mahanap ang mga pangunahing algorithm na ginagamit ng utak, na pagkatapos ay magagamit upang gawing utak ang isang computer. Binumula ni Alan Turing ang problemang ito sa kanyang papel na "Computing Machines and Intelligence," na inilathala noong 1950, na inilarawan ang kilalang Turing test ngayon upang matukoy ang kalapitan ng AI sa katalinuhan ng tao.

Noong 1956, nagsimulang maghanda si von Neumann ng isang serye ng mga lektura para sa prestihiyosong Silliman Readings sa Yale University. Ang siyentista ay may sakit na sa kanser at hindi niya nagawang ihatid ang kanyang mga lektura o kahit na tapusin ang manuskrito kung saan nakabatay ang mga lektura. Gayunpaman, ang hindi natapos na gawaing ito ay isang napakatalino na hula sa kung ano ang personal kong nakikita bilang ang pinakamahirap at mahalagang proyekto sa kasaysayan ng sangkatauhan. Pagkamatay ng siyentipiko, noong 1958, inilathala ang manuskrito sa ilalim ng pamagat na "Computer and Brain." Ito ay nangyari na ang huling gawain ng isa sa pinakamatalino na mathematician ng huling siglo at isa sa mga tagapagtatag ng teknolohiya ng computer ay naging nakatuon sa pagsusuri ng pag-iisip. Ito ang unang seryosong pag-aaral ng utak ng tao mula sa pananaw ng isang matematiko at computer scientist. Bago kay von Neumann, ang computing at neuroscience ay dalawang magkahiwalay na isla na walang tulay sa pagitan nila.

Sinimulan ni Von Neumann ang kuwento sa pamamagitan ng paglalarawan ng mga pagkakatulad at pagkakaiba sa pagitan ng isang computer at ng utak ng tao. Kung isasaalang-alang ang panahon kung saan nilikha ang gawaing ito, tila nakakagulat na tumpak. Sinabi ng siyentipiko na ang output signal ng isang neuron ay digital - ang axon ay nasasabik o nananatili sa pahinga. Sa oras na iyon ito ay malayo mula sa halata na ang output signal ay maaaring iproseso analoguely. Ang pagpoproseso ng signal sa mga dendrite na humahantong sa neuron at sa katawan ng neuron ay analog, at inilarawan ni von Neumann ang sitwasyong ito gamit ang isang timbang na kabuuan ng mga input signal na may halaga ng threshold.

Ang modelong ito ng neuronal functioning ay humantong sa pag-unlad ng connectionism at paggamit ng ang prinsipyong ito para sa paglikha ng parehong disenyo ng hardware at mga programa sa computer. (Tulad ng inilarawan ko sa nakaraang kabanata, ang unang ganoong sistema, katulad ng programang IBM 704, ay nilikha ni Frank Rosenblatt ng Cornell University noong 1957, pagkatapos lamang na makuha ang manuskrito ng mga lektura ni von Neumann.) Ngayon mayroon na tayong mas kumplikadong mga modelong naglalarawan kumbinasyon ng mga neuronal input, ngunit ang pangkalahatang ideya ng analog signal processing sa pamamagitan ng pagbabago ng konsentrasyon ng neurotransmitters ay may bisa pa rin.

Batay sa konsepto ng universality ng computer computing, dumating si von Neumann sa konklusyon na kahit na may tila radikal na pagkakaiba sa arkitektura at istrukturang mga yunit ng utak at computer, gamit ang von Neumann machine maaari nating gayahin ang mga prosesong nagaganap sa utak. Ang converse postulate, gayunpaman, ay hindi wasto, dahil ang utak ay hindi isang von Neumann machine at walang nakaimbak na programa (bagaman sa ulo maaari nating gayahin ang pagpapatakbo ng isang napakasimpleng Turing machine). Ang mga algorithm o pamamaraan ng paggana ng utak ay tinutukoy ng istraktura nito. Tamang napagpasyahan ni Von Neumann na ang mga neuron ay maaaring matuto ng mga naaangkop na pattern batay sa mga signal ng input. Gayunpaman, sa panahon ni von Neumann hindi alam na ang pag-aaral ay nangyayari din sa pamamagitan ng paglikha at pagkasira ng mga koneksyon sa pagitan ng mga neuron.

Itinuro din ni Von Neumann na ang bilis ng pagproseso ng impormasyon ng mga neuron ay napakababa - sa pagkakasunud-sunod ng daan-daang mga kalkulasyon bawat segundo, ngunit binabayaran ito ng utak sa pamamagitan ng sabay-sabay na pagproseso ng impormasyon sa maraming mga neuron. Ito ay isa pang halata ngunit napakahalagang pagtuklas. Nagtalo si Von Neumann na ang lahat ng 10 10 neuron sa utak (ang pagtatantya na ito ay medyo tumpak din: ayon sa mga ideya ngayon, ang utak ay naglalaman ng mula 10 10 hanggang 10 11 neuron) nang sabay-sabay na nagpoproseso ng mga signal. Bukod dito, ang lahat ng mga contact (sa average mula 10 3 hanggang 10 4 bawat neuron) ay binibilang nang sabay-sabay.

Isinasaalang-alang ang primitive na estado ng neuroscience noong panahong iyon, ang mga pagtatantya at paglalarawan ni von Neumann ng neuronal function ay kapansin-pansing tumpak. Gayunpaman, hindi ako sumasang-ayon sa isang aspeto ng kanyang trabaho, lalo na ang ideya ng kapasidad ng memorya ng utak. Naniniwala siya na naaalala ng utak ang bawat senyales sa buhay. Tinantya ni Von Neumann ang average na haba ng buhay ng tao sa 60 taon, na humigit-kumulang 2 x 10 9 segundo. Kung ang bawat neuron ay tumatanggap ng humigit-kumulang 14 na signal sa bawat segundo (na talagang tatlong order ng magnitude na mas mababa kaysa sa tunay na halaga), at ang utak ay naglalaman ng kabuuang 10 10 neuron, lumalabas na ang kapasidad ng memorya ng utak ay mga 10 20 bits. Tulad ng isinulat ko sa itaas, naaalala lamang natin ang isang maliit na bahagi ng ating mga iniisip at karanasan, ngunit kahit na ang mga alaalang ito ay hindi nakaimbak bilang bit-by-bit na impormasyon. mababang antas pagiging kumplikado (tulad ng sa video), ngunit sa halip sa anyo ng isang pagkakasunud-sunod ng mga imahe ng isang mas mataas na pagkakasunud-sunod.

Habang inilalarawan ni von Neumann ang bawat mekanismo sa pag-andar ng utak, sabay-sabay niyang ipinapakita kung paano nagagawa ng modernong computer ang parehong function, sa kabila ng maliwanag na pagkakaiba sa pagitan ng utak at ng computer. Ang mga analog na mekanismo ng utak ay maaaring imodelo gamit ang mga digital na mekanismo, dahil ang digital computing ay maaaring gayahin ang mga analog na halaga sa anumang antas ng katumpakan (at ang katumpakan ng analog na impormasyon sa utak ay medyo mababa). Posible rin na gayahin ang napakalaking paralelismo ng pag-andar ng utak, dahil sa malawak na kahusayan ng mga computer sa bilis ng serial computation (nadagdagan pa ang superyoridad na ito mula kay von Neumann). Bilang karagdagan, maaari naming isagawa parallel processing signal sa mga computer na gumagamit ng parallel von Neumann machine - ito ay eksakto kung paano gumagana ang mga modernong supercomputer.

Dahil sa kakayahan ng mga tao na gumawa ng mabilis na mga desisyon sa gayong mababang bilis ng neural, napagpasyahan ni von Neumann na ang mga pag-andar ng utak ay hindi maaaring magsasangkot ng mahaba, sunud-sunod na mga algorithm. Kapag natanggap ng ikatlong baseman ang bola at nagpasyang ihagis ito sa una kaysa sa pangalawang base, ginagawa niya ang desisyong ito sa isang bahagi ng isang segundo - kung saan ang bawat neuron ay halos walang oras upang makumpleto ang ilang mga siklo ng paggulo. Si Von Neumann ay dumating sa lohikal na konklusyon na ang kahanga-hangang kakayahan ng utak ay dahil sa katotohanan na ang lahat ng 100 bilyong neuron ay maaaring magproseso ng impormasyon nang sabay-sabay. Tulad ng nabanggit ko sa itaas, ang visual cortex ay gumagawa ng mga kumplikadong inferences sa tatlo o apat na cycle ng neuronal firing.

Ito ay ang makabuluhang plasticity ng utak na nagbibigay-daan sa amin upang matuto. Gayunpaman, ang computer ay may mas malaking plasticity - ang mga pamamaraan nito ay maaaring ganap na mabago sa pamamagitan ng pagbabago software. Kaya, ang isang computer ay maaaring gayahin ang utak, ngunit ang kabaligtaran ay hindi totoo.

Nang inihambing ni von Neumann ang napakalaking parallel na kakayahan ng utak sa ilang mga computer noong panahong iyon, tila malinaw na ang utak ay may higit na higit na memorya at bilis. Ngayon, ang unang supercomputer ay naitayo na, ayon sa pinakakonserbatibong mga pagtatantya, na nakakatugon sa mga kinakailangan sa paggana na kailangan upang gayahin ang mga pag-andar ng utak ng tao (mga 10 16 na operasyon bawat segundo). (Sa palagay ko, ang mga computer ng kapangyarihang ito ay nagkakahalaga ng humigit-kumulang $1,000 sa unang bahagi ng 2020s.) Sa mga tuntunin ng kapasidad ng memorya, lumipat kami nang higit pa. Lumitaw ang gawa ni Von Neumann sa simula pa lamang ng panahon ng kompyuter, ngunit tiwala ang siyentista na sa isang punto ay makakagawa tayo ng mga kompyuter at mga programa sa kompyuter na maaaring gayahin ang utak ng tao; kaya naman hinanda niya ang kanyang mga lecture.

Si Von Neumann ay lubos na kumbinsido sa pagbilis ng pag-unlad at ang makabuluhang epekto nito sa buhay ng mga tao sa hinaharap. Isang taon pagkatapos ng kamatayan ni von Neumann, noong 1957, sinipi ng kanyang kasamahan na matematiko na si Stan Ulam si von Neumann na nagsasabi noong unang bahagi ng 1950s na “bawat pagbilis ng pag-unlad ng teknolohiya at mga pagbabago sa paraan ng pamumuhay ng mga tao ay nagbibigay ng impresyon na ang ilang pangunahing singularidad sa kasaysayan ay papalapit na. "isang lahi ng tao kung saan hindi na maaaring magpatuloy ang aktibidad ng tao gaya ng alam natin ngayon." Ito ang unang kilalang paggamit ng salitang "singularity" upang ilarawan ang pag-unlad ng teknolohiya ng tao.

Ang pinakamahalagang pananaw ni Von Neumann ay ang pagkakatulad sa pagitan ng computer at ng utak. Tandaan na bahagi ng katalinuhan ng tao ang emosyonal na katalinuhan. Kung tama ang hula ni von Neumann at kung sumasang-ayon tayo sa aking pahayag na ang isang non-biological system na kasiya-siyang nagpaparami ng katalinuhan (emosyonal at iba pa) ng isang buhay na tao ay may kamalayan (tingnan ang susunod na kabanata), kailangan nating tapusin na sa pagitan ng kompyuter (na may tamang software) At malay May malinaw na pagkakatulad sa pag-iisip. Kaya, tama ba si von Neumann?

Karamihan sa mga modernong kompyuter ay ganap na mga digital machine, samantalang ang utak ng tao ay gumagamit ng parehong digital at analog na pamamaraan. Gayunpaman, ang mga analogue na pamamaraan ay madaling kopyahin nang digital na may anumang antas ng katumpakan. Ipinakita ng American computer scientist na si Carver Mead (b. 1934) na ang mga analogue na pamamaraan ng utak ay maaaring direktang kopyahin sa silikon, at ipinatupad ito sa anyo ng tinatawag na neuromorphic chips. Ipinakita ni Mead na ang diskarteng ito ay maaaring libu-libong beses na mas epektibo kaysa sa digitally simulating analogue na mga pamamaraan. Kung pinag-uusapan natin tungkol sa pag-encode ng mga redundant na neocortical algorithm, maaaring makatuwirang gamitin ang ideya ni Mead. Ang isang pangkat ng pagsasaliksik ng IBM na pinamumunuan ni Dharmendra Modhi ay gumagamit ng mga chip na ginagaya ang mga neuron at ang kanilang mga koneksyon, kabilang ang kanilang kakayahang bumuo ng mga bagong koneksyon. Ang isa sa mga chips, na tinatawag na SyNAPSE, ay direktang nagmo-modulate ng 256 neuron at humigit-kumulang isang-kapat ng isang milyong synaptic na koneksyon. Ang layunin ng proyekto ay gayahin ang isang neocortex na binubuo ng 10 bilyong neuron at 100 trilyong koneksyon (katumbas ng utak ng tao), gamit lamang ang isang kilowatt ng enerhiya.

Mahigit sa limampung taon na ang nakalilipas, napansin ni von Neumann na ang mga proseso sa utak ay nangyayari nang napakabagal, ngunit nailalarawan sa pamamagitan ng napakalaking paralelismo. Ang mga modernong digital circuit ay nagpapatakbo ng hindi bababa sa 10 milyong beses na mas mabilis kaysa sa mga electrochemical switch ng utak. Sa kabaligtaran, lahat ng 300 milyong module ng pagkilala ng cerebral cortex ay kumikilos nang sabay-sabay, at isang quadrillion contact sa pagitan ng mga neuron ay maaaring i-activate nang sabay-sabay. Samakatuwid, upang lumikha ng mga computer na sapat na maaaring gayahin ang utak ng tao, kinakailangan ang sapat na memorya at pagganap ng computing. Hindi na kailangang direktang kopyahin ang arkitektura ng utak - ito ay isang napaka-hindi mahusay at hindi nababaluktot na pamamaraan.

Ano dapat ang mga kaukulang kompyuter? marami mga proyekto sa pananaliksik na naglalayong imodelo ang hierarchical learning at pattern recognition na nagaganap sa neocortex. Ako mismo ay gumagawa ng katulad na pananaliksik gamit ang hierarchical hidden Markov models. Tinatantya ko na ang pagmomodelo ng isang ikot ng pagkilala sa isang module ng pagkilala ng biological neocortex ay nangangailangan ng humigit-kumulang 3000 mga kalkulasyon. Karamihan sa mga simulation ay binuo sa isang makabuluhang mas maliit na bilang ng mga kalkulasyon. Kung ipagpalagay natin na ang utak ay gumaganap ng humigit-kumulang 10 2 (100) na mga siklo ng pagkilala sa bawat segundo, makakakuha tayo ng kabuuang bilang ng 3 x 10 5 (300 libo) na mga kalkulasyon bawat segundo para sa isang module ng pagkilala. Kung i-multiply natin ang bilang na ito sa kabuuang bilang ng mga module ng pagkilala (3 x 10 8 (300 milyon, ayon sa aking mga pagtatantya)), makakakuha tayo ng 10 14 (100 trilyon) na kalkulasyon bawat segundo. Ibinigay ko ang halos parehong kahulugan sa aklat na "The Singularity is Near." Hinuhulaan ko na ang functional brain simulation ay nangangailangan ng mga bilis ng 10 14 hanggang 10 16 na kalkulasyon bawat segundo. Ang pagtatantya ni Hans Moravec, batay sa extrapolation ng data para sa paunang visual processing sa buong utak, ay 10 14 na kalkulasyon bawat segundo, na kapareho ng aking mga kalkulasyon.

Pamantayan modernong mga sasakyan ay maaaring gumana sa bilis na hanggang 10 10 kalkulasyon bawat segundo, ngunit sa tulong ng mga mapagkukunan ng ulap ang kanilang pagiging produktibo ay maaaring tumaas nang malaki. Ang pinakamabilis na supercomputer, ang Japanese K computer, ay umabot na sa bilis na 10 16 na kalkulasyon bawat segundo. Dahil sa napakalaking redundancy ng neocortical algorithm, magandang resulta ay maaaring makamit gamit ang neuromorphic chips, tulad ng sa teknolohiya ng SvNAPSE.

Sa mga tuntunin ng mga kinakailangan sa memorya, kailangan namin ng humigit-kumulang 30 bits (mga 4 bytes) para sa bawat pin na may isa sa 300 milyong mga module ng pagkilala. Kung ang average na walong signal ay angkop para sa bawat recognition module, makakakuha tayo ng 32 bytes bawat recognition module. Kung isasaalang-alang natin na ang bigat ng bawat input signal ay isang byte, makakakuha tayo ng 40 byte. Magdagdag ng 32 byte para sa downstream na mga contact at makakakuha kami ng 72 byte. Pansinin ko na ang pagkakaroon ng pataas at pababang mga sanga ay humahantong sa katotohanan na ang bilang ng mga signal ay higit pa sa walo, kahit na isinasaalang-alang natin na maraming mga module ng pagkilala ang gumagamit ng isang karaniwang mataas na branched na sistema ng mga koneksyon. Halimbawa, ang pagkilala sa titik na "p" ay maaaring may kasamang daan-daang module ng pagkilala. Nangangahulugan ito na libu-libong mga module ng pagkilala sa susunod na antas ang kasangkot sa pagkilala sa mga salita at pariralang naglalaman ng titik na "p". Gayunpaman, ang bawat module na responsable para sa pagkilala sa "p" ay hindi inuulit ang puno ng mga koneksyon na nagbibigay ng lahat ng antas ng pagkilala ng mga salita at parirala na may "p" ang lahat ng mga module na ito ay may isang karaniwang puno ng mga koneksyon.

Totoo rin ang nasa itaas para sa mga downstream na signal: ang module na responsable sa pagkilala sa salitang mansanas ay magsasabi sa lahat ng libong downstream module na responsable para sa pagkilala sa "e" na ang imaheng "e" ay inaasahan kung "a", "p", "p" ay kinikilala na " at "l". Ang puno ng mga koneksyon na ito ay hindi inuulit para sa bawat module ng pagkilala ng salita o parirala na gustong ipaalam sa mga module ng mas mababang antas na inaasahan ang larawang "e". Ang punong ito ay karaniwan. Para sa kadahilanang ito, ang isang average na pagtatantya ng walong upstream at walong downstream na signal para sa bawat recognition module ay medyo makatwiran. Ngunit kahit na taasan natin ang halagang ito, hindi nito gaanong mababago ang huling resulta.

Kaya, isinasaalang-alang ang 3 x 10 8 (300 milyon) na mga module ng pagkilala at 72 byte ng memory para sa bawat isa, nalaman namin na ang kabuuang sukat ng memorya ay dapat na mga 2 x 10 10 (20 bilyon) byte. At ito ay isang napakababang halaga. Ang mga maginoo na modernong kompyuter ay may ganitong uri ng memorya.

Ginawa namin ang lahat ng mga kalkulasyong ito upang halos tantiyahin ang mga parameter. Dahil ang mga digital circuit ay humigit-kumulang 10 milyong beses na mas mabilis kaysa sa mga network ng mga neuron sa biological cortex, hindi natin kailangang kopyahin ang napakalaking parallelism ng utak ng tao - napaka-moderate parallel processing (kumpara sa trillions ng parallelism sa utak) ay magiging medyo sapat na. Kaya, ang mga kinakailangang computational parameter ay lubos na makakamit. Ang kakayahan ng mga neuron sa utak na muling kumonekta (tandaan na ang mga dendrite ay patuloy na lumilikha ng mga bagong synapses) ay maaari ding gayahin gamit ang naaangkop na software, dahil ang mga programa sa computer ay mas plastik kaysa sa mga biological system, na, tulad ng nakita natin, ay kahanga-hanga ngunit may mga limitasyon.

Ang kalabisan ng utak na kinakailangan upang makakuha ng mga invariant na resulta ay tiyak na maaaring kopyahin sa isang bersyon ng computer. Ang mga prinsipyo sa matematika para sa pag-optimize ng naturang self-organizing hierarchical learning system ay medyo malinaw. Ang organisasyon ng utak ay malayo sa pinakamainam. Ngunit hindi ito kailangang maging pinakamainam - dapat itong maging sapat na mabuti upang paganahin ang paglikha ng mga tool na tumutumbas sa sarili nitong mga limitasyon.

Ang isa pang limitasyon ng neocortex ay wala itong mekanismo para sa pag-aalis o pag-evaluate ng magkasalungat na data; Ito ay bahagyang nagpapaliwanag sa napakakaraniwang hindi makatwiran ng pangangatwiran ng tao. Upang malutas ang problemang ito mayroon tayong napakahinang kakayahan na tinatawag kritikal na pag-iisip, ngunit mas madalas itong ginagamit ng mga tao kaysa sa nararapat. Ang computer neocortex ay maaaring magsama ng isang proseso na tumutukoy sa magkasalungat na data para sa kasunod na rebisyon.

Mahalagang tandaan na ang pagdidisenyo ng isang buong rehiyon ng utak ay mas madali kaysa sa pagdidisenyo ng isang neuron. Tulad ng nasabi na, higit pa mataas na antas Ang mga hierarchies ng modelo ay kadalasang pinasimple (mayroong pagkakatulad sa isang computer dito). Ang pag-unawa sa kung paano gumagana ang isang transistor ay nangangailangan ng isang detalyadong pag-unawa sa physics ng mga semiconductor na materyales, at ang mga function ng isang solong real-life transistor ay inilalarawan ng mga kumplikadong equation. Digital na circuit, na nagpaparami ng dalawang numero, ay naglalaman ng daan-daang transistor, ngunit sapat na ang isa o dalawang formula upang lumikha ng modelo ng naturang circuit. Ang isang buong computer, na binubuo ng bilyun-bilyong transistor, ay maaaring imodelo gamit ang isang set ng mga tagubilin at isang paglalarawan ng rehistro sa ilang mga pahina ng teksto gamit ang ilang mga formula. Mga programa para sa mga operating system, medyo kumplikado ang mga compiler o assembler ng wika, ngunit ang pagmomodelo pribadong programa(halimbawa, ang mga programa sa pagkilala sa wika batay sa mga nakatagong hierarchical na modelo ng Markov) ay bumababa din sa ilang pahina ng mga formula. At wala kahit saan sa mga naturang programa na makikita mo detalyadong paglalarawan pisikal na katangian ng semiconductor o kahit na arkitektura ng computer.

Ang isang katulad na prinsipyo ay totoo para sa pagmomodelo ng utak. Ang isang partikular na module ng pagkilala ng neocortex, na nakakakita ng ilang mga invariant na visual na larawan (halimbawa, mga mukha), ay nagsasagawa ng pag-filter mga frequency ng audio(sa pamamagitan ng paglilimita sa input signal sa isang tiyak na hanay ng mga frequency) o tinatasa ang temporal na kalapitan ng dalawang kaganapan, ay maaaring ilarawan sa mas kaunting mga partikular na detalye kaysa sa aktwal na pisikal at kemikal na pakikipag-ugnayan na kumokontrol sa mga function ng neurotransmitters, ion channel at iba pang neuronal na elemento kasangkot sa paghahatid ng mga nerve impulses. Bagama't ang lahat ng mga detalyeng ito ay dapat na maingat na isaalang-alang bago lumipat sa susunod na antas pagiging kumplikado, kapag nagmomodelo ng mga prinsipyo ng pagpapatakbo ng utak, marami ang maaaring gawing simple.

<<< Назад

Pasulong >>>

Alexey Zenkov

Ang iyong utak ay hindi nagpoproseso ng impormasyon, kumukuha ng kaalaman, o nag-iimbak ng mga alaala. In short, hindi computer ang utak mo. Ipinaliwanag ng American psychologist na si Robert Epstein kung bakit ang pag-iisip sa utak bilang isang makina ay hindi epektibo para sa pagsulong ng agham o para sa pag-unawa sa kalikasan ng tao.

Sa kabila ng kanilang pinakamahusay na pagsisikap, ang mga neuroscientist at cognitive psychologist ay hindi makakahanap ng kopya ng Fifth Symphony ni Beethoven, mga salita, larawan, mga tuntunin sa gramatika o anumang iba pang panlabas na pahiwatig sa utak. Siyempre, ang utak ng tao ay hindi ganap na walang laman. Ngunit hindi ito naglalaman ng karamihan sa mga bagay na iniisip ng mga tao na nilalaman nito - kahit na mga simpleng bagay tulad ng "mga alaala".

Ang aming mga maling kuru-kuro tungkol sa utak ay may malalim na makasaysayang pinagmulan, ngunit lalo kaming nalilito sa pag-imbento ng mga computer noong 1940s. Sa loob ng kalahating siglo, ang mga psychologist, linguist, neuroscientist at iba pang eksperto sa pag-uugali ng tao ay nagtalo na ang utak ng tao ay gumagana tulad ng isang computer.

Upang makakuha ng ideya kung gaano kawalang-halaga ang ideyang ito, isaalang-alang ang utak ng mga sanggol. Ang isang malusog na bagong panganak ay may higit sa sampung reflexes. Ibinaling niya ang kanyang ulo sa direksyon kung saan bakat ang kanyang pisngi at sinisipsip ang lahat ng pumapasok sa kanyang bibig. Pinipigilan niya ang kanyang hininga kapag nalubog sa tubig. Hinawakan niya ang mga bagay sa kanyang mga kamay nang mahigpit na halos kaya na niyang suportahan ang sariling bigat. Ngunit marahil ang pinakamahalaga, ang mga bagong silang ay may makapangyarihang mga mekanismo sa pag-aaral na nagbibigay-daan sa kanila na mabilis na magbago upang mas epektibo silang makipag-ugnayan sa mundo sa kanilang paligid.

Ang mga damdamin, reflexes at mga mekanismo ng pag-aaral ay mayroon tayo mula pa sa simula, at kapag naisip mo ito, napakarami na. Kung kulang tayo sa alinman sa mga kakayahan na ito, malamang na mahihirapan tayong mabuhay.

Ngunit narito ang wala tayo mula sa kapanganakan: impormasyon, data, panuntunan, kaalaman, bokabularyo, representasyon, algorithm, programa, modelo, alaala, larawan, processor, subroutine, encoder, decoder, simbolo at buffer - mga elementong nagbibigay-daan mga digital na kompyuter kumilos nang medyo makatwiran. Hindi lamang ang mga bagay na ito ay wala sa atin mula sa kapanganakan, hindi sila nabubuo sa atin habang nabubuhay.

Hindi namin pinapanatili ang mga salita o panuntunan na nagsasabi sa amin kung paano gamitin ang mga ito. Hindi kami gumagawa ng mga larawan ng mga visual na impulses, hindi namin iniimbak ang mga ito sa isang buffer panandaliang memorya at pagkatapos ay huwag ilipat ang mga imahe sa pang-matagalang memory device. Hindi namin naaalala ang impormasyon, mga imahe o mga salita mula sa rehistro ng memorya. Ang lahat ng ito ay ginagawa ng mga kompyuter, ngunit hindi ng mga nabubuhay na nilalang.

Ang mga computer ay literal na nagpoproseso ng impormasyon - mga numero, salita, formula, larawan. Ang impormasyon ay dapat munang isalin sa isang format na makikilala ng isang computer, iyon ay, sa mga hanay ng mga one at zero ("bits") na nakolekta sa maliliit na bloke ("bytes").

Inililipat ng mga computer ang mga set na ito mula sa isang lugar patungo sa iba't ibang bahagi ng pisikal na memorya, na ipinatupad bilang mga elektronikong bahagi. Minsan kinokopya nila ang mga set at kung minsan sa iba't ibang paraan baguhin ang mga ito - sabihin, kapag itinatama mo ang mga pagkakamali sa isang manuskrito o nag-retouch ng litrato. Ang mga alituntunin na sinusunod ng isang computer kapag gumagalaw, nagkokopya, o nagtatrabaho sa isang hanay ng impormasyon ay nakaimbak din sa loob ng computer. Ang isang hanay ng mga patakaran ay tinatawag na "programa" o "algorithm". Ang isang hanay ng mga algorithm na nagtutulungan na ginagamit namin para sa iba't ibang layunin (halimbawa, pagbili ng mga stock o pakikipag-date online) ay tinatawag na "application".

Ito kilalang katotohanan, ngunit kailangan nilang baybayin upang maging malinaw: gumagana ang mga computer sa isang simbolikong representasyon ng mundo. Nag-iimbak at kumukuha sila. Pinoproseso talaga nila. Meron talaga sila pisikal na memorya. Tunay na hinihimok sila ng mga algorithm sa lahat ng paraan.

Gayunpaman, ang mga tao ay hindi gumagawa ng anumang bagay na tulad nito. Kaya bakit napakaraming siyentipiko ang nagsasalita tungkol sa ating mental na aktibidad na para bang tayo ay mga kompyuter?

Noong 2015, ang dalubhasang artificial intelligence na si George Zarkadakis ay naglabas ng isang libro, In Our Image, kung saan inilalarawan niya ang anim na magkakaibang konsepto na ginamit ng mga tao sa nakalipas na dalawang libong taon upang ilarawan ang katalinuhan ng tao.

Sa karamihan maagang bersyon Ayon sa Bibliya, ang mga tao ay nilalang mula sa putik o putik, na pagkatapos ay tinago ng matalinong Diyos ng kanyang espiritu. Ang espiritung ito ay "naglalarawan" sa ating isip - hindi bababa sa isang gramatikal na pananaw.

Ang pag-imbento ng haydrolika noong ika-3 siglo BC ay humantong sa katanyagan ng haydroliko na konsepto ng kamalayan ng tao. Ang ideya ay na ang daloy ng iba't ibang likido sa katawan - "mga likido sa katawan" - ay nagtuturo para sa parehong pisikal at espirituwal na mga function. Ang konsepto ng haydroliko ay nagpatuloy nang higit sa 1,600 taon, habang pinipigilan ang pag-unlad ng medisina.

Noong ika-16 na siglo, lumitaw ang mga device na pinapagana ng mga bukal at gear, na nagbigay inspirasyon kay René Descartes na magtalo na ang mga tao ay kumplikadong mekanismo. Noong ika-17 siglo, iminungkahi ng pilosopong British na si Thomas Hobbes na ang pag-iisip ay nangyayari sa pamamagitan ng maliliit na mekanikal na paggalaw sa utak. Sa simula ng ika-18 siglo, ang mga pagtuklas sa larangan ng kuryente at kimika ay humantong sa paglitaw ng isang bagong teorya ng pag-iisip ng tao, muli ng isang mas metaporikal na kalikasan. Noong kalagitnaan ng ika-19 na siglo, ang German physicist na si Hermann von Helmholtz, na inspirasyon ng mga kamakailang pagsulong sa komunikasyon, ay inihambing ang utak sa isang telegraph.

Albrecht von Haller. Mga icon na anatomicae

Ang matematiko na si John von Neumann ay nagsabi na ang pag-andar ng sistema ng nerbiyos ng tao ay "digital sa kawalan ng katibayan sa salungat", na gumuhit ng mga parallel sa pagitan ng mga bahagi ng mga computer machine ng panahon at mga lugar ng utak ng tao.

Ang bawat konsepto ay sumasalamin sa mga pinaka-advanced na ideya ng panahon na nagsilang dito. Tulad ng maaaring asahan, ilang taon lamang pagkatapos ng kapanganakan ng teknolohiya ng computer noong 1940s, pinagtatalunan na ang utak ay gumagana tulad ng isang computer: ang utak mismo ay gumaganap ng papel ng pisikal na carrier, at ang aming mga saloobin ay kumilos bilang ang software.

Ang pananaw na ito ay umabot sa tugatog nito sa 1958 na aklat na The Computer and the Brain, kung saan mariing sinabi ng matematiko na si John von Neumann na ang paggana ng sistema ng nerbiyos ng tao ay “digital sa kawalan ng ebidensiya sa kabaligtaran.” Bagaman inamin niya na napakakaunting nalalaman tungkol sa papel ng utak sa paggana ng katalinuhan at memorya, ang siyentipiko ay gumawa ng mga pagkakatulad sa pagitan ng mga bahagi ng mga computer machine noong panahong iyon at mga lugar ng utak ng tao.

Larawan: Shutterstock

Salamat sa mga kasunod na pagsulong sa teknolohiya ng computer at pananaliksik sa utak, unti-unting nabuo ang isang ambisyosong interdisciplinary na pag-aaral ng kamalayan ng tao, batay sa ideya na ang mga tao, tulad ng mga computer, ay mga tagaproseso ng impormasyon. Kasama na sa gawaing ito ang libu-libong pag-aaral, tumatanggap ng bilyun-bilyong dolyar sa pagpopondo, at naging paksa ng maraming papel. Ang 2013 na aklat ni Ray Kurzweil na Making a Mind: Unraveling the Mystery of Human Thinking ay naglalarawan sa puntong ito, na naglalarawan sa mga "algorithms" ng utak, mga diskarte sa "pagproseso ng impormasyon" nito, at maging kung paano ito mababaw na kahawig ng mga integrated circuit sa istraktura nito.

Ang ideya ng pag-iisip ng tao bilang isang information processing device (IP) ay kasalukuyang nangingibabaw sa kamalayan ng tao sa kanilang dalawa ordinaryong tao, at sa mga siyentipiko. Ngunit ito ay, sa huli, isa pang metapora, isang kathang-isip na ipinapasa natin bilang katotohanan upang ipaliwanag ang isang bagay na hindi natin talaga naiintindihan.

Ang hindi perpektong lohika ng konsepto ng OR ay medyo madaling bumalangkas. Ito ay batay sa isang maling silogismo na may dalawang makatwirang pagpapalagay at isang maling konklusyon. Makatwirang Assumption #1: Lahat ng mga computer ay may kakayahang magsagawa ng matalinong pag-uugali. Makatwirang Assumption #2: Ang lahat ng mga computer ay mga tagaproseso ng impormasyon. Maling konklusyon: lahat ng bagay na may kakayahang kumilos nang matalino ay mga tagaproseso ng impormasyon.

Kung nakalimutan natin ang tungkol sa mga pormalidad, kung gayon ang ideya na ang mga tao ay dapat na mga tagaproseso ng impormasyon dahil lamang sa mga computer ay ganoon ay ganap na walang kapararakan, at kapag ang konsepto ng AI ay sa wakas ay inabandona, malamang na titingnan ito ng mga istoryador mula sa parehong punto ng view tulad ng ngayon Sa amin, ang haydroliko at mekanikal na mga konsepto ay mukhang walang kapararakan.

Magsagawa ng eksperimento: gumuhit ng isang daang-ruble bill mula sa memorya, at pagkatapos ay kunin ito sa iyong pitaka at kopyahin ito. Nakikita mo ba ang pagkakaiba?

Ang isang pagguhit na ginawa sa kawalan ng isang orihinal ay tiyak na magiging kakila-kilabot kumpara sa isang pagguhit na ginawa mula sa buhay. Bagaman, sa katunayan, nakita mo ang panukalang batas na ito nang higit sa isang libong beses.

anong problema? Hindi ba dapat "imbak" ang "imahe" ng perang papel sa "storage register" ng ating utak? Bakit hindi na lang natin "refer" ang "image" na ito at ilarawan ito sa papel?

Malinaw na hindi, at ang libu-libong taon ng pananaliksik ay hindi magpapahintulot sa amin na matukoy ang lokasyon ng imahe ng panukalang batas na ito sa utak ng tao dahil lamang sa wala ito doon.

Ang ideya, na itinaguyod ng ilang siyentipiko, na ang mga indibidwal na alaala ay kahit papaano ay nakaimbak sa mga espesyal na neuron ay walang katotohanan. Sa iba pang mga bagay, dinadala ng teoryang ito ang tanong ng istraktura ng memorya sa isang mas mahirap na antas: paano at saan nakaimbak ang memorya sa mga cell?

Ang mismong ideya na ang mga alaala ay nakaimbak sa mga indibidwal na neuron ay walang katotohanan: paano at saan sa isang cell maaaring maimbak ang impormasyon?

Hindi natin kailanman kailangang mag-alala tungkol sa pag-iisip ng tao na tumatakbo sa cyberspace, at hindi natin kailanman makakamit ang imortalidad sa pamamagitan ng pag-download ng ating kaluluwa sa ibang medium.

Ang isa sa mga hula, na ipinahayag sa isang anyo o iba pa ng futurist na si Ray Kurzweil, physicist na si Stephen Hawking at marami pang iba, ay kung ang kamalayan ng tao ay tulad ng isang programa, kung gayon ang mga teknolohiya ay dapat lumitaw sa lalong madaling panahon na magpapahintulot na mai-load ito sa isang computer. , sa gayon ay lubos na nagpapahusay sa mga kakayahan sa intelektwal at ginagawang posible ang imortalidad. Ang ideyang ito ay naging batayan ng balangkas ng dystopian film na Transcendence (2014), kung saan gumanap si Johnny Depp ng isang siyentipiko na katulad ni Kurzweil. In-upload niya ang kanyang isip sa Internet, na nagdulot ng mapangwasak na mga kahihinatnan para sa sangkatauhan.

Mula pa rin sa pelikulang "Supremacy"

Sa kabutihang palad, ang konsepto ng OI ay walang kahit na malapit sa katotohanan, kaya hindi natin kailangang mag-alala tungkol sa pag-iisip ng tao na tumatakbo sa cyberspace, at nakalulungkot, hindi natin kailanman makakamit ang imortalidad sa pamamagitan ng pag-download ng ating mga kaluluwa sa ibang medium. Ito ay hindi lamang isang kakulangan ng software sa utak, ang problema ay mas malalim pa - tawagin natin itong problema ng pagiging natatangi, at ito ay parehong kaakit-akit at nakapanlulumo.

Dahil ang ating utak ay walang "mga aparatong memorya" o "mga imahe" ng panlabas na stimuli, at ang utak ay nagbabago sa kurso ng buhay sa ilalim ng impluwensya ng mga panlabas na kondisyon, walang dahilan upang maniwala na ang sinumang dalawang tao sa mundo ay tutugon sa parehong pampasigla sa parehong paraan. Kung ikaw at ako ay dadalo sa parehong konsiyerto, ang mga pagbabagong nangyayari sa iyong utak pagkatapos makinig ay iba sa mga pagbabagong nangyayari sa aking utak. Ang mga pagbabagong ito ay nakasalalay sa natatanging istraktura ng mga selula ng nerbiyos, na nabuo sa buong nakaraang buhay.

Ito ang dahilan kung bakit, gaya ng isinulat ni Frederick Bartlett sa kanyang 1932 na aklat na Memory, ang dalawang tao na nakarinig ng parehong kuwento ay hindi na muling maisasalaysay ito nang eksakto sa parehong paraan, at sa paglipas ng panahon ang kanilang mga bersyon ng kuwento ay magiging mas mababa at hindi gaanong magkatulad sa isa't isa.

"Superioridad"

Sa tingin ko ito ay napaka-inspiring dahil nangangahulugan ito na ang bawat isa sa atin ay tunay na kakaiba, hindi lamang sa ating mga gene, kundi pati na rin sa paraan ng pagbabago ng ating utak sa paglipas ng panahon. Ngunit nakakasira din ng loob, dahil halos imposibleng malutas ang mahirap na gawain ng mga neuroscientist. Ang bawat pagbabago ay maaaring makaapekto sa libu-libo, milyon-milyong mga neuron o sa buong utak, at ang katangian ng mga pagbabagong ito ay natatangi din sa bawat kaso.

Mas masahol pa, kahit na maitala natin ang estado ng bawat isa sa 86 bilyong neuron ng utak at gayahin ang lahat ng ito sa isang computer, ang napakalaking modelong ito ay magiging walang silbi sa labas ng katawan kung saan kabilang ang utak. Ito marahil ang pinaka nakakainis na maling kuru-kuro tungkol sa istruktura ng tao, na utang natin sa maling konsepto ng OI.

Ang mga computer ay nag-iimbak ng mga eksaktong kopya ng data. Maaari silang manatiling hindi nagbabago sa loob ng mahabang panahon kahit na nakapatay ang kapangyarihan, habang sinusuportahan lamang ng utak ang ating katalinuhan hangga't ito ay nananatiling buhay. Walang switch. Alinman sa utak ay gagana nang walang tigil, o hindi tayo iiral. Bukod dito, gaya ng sinabi ng neuroscientist na si Stephen Rose sa The Future of the Brain noong 2005, isang kopya kasalukuyang estado Maaaring walang silbi ang utak nang walang kaalaman sa kumpletong talambuhay ng may-ari nito, kahit na kasama ang kontekstong panlipunan kung saan lumaki ang tao.

Samantala, malaking halaga ng pera ang ginugugol sa pagsasaliksik ng utak batay sa mga maling ideya at pangako na hindi matutupad. Kaya, ang European Union ay naglunsad ng isang proyekto upang pag-aralan ang utak ng tao na nagkakahalaga ng $1.3 bilyon na ang mga awtoridad sa Europa ay naniniwala sa mapang-akit na mga pangako ni Henry Markram na lumikha ng isang gumaganang simulator ng pag-andar ng utak batay sa isang supercomputer sa 2023, na radikal na magbabago sa diskarte sa paggamot. ng Alzheimer's disease at iba pang karamdaman, at nagbigay sa proyekto ng halos walang limitasyong pondo. Wala pang dalawang taon matapos ang paglunsad ng proyekto, ito ay naging isang kabiguan, at si Markram ay hiniling na magbitiw.

Ang mga tao ay mga buhay na organismo, hindi mga computer. Tanggapin mo. Kailangan nating ipagpatuloy ang pagsusumikap sa pag-unawa sa ating sarili, ngunit huwag mag-aksaya ng oras sa hindi kinakailangang intelektwal na bagahe. Sa loob ng kalahating siglo ng pagkakaroon nito, ang konsepto ng OR ay nagbigay lamang sa atin ng ilang kapaki-pakinabang na pagtuklas. Oras na para i-click ang Delete button.

Si Robert Epstein ay isang senior psychologist sa American Institute for Behavioral Research and Technology sa California. Siya ang may-akda ng 15 mga libro at ang dating editor-in-chief ng Psychology Today.

Ang mga prosthetics na kinokontrol ng kapangyarihan ng pag-iisip, direktang komunikasyon sa mga computer nang walang tulong ng mga kalamnan, at sa hinaharap - isang artipisyal na katawan para sa isang paralisadong tao at pagsasanay ng mga pag-andar ng nagbibigay-malay - pag-iisip, memorya at atensyon. Ang lahat ng ito ay lampas sa larangan ng science fiction. Ang oras para sa neuroscience ay dumating na, sabi ni Sergei Shishkin, kandidato ng biological sciences, pinuno ng departamento ng neurocognitive technologies sa Kurchatov Institute Research Center. Nagsalita siya tungkol sa pinakabagong mga resulta ng pananaliksik sa utak sa Sirius Educational Center. Nagbibigay ang Lenta.ru ng mga pangunahing punto ng kanyang talumpati.

Mga unang hakbang sa terra incognita

Ang mga resulta ng pisikal na pananaliksik ay sumasailalim sa lahat ng bagay na nakapaligid sa atin. Anuman ang ating tingnan - mga gusali, damit, computer, smartphone - lahat ng ito ay kahit papaano ay konektado sa mga teknolohiya batay sa mga batas ng pisika. Ngunit ang kontribusyon ng agham ng utak sa ating buhay ay hindi maihahambing na mas maliit.

Bakit? Hanggang kamakailan, ang neuroscience ay umunlad nang napakabagal. Noong kalagitnaan ng ika-19 na siglo, nagsisimula pa lamang silang maunawaan na ang utak ay binubuo ng mga selula ng nerbiyos - mga neuron, ngunit pagkatapos ay napakahirap silang makita at ihiwalay. Nakahanap ang mga modernong mananaliksik ng mga paraan upang pag-aralan ang mga neuron nang mas malalim at subaybayan ang kanilang trabaho - halimbawa, nag-iiniksyon sila ng mga fluorescent dyes na kumikinang kapag ang cell ay na-activate.

Ginagawang posible ng mga bagong pamamaraan na obserbahan ang paggana ng utak ng tao nang walang interbensyon sa kirurhiko gamit ang teknolohiyang nuclear magnetic resonance. Nagsisimula kaming mas maunawaan ang istraktura ng utak at lumikha ng mga bagong teknolohiya batay sa kaalamang ito. Ang isa sa mga pinaka-kahanga-hanga ay ang interface ng utak-computer.

Interface ng utak-computer

Ang teknolohiyang ito ay nagpapahintulot sa iyo na kontrolin ang isang computer na may kapangyarihan ng pag-iisip, ito ay tinatawag na "teknolohiya para sa pagpapadala ng mga utos mula sa utak patungo sa computer nang walang tulong ng mga kalamnan at peripheral nerves" (ito ang kahulugan na pinagtibay sa siyentipikong panitikan; ). Ang pangunahing layunin ng mga interface ng utak-computer ay tulungan ang mga taong may kapansanan, lalo na ang mga taong hindi gumagana ang mga kalamnan o ang kanilang sistema ng kontrol. Ito ay maaaring sanhi sa iba't ibang dahilan- halimbawa, isang aksidente sa sasakyan kapag naputol ang spinal cord ng isang tao.

Kailangan ba ng isang malusog na tao karagdagang channel koneksyon sa isang computer? Naniniwala ang ilang mga siyentipiko na ang ganitong interface ay maaaring lubos na mapabilis ang trabaho sa teknolohiya ng computer, dahil ang isang tao ay hindi "mabagal" ng kanyang mga kamay: - direktang magpapadala siya ng impormasyon sa computer. Mayroon ding mas makatotohanang palagay: sa tulong ng mga interface na ito maaari mong sanayin ang mga nagbibigay-malay na pag-andar ng utak - pag-iisip, memorya, pansin... Paano hindi maaalala ng isang tao ang pelikulang "The Lawnmower Man", kung saan ang pangunahing karakter, gamit ang virtual reality, "pumped up" ang kanyang utak nang labis na siya ay naging isang superman.

Sa puso ng mga hangaring ito ay ang pangarap na palawakin ang mga kakayahan ng utak. Ito ay naiintindihan: kami ay halos palaging hindi nasisiyahan sa mga pagkakataon na mayroon kami. Ang pangarap na palawakin ang mga kakayahan ng utak ay nagmumungkahi sa mga siyentipiko ng isang tila hindi kapani-paniwala, ngunit lalong tunay na direksyon ng trabaho: upang subukang ikonekta ang utak at ang computer nang mas malapit hangga't maaari. Pagkatapos ng lahat, ang mga programa sa computer ay may malaking disbentaha - halos lahat ng nasa kanila ay itinayo sa mahigpit na mga patakaran, habang ang intuwisyon ng isang tao ay gumagana, kahit na hindi niya makalkula ang mga pagpipilian halos kaagad. Kaya ano ang isang unyon? lakas utak at computer ay magiging lubhang kapaki-pakinabang.

Mga praktikal na problema

Ngunit una sa lahat, ang neuroscience ay nahaharap sa napakapraktikal na mga gawain. Halimbawa, tulungan ang mga taong may sakit na tinatawag na amyotrophic lateral sclerosis. Mayroong ilang mga pasyente na may ganitong diagnosis, ngunit ito ay isang napakaseryosong sakit. Ang pasyente ay maaaring mag-isip ng ganap na normal at madama ang impormasyon mula sa labas ng mundo, ngunit hindi makagalaw o kahit na sabihin ang anumang bagay. Sa kasamaang palad, ang sakit na ito ay nananatiling walang lunas, at ang mga pasyente ay hindi maaaring makipag-usap sa iba sa natitirang bahagi ng kanilang buhay.

Ang mga unang pagtatangka upang lumikha ng isang "brain-computer" na interface ay ginawa noong 1960s, ngunit ang seryosong interes sa teknolohiyang ito ay lumitaw lamang matapos ang Aleman na siyentipiko na si Niels Birbaumer at ang kanyang mga kasamahan ay bumuo ng tinatawag na "thought transfer device" noong huling bahagi ng 1990s . at nagsimulang turuan ang mga paralisadong pasyente kung paano ito gamitin.

Ang ilang mga pasyente, salamat sa device na ito, ay nakipag-usap sa mga kamag-anak at mananaliksik. Ang isa sa kanila ay sumulat gamit ang isang "thought transmission device" malaking sulat, kung saan inilarawan niya kung paano siya nagta-type ng mga titik. Ang tekstong ito, na isinulat ng pasyente sa loob ng anim na buwan, ay nai-publish sa isa sa mga siyentipikong journal.

Ang pagtatrabaho sa sistema ng Birbaumer ay hindi matatawag na simple. Ang pasyente ay dapat munang pumili ng isa sa mga kalahati ng alpabeto na ipinapakita sa screen, binabago ang mga potensyal na elektrikal na nagmumula sa utak alinman sa positibo o negatibong direksyon. Kaya, tila siya sa isip ay nagsasabi ng "oo" o "hindi". Ang mga potensyal na elektrikal ay direktang naitala sa ibabaw ng anit, na ipinadala sa isang computer, at tinutukoy nito kung aling kalahati ng alpabeto ang dapat piliin. Pagkatapos ang tao ay lumalim sa alpabeto at pumili ng isang tiyak na titik. Ito ay hindi maginhawa at matagal, ngunit ang pamamaraan ay hindi nangangailangan ng pagtatanim ng mga electrodes sa utak.

Ang mga invasive na pamamaraan, kung saan ang mga electrodes ay direktang ipinasok sa utak, ay mas matagumpay. Ang impetus para sa pagbuo ng direksyon na ito ay ibinigay ng digmaan sa Iraq. Maraming tauhan ng militar ang naging baldado, at sinubukan ng mga Amerikanong siyentipiko na alamin kung paano makokontrol ng mga taong iyon ang mga mekanikal na prosthesis gamit ang interface ng utak-computer. Ang mga unang eksperimento ay isinagawa sa mga unggoy, at pagkatapos ay ang mga electrodes ay itinanim sa mga paralisadong tao. Bilang resulta, ang tao ay aktibong lumahok sa proseso ng pag-master ng pamamaraan ng pagkontrol sa prosthesis.

Noong 2012, nagawa ng pangkat ni Andrew Schwartz mula sa Pittsburgh na sanayin ang isang paralisadong babae upang kontrolin ang mekanikal na braso na nakapulot siya ng iba't ibang bagay gamit ito at nakipagkamay pa sa host ng isang sikat na programa sa telebisyon. Totoo, hindi lahat ng paggalaw ay ginanap nang walang kamali-mali, ngunit, siyempre, ang sistema ay pinabuting.

Paano mo nagawang gawin ito? Ang isang diskarte ay binuo na nagpapahintulot sa nais na direksyon ng paggalaw na matukoy sa mabilisang gamit ang mga signal na naka-encode sa mga neuron. Upang gawin ito, kinakailangan upang itanim ang maliliit na electrodes sa motor cortex ng utak - inililihis nila ang mga signal mula sa mga neuron na ipinadala sa computer.

Ang tanong ay agad na lumitaw: kung ang isang tao ay gumagalaw ng isang mekanikal na braso, posible bang gumawa ng isang mekanikal na doble - isang avatar na magpaparami ng lahat ng mga paggalaw ng isang tao? Ang nasabing mekanikal na katawan ay makokontrol sa pamamagitan ng isang brain-computer interface. Mayroong maraming mga pantasya tungkol dito, kung minsan ang mga siyentipiko ay nakakagawa pa ng ilang mga tunay na plano. Sa ngayon, itinuturing ito ng mga seryosong eksperto bilang science fiction, ngunit posible ito sa malayong hinaharap.

Kontrol ng titig

Sa laboratoryo ng mga teknolohiyang nagbibigay-malay sa Kurchatov Institute, nagtatrabaho sila ngayon hindi lamang sa mga interface ng "brain-computer", kundi pati na rin sa mga interface ng "eye-brain-computer". Sa mahigpit na pagsasalita, hindi ito eksaktong interface ng utak-computer dahil ginagamit nito ang mga kalamnan ng mata upang gumana. Ang kontrol sa pamamagitan ng pagrehistro ng direksyon ng titig ay napakahalaga rin, dahil may mga taong may kapansanan na may kapansanan sa motor na ang mga kalamnan ng mata ay patuloy na gumagana. Mayroon nang mga nakahanda nang sistema kung saan ang isang tao ay maaaring mag-type ng teksto gamit ang kanilang mga mata.

Gayunpaman, lumilitaw ang mga problema sa kabila ng gawain sa pag-type. Halimbawa, mahirap ituro ang interface na huwag magbigay ng mga utos kapag ang isang tao ay tumitingin sa control button dahil lamang sa siya ay nag-iisip at tumigil sa pagtingin dito.

Upang malutas ang problemang ito, nagpasya ang Kurchatov Institute na lumikha pinagsamang teknolohiya. Ang mga kalahok sa mga eksperimento ay naglalaro ng isang computer game, na gumagawa lamang ng mga galaw sa tulong ng mga maikling pagkaantala ng titig. Sa panahong ito, ang mga mananaliksik ay nagtatala ng mga de-koryenteng signal mula sa kanilang mga utak sa ibabaw ng anit.

Ito ay lumabas na kapag ang isang kalahok sa eksperimento ay humawak ng kanyang tingin upang gumawa ng isang hakbang, ang mga espesyal na marker ay lilitaw sa kanyang utak na mga senyales na hindi umiiral kapag ang titig ay hawak nang walang dahilan. Batay sa mga obserbasyon na ito, nilikha ang interface ng "eye-brain-computer". Kakailanganin lamang ng gumagamit nito na tumingin sa isang pindutan o link sa screen ng computer at nais na mag-click dito - makikilala ng system ang pagnanais na ito, at ang pag-click ay mangyayari mismo.

Sa hinaharap, lilitaw ang mga bagong pamamaraan na gagawing posible na ikonekta ang utak sa isang computer nang hindi gumagamit ng mga mapanganib at napakamahal na operasyon. Nakikita na natin ngayon ang paglitaw ng mga teknolohiyang ito at malapit nang masubukan ang mga ito.

• Pagsasalin

Naaalala nating lahat ang masakit na pagsasanay sa aritmetika mula sa paaralan. Tumatagal ng hindi bababa sa isang minuto upang i-multiply ang mga numero tulad ng 3,752 at 6,901 gamit ang lapis at papel. Siyempre, ngayon, sa aming mga kamay sa aming mga kamay, maaari naming mabilis na suriin na ang resulta ng aming ehersisyo ay dapat na 25,892,552 modernong mga telepono maaaring magsagawa ng higit sa 100 bilyong naturang mga operasyon kada segundo. Bukod dito, ang mga chips na ito ay kumonsumo lamang ng ilang watts, na ginagawang mas mahusay ang mga ito kaysa sa ating mabagal na utak, na kumukonsumo ng 20 watts at mas tumatagal upang makamit ang parehong resulta.

Siyempre, hindi nag-evolve ang utak para gumawa ng arithmetic. Kaya naman hindi niya ito ginagawa ng maayos. Ngunit ito ay isang mahusay na trabaho sa pagproseso ng patuloy na daloy ng impormasyon na nagmumula sa ating kapaligiran. At siya ay tumutugon dito - kung minsan ay mas mabilis kaysa sa napagtanto natin. At gaano man karaming enerhiya ang kumonsumo ng isang regular na computer, mahihirapan itong makayanan ang mga bagay na madali para sa utak, tulad ng pag-unawa sa isang wika o pagtakbo sa hagdan.

Kung maaari tayong lumikha ng mga makina na ang mga kakayahan sa pag-compute at kahusayan sa enerhiya ay maihahambing sa utak, kung gayon ang lahat ay magbabago nang malaki. Ang mga robot ay mabilis na gumagalaw sa pisikal na mundo at nakikipag-usap sa amin sa pamamagitan ng natural na wika. Ang mga malalaking sistema ay mangongolekta ng napakaraming impormasyon tungkol sa negosyo, agham, medisina, o pamahalaan, pagtuklas ng mga bagong pattern, paghahanap ng sanhi-at-bunga na mga relasyon, at paggawa ng mga hula. Ang mga matalinong mobile app tulad ng Siri at Cortana ay maaaring hindi umasa sa cloud. Ang ganitong teknolohiya ay maaaring magbigay-daan sa amin na lumikha ng mga aparatong mababa ang kapangyarihan na nagpapalaki sa aming mga pandama, nagbibigay sa amin ng mga gamot, at tularan ang mga signal ng nerve upang mabayaran ang pinsala sa organ o paralisis.

Ngunit napakaaga pa bang magtakda ng gayong matapang na mga layunin para sa iyong sarili? Masyado bang limitado ang ating pag-unawa sa utak para makagawa tayo ng mga teknolohiyang gumagana batay sa mga prinsipyo nito? Naniniwala ako na ang pagtulad sa kahit na ang pinakasimpleng mga tampok ng mga neural circuit ay maaaring makabuluhang mapabuti ang pagganap ng maraming mga komersyal na aplikasyon. Kung gaano katumpak na dapat kopyahin ng mga computer ang mga biological na detalye ng utak upang maabot ang antas ng pagganap nito ay isang bukas na tanong pa rin. Ngunit ang mga sistemang inspirasyon ng utak ngayon, o neuromorphic, ay magiging mahalagang kasangkapan sa paghahanap ng sagot.

Ang isang pangunahing tampok ng maginoo na mga computer ay ang pisikal na paghihiwalay ng memorya, na nag-iimbak ng data at mga tagubilin, at ang lohika na nagpoproseso ng impormasyong ito. Walang ganoong dibisyon sa utak. Ang pag-compute at pag-iimbak ng data ay nangyayari nang sabay-sabay at lokal, sa isang malawak na network ng humigit-kumulang 100 bilyong nerve cells (neuron) at higit sa 100 trilyong koneksyon (synapses). Karamihan sa utak ay tinukoy ng mga koneksyon na ito at kung paano tumutugon ang bawat neuron sa input mula sa iba pang mga neuron.

Kapag pinag-uusapan natin ang mga pambihirang kakayahan ng utak ng tao, karaniwan nating ibig sabihin ang kamakailang pagkuha ng isang mahabang proseso ng ebolusyon - ang neocortex (bagong cortex). Ang manipis at lubhang nakatiklop na layer na ito ay bumubuo sa panlabas na layer ng utak at gumaganap ng napakahusay iba't ibang gawain, kabilang ang pagpoproseso ng impormasyon mula sa mga pandama, kontrol sa motor, pagtatrabaho sa memorya at pag-aaral. Ang ganitong malawak na hanay ng mga posibilidad ay magagamit sa isang medyo homogenous na istraktura: anim na pahalang na layer at isang milyong vertical na mga haligi, 500 microns ang lapad, na binubuo ng mga neuron na nagsasama at namamahagi ng impormasyon na naka-encode sa mga electrical impulses kasama ang antennae na lumalaki mula sa kanila - mga dendrite at axon.

Tulad ng lahat ng mga selula sa katawan ng tao, ang isang neuron ay may potensyal na elektrikal na humigit-kumulang 70 mV sa pagitan ng panlabas na ibabaw at sa loob. Ang boltahe ng lamad na ito ay nagbabago kapag ang neuron ay tumatanggap ng mga signal mula sa iba pang mga neuron na konektado dito. Kung ang boltahe ng lamad ay tumaas sa isang kritikal na halaga, ito ay bumubuo ng isang pulso, o boltahe surge, na tumatagal ng ilang millisecond, ng pagkakasunud-sunod na 40 mV. Ang impulse na ito ay naglalakbay sa kahabaan ng axon ng neuron hanggang sa maabot nito ang synapse, isang kumplikadong biochemical na istraktura na nag-uugnay sa axon ng isang neuron sa dendrite ng isa pa. Kung ang impulse ay nakakatugon sa ilang mga paghihigpit, ang synapse ay nagko-convert nito sa isa pang impulse na naglalakbay pababa sa sumasanga na mga dendrite ng neuron na tumatanggap ng signal at binabago ang boltahe ng lamad nito alinman sa positibo o negatibo.

Ang koneksyon ay isang kritikal na katangian ng utak. Ang isang pyramidal neuron, isang partikular na mahalagang uri ng cell sa neocortex ng tao, ay naglalaman ng humigit-kumulang 30,000 synapses, iyon ay, 30,000 input channel mula sa iba pang mga neuron. At ang utak ay patuloy na umaangkop. Ang mga katangian ng neuron at synapse—at maging ang mismong istraktura ng network—ay patuloy na nagbabago, higit sa lahat ay hinihimok ng sensory input at feedback sa kapaligiran.

Ang mga modernong computer na pangkalahatang layunin ay digital kaysa sa analog; Ang utak ay hindi madaling uriin. Ang mga neuron ay nag-iimbak ng mga singil sa kuryente, tulad ng mga capacitor sa mga electronic circuit. Ito ay malinaw na isang analog na proseso. Ngunit ang utak ay gumagamit ng mga pagsabog bilang mga yunit ng impormasyon, at ito ay sa panimula ay isang binary scheme: sa anumang oras, sa anumang lugar, maaaring mayroong pagsabog o wala. Sa mga tuntunin ng electronics, ang utak ay isang mixed-signal system, na may lokal na analog computation at paglilipat ng impormasyon gamit ang mga binary burst. Dahil ang isang pagsabog ay may mga halaga lamang na 0 o 1, maaari itong maglakbay ng mahabang distansya nang hindi nawawala ang pangunahing impormasyong ito. Ito rin ay nagpaparami, na umaabot sa susunod na neuron sa network.

Ang isa pang pangunahing pagkakaiba sa pagitan ng utak at isang computer ay ang utak ay nakayanan ang pagproseso ng impormasyon nang walang isang generator ng gitnang orasan na nag-synchronize sa trabaho nito. Bagama't naobserbahan natin ang pag-synchronize ng mga kaganapan - mga brain wave - inayos nila ang kanilang mga sarili, na nagmumula bilang resulta ng gawain ng mga neural network. Ang kawili-wili ay ang moderno mga sistema ng kompyuter magsimulang gamitin ang asynchronicity na likas sa utak upang mapabilis ang mga kalkulasyon sa pamamagitan ng pagsasagawa ng mga ito nang magkatulad. Ngunit ang antas at layunin ng parallelization ng dalawang sistemang ito ay lubhang naiiba.

Ang ideya ng paggamit ng utak bilang isang modelo para sa computing ay may malalim na ugat. Ang mga unang pagtatangka ay batay sa isang simpleng threshold neuron, na naglalabas ng isang halaga kung ang kabuuan ng weighted input data ay lumampas sa isang threshold, at isa pa kung hindi. Ang biological realism ng diskarteng ito, na ipinaglihi ni Warren McCulloch at Walter Pitts noong 1940s, ay medyo limitado. Gayunpaman, ito ang unang hakbang patungo sa paglalapat ng konsepto ng pagpapaputok ng neuron bilang isang elemento ng computational.

Noong 1957, iminungkahi ni Frank Rosenblatt ang isa pang variant ng threshold neuron, ang perceptron. Ang isang network ng mga magkakaugnay na node (artificial neurons) ay binubuo sa mga layer. Nakikipag-ugnayan ang mga nakikitang layer sa ibabaw ng network labas ng mundo bilang mga input at output, at ang mga nakatagong layer sa loob ay gumagawa ng lahat ng mga kalkulasyon.

Iminungkahi din ni Rosenblatt ang pag-tap sa isang pangunahing tampok ng utak: pagsugpo. Sa halip na idagdag ang lahat ng mga input, ang mga neuron sa perceptron ay maaaring gumawa ng negatibong kontribusyon. Ang tampok na ito ay nagbibigay-daan sa mga neural network na gumamit ng isang nakatagong layer upang malutas ang mga problema sa logic ng XOR kung saan totoo ang output kung isa lamang sa dalawang binary input ang totoo. Ang simpleng halimbawang ito ay nagpapakita na ang pagdaragdag ng biological realism ay maaaring magdagdag ng mga bagong computational na kakayahan. Ngunit aling mga pag-andar ng utak ang kinakailangan para sa paggana nito, at alin ang mga walang kwentang bakas ng ebolusyon? Walang nakakaalam.

Alam namin na kahanga-hanga resulta ng computational maaaring makamit nang hindi nagtatangkang lumikha ng biyolohikal na realismo. Malayo na ang narating ng mga mananaliksik sa malalim na pag-aaral sa paggamit ng mga computer upang pag-aralan ang malaking halaga ng data at kumuha ng mga partikular na feature mula sa mga kumplikadong larawan. Bagama't mayroon ang mga neural network na kanilang nilikha isang malaking bilang input at nakatagong mga layer kaysa dati, nakabatay pa rin ang mga ito sa sobrang mga simpleng modelo mga neuron. Ang kanilang sapat na pagkakataon hindi sumasalamin sa biological realism, ngunit ang laki ng mga network na nilalaman nito at ang kapangyarihan ng mga computer na ginamit upang sanayin ang mga ito. Ngunit malayo pa ang mga network ng malalim na pag-aaral mula sa pagtutugma ng mga bilis ng computational, kahusayan sa enerhiya, at mga kakayahan sa pag-aaral ng isang biological na utak.

Isang malaking agwat sa pagitan ng utak at mga modernong kompyuter Pinaka-highlight ito ng malakihang simulation ng utak. Para sa mga nakaraang taon Ilang mga pagsubok ang ginawa, ngunit lahat ng mga ito ay mahigpit na nilimitahan ng dalawang salik: enerhiya at oras ng simulation. Halimbawa, isaalang-alang ang isang simulation na isinagawa ni Marcus Deisman at ng kanyang mga kasamahan ilang taon na ang nakalipas gamit ang 83,000 processor sa K supercomputer sa Japan. Ang simulation ng 1.73 bilyong neuron ay kumonsumo ng 10 bilyong beses na mas maraming enerhiya kaysa sa isang katumbas na seksyon ng utak, kahit na gumamit sila ng napakasimpleng mga modelo at hindi nagsagawa ng anumang pagsasanay. At ang gayong mga simulation ay karaniwang tumatakbo nang higit sa 1,000 beses na mas mabagal kaysa sa totoong oras ng isang biological na utak.

Bakit ang bagal nila? Ang brain simulation sa mga nakasanayang computer ay nangangailangan ng bilyun-bilyong kalkulasyon differential equation, magkakaugnay, at naglalarawan sa dynamics ng mga cell at network: mga analog na proseso tulad ng paggalaw ng singil sa kahabaan ng cell membrane. Ang mga computer na gumagamit ng Boolean logic—ang pangangalakal ng enerhiya para sa katumpakan—at ang hiwalay na memorya at computation ay lubhang hindi mahusay sa pagtulad sa utak.

Ang mga simulation na ito ay maaaring maging mga tool para sa pag-unawa sa utak, paglilipat ng data na nakuha sa laboratoryo sa mga simulation na maaari nating eksperimento at pagkatapos ay ihambing ang mga resulta sa mga obserbasyon. Ngunit kung umaasa kaming pumunta sa ibang direksyon at gamitin ang mga aralin ng neuroscience upang lumikha ng mga bagong computing system, kailangan naming pag-isipang muli kung paano kami nagdidisenyo at bumuo ng mga computer.

Mga neuron sa silikon.

Ang pagkopya sa utak gamit ang electronics ay maaaring maging mas magagawa kaysa sa tila sa unang tingin. Lumalabas na humigit-kumulang 10 fJ (10 -15 joules) ang ginugugol sa paglikha ng potensyal na elektrikal sa isang synapse. Ang gate ng metal-oxide-semiconductor (MOS) transistor, na mas malaki at kumokonsumo ng mas maraming power kaysa sa mga ginagamit sa CPU, ay nangangailangan lamang ng 0.5 fJ para mag-charge. Lumalabas na ang synaptic transmission ay katumbas ng pagsingil ng 20 transistors. Bukod dito, sa antas ng aparato, biological at mga electronic circuit hindi gaanong naiiba. Sa prinsipyo, posible na lumikha ng mga istruktura tulad ng mga synapses at neuron mula sa mga transistor, at ikonekta ang mga ito nang sama-sama upang lumikha ng isang artipisyal na utak na hindi sumisipsip ng napakalaking dami ng enerhiya.

Ang ideya ng ​paglikha ng mga computer gamit ang mga transistor na gumagana tulad ng mga neuron ay lumitaw noong 1980s mula kay Propesor Carver Mead ng Caltech. Isa sa mga pangunahing argumento ni Mead na pabor sa mga "neuromorphic" na mga computer ay iyon mga aparatong semiconductor maaari, nagtatrabaho sa isang tiyak na mode, sundin ang parehong mga pisikal na batas gaya ng mga neuron, at ang analog na pag-uugali ay maaaring gamitin para sa mga kalkulasyon na may mahusay na kahusayan sa enerhiya.

Ang grupo ni Mead ay nag-imbento din ng isang neurocommunications platform kung saan ang mga pagsabog ay naka-encode lamang ng kanilang mga address sa network at sa oras na nangyari ang mga ito. Ang gawaing ito ay groundbreaking dahil ito ang unang gumawa ng oras bilang isang kinakailangang katangian ng mga artipisyal na neural network. Ang oras ay isang mahalagang kadahilanan para sa utak. Ang mga signal ay nangangailangan ng oras upang magpalaganap, ang mga lamad ay nangangailangan ng oras upang mag-react, at ito ang oras na tumutukoy sa hugis ng mga potensyal na postsynaptic.

Ilang pangkat ng pananaliksik na aktibo ngayon, tulad ng sa Giacomo Indiveri sa ETH at Kwabena Boahen sa Stanford, ay sumunod sa mga yapak ni Mead at matagumpay na nagsama ng mga elemento ng biological cortical network. Ang lansihin ay upang patakbuhin ang mga transistors gamit ang kasalukuyang. mababang boltahe, hindi maabot ang kanilang halaga ng threshold, lumilikha mga analog circuit, pagkopya sa pag-uugali ng sistema ng nerbiyos, at sa parehong oras ay kumakain ng kaunting enerhiya.

Ang karagdagang pananaliksik sa direksyong ito ay maaaring makahanap ng aplikasyon sa mga system tulad ng mga interface ng utak-computer. Ngunit mayroong isang malaking agwat sa pagitan ng mga sistemang ito at ang aktwal na laki ng network, pagkakakonekta at kapasidad sa pag-aaral ng utak ng hayop.

Kaya noong 2005, tatlong grupo ng mga mananaliksik ang nakapag-iisa na nagsimulang bumuo ng mga neuromorphic system na malaki ang pagkakaiba sa orihinal na diskarte ni Mead. Nais nilang lumikha ng malalaking sistema na may milyun-milyong neuron.

Ang pinakamalapit na proyekto sa mga maginoo na computer ay ang SpiNNaker, pinangunahan ni Steve Furber ng Unibersidad ng Manchester. Ang grupong ito ay bumuo ng sarili nitong digital chip na binubuo ng 18 Mga processor ng ARM, tumatakbo sa 200 MHz - humigit-kumulang isang ikasampu ang bilis ng mga modernong CPU. Bagama't ang mga ARM core ay nagmula sa mundo mga klasikong kompyuter, ginagaya nila ang mga pagsabog na ipinadala sa pamamagitan ng mga espesyal na router na idinisenyo upang magpadala ng impormasyon nang asynchronous - tulad ng utak. Ang kasalukuyang pagpapatupad, bahagi ng Human Brain Project ng EU at natapos noong 2016, ay naglalaman ng 500,000 ARM core. Depende sa pagiging kumplikado ng modelo ng neuron, ang bawat core ay may kakayahang gayahin ang hanggang sa 1000 neuron.

Ang TrueNorth chip, na binuo ni Dharmendra Moda at ng kanyang mga kasamahan sa IBM Almaden Research Laboratory, ay umiiwas sa paggamit ng mga microprocessor bilang mga computing unit at sa katunayan ay isang neuromorphic system kung saan ang computation at memory ay magkakaugnay. Nananatili pa rin ang TrueNorth digital system, ngunit ito ay batay sa mga espesyal na idinisenyong neural circuit na nagpapatupad isang tiyak na modelo neuron. Ang chip ay naglalaman ng 5.4 bilyong transistor at itinayo sa 28 nm teknolohiya ng Samsung CMOS (komplementaryong metal-oxide-semiconductor) na istraktura. Ginagaya ng mga transistor ang 1 milyong neural circuit at 256 milyong simple (one-bit) na synapses sa isang chip.

Sasabihin ko na ang susunod na proyekto, ang BrainScaleS, ay medyo malayo sa mga nakasanayang computer at lumapit sa biyolohikal na utak. Ang aking mga kasamahan mula sa Unibersidad ng Heidelberg at ako ay nagtrabaho sa proyektong ito para sa European Human Brain Initiative. Ang BrainScaleS ay nagpapatupad ng halo-halong pagpoproseso ng signal. Pinagsasama nito ang mga neuron at synapses, na mga silicon transistor na nagpapatakbo bilang mga analog device na may digital information exchange. Ang buong laki ng system ay binubuo ng 8-pulgadang silicon na mga wafer at maaaring tularan ang 4 na milyong neuron at 1 bilyong synapses.

Ang sistema ay maaaring magparami ng siyam na iba't ibang mga mode ng pagpapaputok ng mga biological neuron, at binuo sa malapit na pakikipagtulungan sa mga neuroscientist. Hindi tulad ng analogue approach ng Mead, gumagana ang BrainScaleS pinabilis na mode, ang emulation nito ay 10,000 beses na mas mabilis kaysa sa real time. Ito ay lalong kapaki-pakinabang para sa pag-aaral ng pag-aaral at pag-unlad.

Ang pag-aaral ay malamang na isang kritikal na bahagi ng mga neuromorphic system. Ngayon ang mga chip na ginawa sa imahe ng utak, pati na rin ang mga neural network na tumatakbo sa mga ordinaryong computer, ay sinanay sa gilid gamit ang higit pa makapangyarihang mga kompyuter. Ngunit kung gusto nating gumamit ng mga neuromorphic system sa mga tunay na aplikasyon - sabihin nating, sa mga robot na kailangang magtrabaho sa tabi natin, kakailanganin nilang matuto at umangkop nang mabilis.

Sa ikalawang henerasyon ng aming BrainScaleS system, ipinatupad namin ang mga kakayahan sa pag-aaral sa pamamagitan ng paggawa ng on-chip na "flexibility engine." Ginagamit ang mga ito upang baguhin ang isang malawak na hanay ng mga parameter ng mga neuron at synapses. Ang kakayahang ito ay nagbibigay-daan sa amin na i-fine-tune ang mga parameter upang mabayaran ang mga pagkakaiba sa laki at mga katangian ng elektrikal habang lumilipat kami mula sa isang device patungo sa isa pa, tulad ng mismong utak na nag-a-adjust upang magbago.

Ang tatlong malalaking sistemang inilarawan ko ay umaakma sa isa't isa. Ang SpiNNaker ay maaaring madaling i-configure at magamit upang subukan ang iba't ibang mga modelo ng neural, ang TrueNorth ay may mataas na density ng pagsasama, ang BrainScaleS ay idinisenyo para sa patuloy na pag-aaral at pag-unlad. Maghanap ang tamang paraan Ang mga pagsusuri sa pagiging epektibo ng mga naturang sistema ay patuloy pa rin. Ngunit ang mga maagang resulta ay nangangako rin. Tinantya kamakailan ng grupong TrueNorth ng IBM na ang synaptic transmission sa kanilang system ay kumokonsumo ng 26 pJ. Bagama't ito ay 1,000 beses ang enerhiya na kinakailangan sa isang biological system, ito ay halos 100,000 beses na mas mababa kaysa sa enerhiya na kinakailangan upang ilipat ito sa mga simulation sa pangkalahatang layunin na mga computer.

Nasa mga unang yugto pa tayo ng pag-unawa kung ano ang magagawa ng mga naturang sistema at kung paano ilapat ang mga ito sa mga problema sa totoong mundo. Kasabay nito, dapat tayong maghanap ng mga paraan upang pagsamahin ang maraming neuromorphic chips sa malalaking network na may pinahusay na mga kakayahan sa pag-aaral habang binabawasan ang pagkonsumo ng kuryente. Ang isang problema ay koneksyon: ang utak ay tatlong-dimensional, ngunit ang aming mga circuit ay dalawang-dimensional. Ang isyu ng three-dimensional circuit integration ay aktibong pinag-aaralan na ngayon, at makakatulong sa atin ang mga naturang teknolohiya.

Ang isa pang tulong ay maaaring mga device na hindi nakabatay sa CMOS - memristors o PCRAM (phase change memory). Ngayon, ang mga timbang na tumutukoy kung paano tumutugon ang mga artipisyal na synapses sa mga papasok na signal ay iniimbak sa kumbensyonal digital memory, na kumukuha ng karamihan sa mga mapagkukunang silikon na kailangan para mabuo ang network. Ngunit ang iba pang mga uri ng memorya ay makakatulong sa amin na bawasan ang laki ng mga cell na ito mula sa micrometer hanggang nanometer. At ang pangunahing kahirapan ng mga modernong sistema ay upang suportahan ang mga pagkakaiba sa pagitan ng iba't ibang mga aparato. Ang mga prinsipyo ng pagkakalibrate na binuo sa BrainScaleS ay makakatulong dito.

Sinimulan pa lang namin ang aming paglalakbay patungo sa praktikal at kapaki-pakinabang na mga neuromorphic system. Ngunit sulit ang pagsisikap. Kung matagumpay, hindi lamang tayo gagawa ng makapangyarihan mga sistema ng pag-compute; maaari pa nga tayong makakuha ng bagong impormasyon tungkol sa mga gawain ng ating sariling utak.