Как разрабатывается искусственный интеллект?

Можем ли мы читать мысли на расстоянии, видеть будущее, или управлять предметами силой мысли? Про последнее и про многое другое рассказывает молодой ученый, сотрудник Лаборатории УСС при ИПМаш Семенов Данила.

Лаборатория УСС проводит исследования, в которых участвуют студенты, аспиранты и выпускники механико-математического факультета СПбГУ. Данила Семенов, студент первого курса магистратуры, рассказал о своих проектах, научных исследованиях и о работе в лаборатории.

-Данила, расскажи немного о себе. Ты откуда, где учился до СПбГУ?

Я из Челябинска. Закончил Южно-Уральский государственный университет, механико-математический факультет. Уже во время написания первой работы (она была связана с прогнозированием временных рядов) задумался о продолжении научной деятельности. Я стал все больше интересоваться, какие есть подходы к решению моей задачи, у меня и сейчас есть желание создать алгоритм по прогнозированию валютного рынка. Данная задача уже хорошо решается с помощью нейронных сетей, а также с помощью регрессионных моделей. На настоящий момент я студент первого курса магистратуры СПбГУ. Сейчас мои интересы перешли на изучение моделей биологических нейронных сетей. Этим я и занимаюсь под руководством Александра Львовича Фрадкова.

-Расскажи, пожалуйста, поподробнее.

На самом деле под нейронными сетями подразумевают два случая. В первом случае говорят о так называемых искусственных нейронных сетях, которые используются для решения каких-то прикладных задач в индустрии, экономике и бизнесе. Эти алгоритмы реализуются на программном и аппаратном уровнях, с их помощью уже решаются конкретные задачи, например, по прогнозированию или классификации. Второй вид нейронных сетей, если мы не говорим о чисто биологических сетях, это т.н. спайковые нейронные сети, то есть сети, узлами которых являются динамические системы. И эти динамические системы описывают поведение реальных биологических нейронов.

-А это возможно?

Это уже есть. Конечно, модели, так как они математические, еще имеют свои недостатки, но в целом, задача описания поведения биологического нейрона уже решена. Эту задачу впервые поставили Алан Ходжкин и Эндрю Хаксли в 50-е годы ХХ века. Свои эксперименты они проводили на кальмарах. Ученые подавали сигналы определенной формы на дендриты (вход) и фиксировали результат на аксоне (выход). За счет того, что сигналы были различной формы, например, единичный, или гармонический, или же еще какой-то другой сигнал, на выходе получался ансамбль сигналов, по которому и строилась динамическая система.

-Подожди, они его током били?

Да, как это и не прискорбно осознавать, но и Наука бывает жестока. Даже у меня, человека, любящего науку, сердце иногда замирает. Но в результате экспериментов с кальмаром ученые смогли реконструировать динамическую систему нейрона (систему дифференциальных уравнений).

-Что это дало ученым в дальнейшем?

Дало, и до сих пор дает, причем в совершенно разных областях знаний. Например, в биофизике и нейробиологии. Вот буквально недавно мы слушали доклад нашего российского биофизика А.В. Чижова, который дополнил модель Ходжкина-Хаксли другими дифференциальными уравнениями, которые более детально описывают работу калий-натриевого насоса клеточной мембраны.

-А чем конкретно занимаетесь вы?

Мы в основном занимаемся объединением динамических моделей в единую спайковую нейронную сеть. Мы строим такие сети, и затем исследуем их поведение по отношению друг к другу. В наших сетях мы используем математическую модель нейрона, где каждый узелок сети – это одна динамическая система. По сути, это моделирование центральной нервной системы человека или животного.

-Можно сказать, что вы приближаетесь к созданию искусственного интеллекта?

Приближаемся – это пока слишком громко сказано, но да, движение идет в этом направлении. А пока среди задач, которые уже сейчас решаются с помощью спайковых нейронных сетей – это лечение эпилепсии и других неврологических заболеваний. Суть в том, что при эпилепсии у человека происходит синхронизация нейронов. Это значит, что большая совокупность нейронов начинает вести себя как единый нейрон. Для человека это заканчивается судорогами и прочими сопутствующими эпилепсии симптомами.

-Можешь пояснить, как ученые узнали, что в мозге эпилептика есть такая синхронизация, и что именно она является первопричиной этого заболевания?

Мне сложно сейчас припомнить детали, но в общих чертах это должно было выглядеть примерно так: посредством малоинвазивной трепанации вводятся электроды в те участки, где, как правило, возникают очаги эпилепсии, и снимают напряжение. По этому напряжению можно определить, имеется ли синхронизация, или ее нет. А вот причины синхронизации, т.е. то, что заставляет наши нейроны так действовать, до сих пор не определены. Если мы определим причину появления синхронизации нейронов, то мы сможем ее просто-напросто предотвратить, построив закон управления, который будет воздействовать на эту группу таким образом, что еще до момента приступа, по первым признакам его наличия, через подачу определенного сигнала на нейроны можно будет свести риск появления паталогического состояния почти к нулю. Вероятность того, что после этого наступит приступ, будет минимальной. Многие врачи уже сейчас склонны к тому, чтобы вживлять в мозг определенные микросхемы, которые будут определять по некоторым признакам приближающийся приступ, воздействовать на нейроны и тем самым оберегать человека от этого опасного состояния. Для того, чтобы найти такое управление, которое позволило бы десинхронизировать систему, нужно изучить, как действуют нейроны в совокупности. А для этого нам нужно понять действие закона синхронизации. Что мы делаем? Мы рассматриваем некоторую сеть с определенной топологией, например, кольцо нейронов, или бинарное дерево, или иерархичную структуру, и для каждой такой сети производим поиск условий управления, при которых она начинает синхронизироваться. Получили закон синхронизации, а, следовательно, и закон десинхронизации. Этим занимаемся мы и наши коллеги по цеху. Работы еще много. В конечном результате хотелось бы получить условия для синхронизации сети в случае произвольной топологии.

-Нейронные сети – это сейчас модно, у все на слуху. Как ты считаешь, каков их потенциал для науки?

Спайковые нейронные сети, как мы видим, уже вносят свой вклад в медицину, здравоохранение. Также, на мой взгляд, реальное будущее искусственного интеллекта именно за такими моделями нейронных сетей, не искусственными, а приближенными к биологическим. Искусственные нейронные сети все-таки остаются искусственными, это некая абстракция человека. Они не учитывают многих особенностей, заложенных природой.

-Для вашей работы вам необходимо наблюдать и изучать человеческий мозг. Как это осуществляется на практике?

Сейчас мы подошли ко второй части нашей научной деятельности в лаборатории УСС. На данный момент мы проводим параллельно два исследования. О первом я вам сейчас рассказал – мы занимаемся поиском законов управления паталогической синхронизацией. Вторая часть работы связана с управлением объектами с помощью нейро-обратной связи. Что это значит? Это значит, что в перспективе мы сможем управлять каким-либо объектом силой мысли. Человеку достаточно будет визуализировать действие, и оно произойдет. На английском это звучит как Brain Machine Interface – интерфейс мозга и машины. Это направление очень интересное, над его решением работают многие ученые, в том числе и мы. У нас сугубо математические методы, мы получаем качественный результат примерно того же уровня, что и с применением инвазивных методов исследования, которые слабо используют математический аппарат. Мы очищаем и обрабатываем сигналы, поступающие с энцефалографа, и находим в них те, которые соответствуют нашим физическим или умозрительным действиям. С точки зрения нашего мозга, движение рукой и представление о движении рукой – это абсолютно эквивалентные вещи. Мы можем использовать какую-либо конкретную мысль, например, мысль о движении вперед, и с помощью специальных приборов приводить в движение инвалидное кресло. Представьте, насколько это упростит жизнь людей, полностью обездвиженных! Также такие люди получат возможность общаться с окружающими. Например, уже существует виртуальная клавиатура, которая позволяет набирать текст силой мысли.

-С какими трудностями вам пришлось столкнуться?

Для приема сигналов с мозга мы используем энцефалограф. Проблема возникает тогда, когда сигнал скрыт за некоторым шумом других сигналов. К шумам добавляется еще и пространственная составляющая, поскольку мы снимаем сигнал не с одного нейрона, а с целой их совокупности. Для этого нам необходим более сильный, более точный математический аппарат. Энцефалограф легко распознает альфа-ритмы, или, скажем, движение глаз, но гораздо сложнее вычленить мю-ритмы, а именно с их помощью мы смогли бы управлять объектами.

-Какие приборы для исследований вам предоставляет лаборатория УСС?

В нашем распоряжении находится высокоточный энцефалограф, который рассчитан на сто тридцать каналов. Для сравнения, обычный энцефалограф принимает только около двадцати четырех каналов. К слову, аппарат не представляет никакой угрозы здоровью, с его помощью мы снимаем потенциалы с головного мозга. Во всех исследованиях участвуем, в основном, мы сами, сотрудники лаборатории. В нашей группе три человека. Сигнал с энцефалографа по bluetooth-соединению поступает на компьютер, где наша программа его обрабатывает и визуализирует в виде графика.

-Во время исследования что происходит с человеком, мозг которого вы изучаете?

Для исследования важно, чтобы мозг и машина вначале прошли некоторую калибровку. В это время вас не должно ничего тревожить и волновать. Вспомните фильм «Аватар», где герой подключается к своему новому телу и затем им управляет. Здесь тоже самое, перед тем как чем-то управлять, мы должны дать устройству возможность адаптироваться к нашему мозгу. Компьютер уже способен распознать настроение человека, его самочувствие. Он знает, когда мы устали, или грустим, или радуемся и полны сил. Сейчас же мы учим машину распознавать наши желания. Когда это произойдет, наши отношения с машиной станут уже совсем другими.

-Прекрасное будущее. Но и немного пугающее…

Прекрасное будущее, но его нужно создавать. Я очень надеюсь, что стану очевидцем некоторого приближения искусственного интеллекта к интеллекту homo sapiens. Здорово было бы на это посмотреть, тебе не кажется? Сейчас машина отлично справляется с конкретными задачами, например, есть алгоритм, который идентифицирует человека, распознает его по фото лучше специалиста. И таких примеров в нашем мире множество. А сможет ли машина когда-нибудь чувствовать, мыслить, принимать решения? Поживем, увидим. Если не вымрем раньше, как динозавры. Ведь угроз для человечества немало. Вспомним хотя бы метеорит над Челябинском, откуда я родом. Если в следующий раз прилетит что-то посерьезнее, то все, нашей планете конец. И наука, на данном этапе своего развития, пока нас не спасает. А какие опасности таит в себе искусственный разум? Я думаю, тут каждый волен предлагать свои сценарии. Но задач перед нами, его создателями, еще немало.

-В вашей работе над нейронными сетями уже есть интересные результаты. Расскажи, пожалуйста.

В определенной топологии нами получены законы управления, которые обеспечивают синхронизацию сети. Иными словами, мы уже нашли причину возникновения паталогической синхронизации для некоторых топологий, на основе чего можно строить алгоритмы, способные предотвращать данную синхронизацию в мозге человека. Мы начинаем сотрудничать с биологами, медиками и физиками из Института Высшей Нервной Деятельности и Нейрофизиологии РАН. Это даст нам возможность перейти к экспериментам с реальными нейронными культурами, выращенными в чашке Петри. Так же мы обмениваемся информацией физиками из Физико-технического институтом им. А.Ф.Иоффе РАН. Все это в совокупности и дает нам возможность продвигаться в нашем исследовании все дальше. Думаю, новые интересные результаты не заставят себя долго ждать.