久久久久久久999_99精品久久精品一区二区爱城_成人欧美一区二区三区在线播放_国产精品日本一区二区不卡视频_国产午夜视频_欧美精品在线观看免费

標(biāo)題: 揭秘IARPA項目：解碼大腦算法或?qū)氐赘淖儥C(jī)器學(xué)習(xí) [打印本頁]

作者: hubaba 時間: 2016-4-7 22:42
標(biāo)題: 揭秘IARPA項目：解碼大腦算法或?qū)氐赘淖儥C(jī)器學(xué)習(xí)
作者：Emily Singer
機(jī)器之心編譯出品
參與：亞洲，吳攀，閏松，微胖

聯(lián)邦政府情報部門資助了一個非常有野心的新項目，旨在讓人工智能更加符合我們自己的腦力力量（metal powers）。由神經(jīng)學(xué)專家和計算機(jī)科學(xué)專家組成的三支隊伍將試圖搞清楚大腦是如何完成這些視覺識別壯舉，然后讓機(jī)器也能完成這樣的任務(wù)。如今的機(jī)器學(xué)習(xí)在人類擅長的領(lǐng)域是失敗，通過對大腦算法和計算方式的逆向工程研究，徹底改變機(jī)器學(xué)習(xí)。

帶一個3歲小孩去動物園，當(dāng)她看到正在吃樹葉的長脖子動物，她就本能的知道這是繪畫書上的長頸鹿。表面看起來非常容易的事情，實(shí)際上相當(dāng)復(fù)雜。書上的卡通繪畫只是簡單線條畫出的刻板輪廓，而活生生的動物有顏色、肌理、動作和光線。從不同的角度看，會呈現(xiàn)出不同形狀。

人類非常擅長完成這種任務(wù)。只需少量樣本，我們能非常輕松抓住一件事物最重要的特征，并把這些特征應(yīng)用到不熟悉的樣例中。另一方面，計算機(jī)通常需要瀏覽一個完整的長頸鹿（處在許多背景中、不同角度觀察到的長頸鹿）數(shù)據(jù)庫，從而學(xué)習(xí)正確的識別這種生物。

視覺識別，是眾多人類強(qiáng)于計算機(jī)的領(lǐng)域之一。從數(shù)據(jù)洪流中尋找關(guān)聯(lián)信息、解決非結(jié)構(gòu)的難題、無監(jiān)督學(xué)習(xí)（比如，小孩玩積木時學(xué)習(xí)重力知識）這些領(lǐng)域也是我們更加擅長的。「人類是好得多的通才」卡耐基梅隆大學(xué)的計算機(jī)科學(xué)和神經(jīng)科學(xué)專家Tai Sing Lee說，「我們的思考更加靈活，并能預(yù)測、想象甚至創(chuàng)造未來的事件。」

聯(lián)邦政府情報部門資助了一個非常有野心的新項目，旨在讓人工智能更加符合我們自己的腦力力量（metal powers）。由神經(jīng)學(xué)專家和計算機(jī)科學(xué)專家組成的三支隊伍將試圖搞清楚大腦是如何完成這些視覺識別壯舉，然后讓機(jī)器也能完成這樣的任務(wù)。牽頭IARPA(Intelligence Advanced Research Projects Activity）項目的Jacob Vogelstein說，「如今的機(jī)器學(xué)習(xí)在人類擅長的領(lǐng)域是失敗的。我們想要通過對大腦算法和計算方式的逆向工程研究，徹底改變機(jī)器學(xué)習(xí)。」

時間短。現(xiàn)在，每一團(tuán)隊正從史無前例的細(xì)節(jié)上，為一塊皮質(zhì)建模。與此同時，團(tuán)隊正在研發(fā)算法，部分基于他們所學(xué)的內(nèi)容。到明年夏季，這些算法中的每一個都會被展示一個陌生事物的實(shí)例，然后要求算法從未標(biāo)記數(shù)據(jù)庫中數(shù)以千計的圖片中，選出這一實(shí)例的例子。西雅圖艾倫腦科學(xué)研究所主席兼首席科學(xué)家Christof Kocha也正在與其中一個團(tuán)隊合作，他說，「時間很緊迫。」

Koch 和他的同事現(xiàn)在正在給一小塊大腦——一百萬立方微米，總計是罌粟種子體積的五百分之一——創(chuàng)建完整的連接圖（wiring diagram）。去年六月發(fā)表的成果給出了當(dāng)時最廣闊的完整連接圖，大約花了六年時間才完整，如今正在繪制中的線路圖規(guī)模更大。

在為期五年的 IARPA 項目——被稱為來自大腦皮層網(wǎng)絡(luò)的機(jī)器智能（Machine Intelligence from Cortical Networks (http://www.iarpa.gov/index.php/research-programs/microns),MICrONS）——結(jié)束之前，研究員們旨在繪制出一立方毫米大腦皮層。這一極小部分擁有大約 100,000 個神經(jīng)元，300萬到 1500萬神經(jīng)元連接，或者說是突觸，如果將神經(jīng)線路全部解開，然后首位相連的話，神經(jīng)連接曼哈頓的之寬足以媲美曼哈頓的寬度。

沒有人嘗試過以這樣的規(guī)模重建一部分大腦組織。但是，規(guī)模更小一些的努力已經(jīng)表明，這些繪制圖能為我們提供關(guān)于皮質(zhì)內(nèi)部運(yùn)作的洞見。在一篇發(fā)表在三月《 Nature 》上的論文中，與 Koch 的團(tuán)隊合作的哈佛大學(xué)神經(jīng)科學(xué)專家 Wei-Chung Allen Lee 與其合作者共同繪制出了一張50 個神經(jīng)元以及1000多個神經(jīng)元伙伴的連接圖。將這份連接圖與大腦中每個神經(jīng)元如何工作的信息——比如，有些對豎線輸入作出回應(yīng)——進(jìn)行比較，他們推導(dǎo)了出皮層該部分神經(jīng)元解剖學(xué)連接的簡單規(guī)則。他們發(fā)現(xiàn)，有相似功能的神經(jīng)元更易于連接，而且彼此連接的規(guī)模大于與其他類型神經(jīng)元的連接。

盡管 MICrONS 的暗含目標(biāo)是技術(shù)性的——除了其他方面，IARPA 資助那些最終有可能為智能社區(qū)帶來數(shù)據(jù)分析工具的研究——但是，對大腦的新而深刻的理解將必須放在第一位。貝勒醫(yī)學(xué)院神經(jīng)學(xué)家 Andreas Tolias 是 Koch 的團(tuán)隊的共同領(lǐng)導(dǎo)，他將我們目前對皮質(zhì)的知識比作是一張模糊的照片。他希望 MICrONS 計劃的空前規(guī)模將幫助我們讓「這張照片」更清晰，揭示出管理我們神經(jīng)回路的更復(fù)雜的規(guī)則。他說，如果不了解所有的組成部分，「也許我們就錯失了這種結(jié)構(gòu)的美。」

大腦的處理單元

大腦表面覆蓋的復(fù)雜褶皺形成了大腦皮質(zhì)，一片披薩大小的組織揉成一團(tuán)以適應(yīng)我們的頭骨大小。它在很多方面都是大腦的微處理器。這片大約厚 3 毫米的組織是由一系列的重復(fù)模塊構(gòu)成的，這些模塊類似于微電路，即計算機(jī)芯片中的邏輯門陣列。每一個模塊都由大約 100,000 個神經(jīng)元排列成復(fù)雜的互聯(lián)細(xì)胞網(wǎng)絡(luò)構(gòu)成。證據(jù)表明，在整個皮質(zhì)中，這些模塊的基本結(jié)構(gòu)是大致相同的。但是，大腦不同區(qū)域的模塊有各自不同的特定目的，如視覺、運(yùn)動或聽覺。

領(lǐng)導(dǎo)一支 MICrONS 團(tuán)隊的 Andreas Tolias（左）與他的學(xué)生 R.J. Cotton。

科學(xué)家對這些模塊的樣子和工作方式只有一個大概的認(rèn)識。要在數(shù)十或數(shù)百個神經(jīng)元的更小的尺度上研究大腦，他們受到了很大的限制。而為追蹤數(shù)千個神經(jīng)元的形狀、行為和連接而設(shè)計的新技術(shù)終于讓研究者可以分析模塊內(nèi)的細(xì)胞彼此交互的方式；系統(tǒng)中一個部分的活動可能會怎樣引發(fā)或抑制另一部分的活動。「有史以來第一次，我們有能力審查這些模塊，而不只是猜測其中的內(nèi)容。」Vogelstein 說，「對于其內(nèi)部有什么，不同的團(tuán)隊有不同的猜測。」

這些研究者的重點(diǎn)是皮質(zhì)中處理視覺的部分，這是神經(jīng)科學(xué)家已經(jīng)集中探索過的和計算機(jī)科學(xué)家長時間來一直在努力模仿的一個感官系統(tǒng)。「視覺似乎很容易——只是睜開眼睛而已——但教會計算機(jī)做同樣的事情卻很艱難。」哈佛大學(xué)神經(jīng)科學(xué)家 David Cox 說，他也領(lǐng)導(dǎo)著一支 IARPA 研究團(tuán)隊。

每一個團(tuán)隊以有關(guān)視覺工作方式的相同基本觀念作為開始，一個已有幾十年歷史的被稱為分析-綜合（analysis-by-synthesis）的理論。按照這個思路，大腦做出關(guān)于不久的將來即將發(fā)生的事情的預(yù)測，然后將這些預(yù)測和其所見到的內(nèi)容進(jìn)行調(diào)和。這一方法的力量在于它的效率——它所需的計算比隨時間連續(xù)重建每一時刻所需的計算更少。

大腦可能以任何數(shù)量的不同方式執(zhí)行這種分析，所以，每一個團(tuán)隊都在探索不同的可能。Cox 的團(tuán)隊將大腦看作是某種物理引擎，帶有已經(jīng)存在的用于模擬世界應(yīng)該具有的模樣的物理模型。Tai Sing Lee 與 George Church 聯(lián)合領(lǐng)導(dǎo)的團(tuán)隊的理論是大腦會構(gòu)建一個組件庫——物體和人的零碎信息——并且學(xué)習(xí)如何將這些組件組合到一起的規(guī)則。例如，樹葉往往出現(xiàn)在樹枝上。Tolias 的研究組研究的是一種更為數(shù)據(jù)驅(qū)動的方法，其中大腦為其所生活的世界創(chuàng)建統(tǒng)計預(yù)期。他的團(tuán)隊將為回路中不同組分學(xué)習(xí)交流的方式測試各種假說。

這三個研究團(tuán)隊都將監(jiān)測目標(biāo)大腦塊中數(shù)萬個神經(jīng)元的活動。然后，他們會使用不同方法創(chuàng)建這些細(xì)胞的連接圖。例如， Cox 的團(tuán)隊會將大腦組織切割成比頭發(fā)絲還薄的切片，然后使用電子顯微鏡分析每一片切片。之后該團(tuán)隊會通過計算方式將每一個截面縫合到一起，創(chuàng)建一個密密麻麻的包含數(shù)百萬個穿過皮質(zhì)的復(fù)雜路徑的神經(jīng)線路的三維圖。

有了大腦線路圖和活動模式之后，每一個團(tuán)隊都將嘗試梳理出一些支配大腦回路的基本規(guī)則。然后他們會將這些規(guī)則編程為一個仿真模型，并檢測該仿真模型和真實(shí)大腦的匹配程度。

Tolias 及其合作者已經(jīng)領(lǐng)略到一些這類方法可以實(shí)現(xiàn)的成果。在去年 11 月發(fā)表于 Science 的一篇論文中，他們得到了 11,000 個神經(jīng)元對之間的連接圖，并在這一過程中揭示了五種新類型的神經(jīng)元。「我們?nèi)匀粵]有構(gòu)成皮質(zhì)的組分的完整清單，也不知道這些單獨(dú)的細(xì)胞看起來什么樣、它們是什么連接的。」Koch 說，「那就是（Tolias）已經(jīng)在開始做的事情。」

Andreas Tolias和合作者繪制出了成對神經(jīng)元中的連接并記錄下它們的放電活動。五個神經(jīng)元（上部靠左）的復(fù)雜解剖可以被歸結(jié)為一個簡單的回路圖標(biāo)（上部靠右）。將電流注入神經(jīng)元2，能讓神經(jīng)元放電，引發(fā)兩個下游的細(xì)胞發(fā)生電子變化，即神經(jīng)元1 和 5（底部）。

在數(shù)以千計的神經(jīng)連接中，Tolia 的團(tuán)隊揭開了三條支配細(xì)胞如何連接的普遍規(guī)則：一些神經(jīng)元主要與他們自己同類神經(jīng)元交流；另一些避開自己的同類，主要與其他類別的神經(jīng)元對話；第三組只與特定少數(shù)神經(jīng)元對話。（Tolia 的團(tuán)隊是基于神經(jīng)解剖學(xué)而不是功能來定義細(xì)胞，Wei Lee 的團(tuán)隊則用功能來定義細(xì)胞。）運(yùn)用這三條連接規(guī)則，研究員們能相當(dāng)準(zhǔn)確地模擬神經(jīng)回路。「現(xiàn)在的挑戰(zhàn)是解決這些連接規(guī)則在算法上意味著什么。」Tolia 說，「它們是如何計算的？」

基于真實(shí)神經(jīng)元的神經(jīng)網(wǎng)絡(luò)

類腦人工智能不是新鮮觀點(diǎn)。所謂的神經(jīng)網(wǎng)絡(luò)，也就是模仿大腦基本結(jié)構(gòu)，在二十世紀(jì)八十年代紅極一時。但是那時，這一領(lǐng)域缺乏計算能力和訓(xùn)練數(shù)據(jù)，而這是算法變得真正有效所需要的。畢竟，當(dāng)時網(wǎng)上所有標(biāo)記為貓的數(shù)百萬圖片無法得以有效利用。盡管神經(jīng)網(wǎng)絡(luò)已經(jīng)享受到偉大復(fù)興——基于神經(jīng)網(wǎng)絡(luò)算法的語音和面孔識別程序已快速成為我們?nèi)粘Ｉ畹囊徊糠郑?AlphaGo 最近打敗了世界頂級圍棋選手——但是，人工神經(jīng)網(wǎng)絡(luò)用于更改它們連接的規(guī)則，幾乎肯定不同于大腦采用的規(guī)則。

當(dāng)代神經(jīng)網(wǎng)絡(luò)「是基于我們在上世紀(jì)六十年代掌握的腦知識。」這是 Terry Sejnowski 的原話。他是圣地亞哥索爾克研究所的計算神經(jīng)科學(xué)家，和多倫多大學(xué)計算機(jī)科學(xué)家Geoffrey Hinton 共同開發(fā)了早期神經(jīng)網(wǎng)絡(luò)算法。「有關(guān)大腦如何組織的知識正在爆炸式增長。」

例如，如今的神經(jīng)網(wǎng)絡(luò)包含一個前饋結(jié)構(gòu)，在這里信息通過一系列層級從輸入流向輸出。每一層被訓(xùn)練用來識別某種特征，比如，眼睛或胡須。然后，分析結(jié)果向前輸送，接下來的每一層對數(shù)據(jù)進(jìn)行更加復(fù)雜的計算。，電腦程序就是用這樣的辦法最終將一系列彩色像素識別為貓。

但是，這種前饋結(jié)構(gòu)漏掉了生物系統(tǒng)中的關(guān)鍵組成部分：反饋，既有單層內(nèi)的反饋，又有從高級層向低級層的反饋。在真正的大腦里，一層皮質(zhì)里神經(jīng)元不僅與它們的鄰近相連，也與位于其上、下層的神經(jīng)元相連，創(chuàng)建出錯綜復(fù)雜的網(wǎng)絡(luò)環(huán)路。「反饋連接是皮層網(wǎng)絡(luò)機(jī)器極其重要的一部分。」 Sejnowski 說，「反饋和前饋連接一樣多。」

神經(jīng)科學(xué)家尚未精確理解反饋回路在做什么，雖然他們知道，在我們指揮注意力的能力方面，這些反饋回路很重要。例如，它們幫助我們聽到手機(jī)上的聲音，與此同時隔絕讓我們分心的城市噪音。分析-綜合理論的部分吸引力在于，為所有反復(fù)出現(xiàn)的連接（recurrent connections）提供了理由。它們幫助大腦比較預(yù)期與現(xiàn)實(shí)。

Microns 研究員打算破解管理反饋環(huán)路的規(guī)則——比如，這些環(huán)路連接了哪些細(xì)胞，什么激發(fā)了它們的活動，這些活動又是如何影響環(huán)路輸出的——然后將這些規(guī)則翻譯成算法。Tai Sing Lee 說，「現(xiàn)在，機(jī)器缺乏的是想象力和內(nèi)省。我相信，反饋回路能讓我們進(jìn)行許多不同層次的想象和反省的。」

也許，反饋回路將某天賦予機(jī)器一些（我們認(rèn)為）人類獨(dú)有的特質(zhì)。「如果你在一個深度網(wǎng)絡(luò)中使用『反饋回路』，你就能從一種具有有某種下意識反應(yīng)——給出輸入，獲取輸出——的神經(jīng)網(wǎng)絡(luò)，發(fā)展到一種更加靈活的網(wǎng)絡(luò)，它能開始思考輸入并測試假設(shè)，」Sejnowski說，目前他擔(dān)任奧巴馬總統(tǒng)1億美元BRAIN Initiative的顧問，Microns項目也是這個計劃的一部分。

通向意識的線索

就像所有的IARPA項目，Microns的項目風(fēng)險高。研究人員大規(guī)模繪制神經(jīng)元活動和線路需要技術(shù)，目前也存在這樣的技術(shù)，但是，之前沒有人以這種規(guī)模運(yùn)用過這些技術(shù)。研究人員面臨的挑戰(zhàn)之一就是如何處理研究產(chǎn)生的海量數(shù)據(jù)量——大腦每立方毫米就有1到2拍字節(jié)。團(tuán)隊可能需要開發(fā)出新的機(jī)器學(xué)習(xí)工具，分析所有數(shù)據(jù)，一個相當(dāng)具有諷刺意味的它自己的反饋環(huán)路。

從一小塊大腦學(xué)到的東西是否將證明是大腦更大天賦的例證，也不清楚。Sejnowski說，「大腦并不僅僅是一片皮質(zhì)，」「大腦是數(shù)以百計專司各種不同功能系統(tǒng)（的集合。）」

大腦皮質(zhì)本身由大致相同的重復(fù)著的單元組成。但是，大腦的另一部分可能扮演完全不同的功能。比如，Alpha Go算法采用的加強(qiáng)學(xué)習(xí)就與基底神經(jīng)節(jié)（basal ganglia）——與成癮有關(guān)的大腦部分——活動過程有關(guān)。「如果你希望人工智能超越簡單的模式識別，需要很多不同的功能部分，」Sejnowksi說。

然而，項目要成功，就不能止于分析智能數(shù)據(jù)。一個成功的算法將揭開大腦如何理解世界這一重要真相。特別是，它會有助于確認(rèn)大腦的確是通過分析—綜合運(yùn)行的——它會將自己對世界的預(yù)測與通過我們感官輸入的數(shù)據(jù)進(jìn)行比較。它將揭示出，意識的關(guān)鍵成分是永遠(yuǎn)變化著的想象與感知的混合物。「它是一種想象，允許我們預(yù)測未來發(fā)生的事情，并使用這一預(yù)測指導(dǎo)我們的行動，」Tai Sing Lee說。通過打造思考機(jī)器，這些研究人員希望揭開思維自身之謎。

本文由機(jī)器之心編譯

歡迎光臨 (http://www.zg4o1577.cn/bbs/)

<input id="csqok"><dd id="csqok"></dd></input><blockquote id="csqok"></blockquote>