Создание компьютерных моделей, имитирующих головной мозг человека, ведется достаточно давно: так, несколько недель назад отдел науки рассказывал об успехе исследователей, которым удалось смоделировать работу неокортекса (основной части коры головного мозга) мыши.
Объем созданной учеными ткани составил 1 куб. мм, а состоял он из 30 тыс. искусственных нейронов. Количество синапсов — мест контакта между нейронами — превысило 40 млн.
Испытания этой модели показали, что работает она так же, как настоящий мозг, причем делает это в режиме реального времени.
Несмотря на то что эта работа исследователей увенчалась успехом, созданная ими модель отражает лишь физическую структуру мозга. Попытки сымитировать ее при помощи процессоров (которые и исполняют роль нейронов) ведутся с конца 1960-х годов. В то же время между мозгом и машиной существуют огромные различия в том, что касается запоминания и обработки информации.
Компьютеры работают благодаря программам — алгоритмам действия, — которые загружают в них люди.
В случае с человеком все обстоит иначе — при рождении ребенка таких программ ему в мозг никто не закладывает, а значит, нашему головному мозгу приходится познавать окружающий мир «с чистого листа».
Группа ученых под руководством Бруно Голозио из итальянского Университета Сассари сумела создать компьютерную — или когнитивную, как ее называют сами исследователи, — модель, процесс обучения которой сравним с процессом развития человеческого мозга. Подробный отчет о работе был опубликован в журнале PLoS ONE. Создана она была для того, чтобы лучше понять механизмы, позволяющие человеку осваивать язык и разговаривать.
Центральный компонент когнитивной модели — система контроля, которая координирует работу рабочей памяти (отвечает за ее активацию и контролирует поток информации, проходящий через нее). Эта система контроля состоит из более чем 2 млн искусственных нейронов — процессоров, — которые взаимосвязаны между собой.
Модель (которая, кстати, называется ANNABELL — Artificial Neural Network with Adaptive Behavior Exploited for Language Learning, что переводится как «Искусственная нейронная сеть с адаптивным поведением, предназначенная для изучения языка») не имеет никаких заранее заложенных в нее программ — она изучает язык исключительно благодаря общению с человеком. Это становится возможным благодаря
двум механизмам, которые существуют и в человеческом мозге, — синаптической пластичности и нейронному стробированию.
Синаптическая пластичность — это способность соединения между нейронами повышать «качество связи» между ними в те моменты, когда нейроны активируются одновременно. Этот механизм играет ключевую роль в формировании долговременной памяти и обучении.
Нейронное стробирование — это механизм, в основе которого лежит способность некоторых нейронов выступать в роли своеобразного «переключателя», который может находиться в положениях «включено» и «выключено» и менять это положение благодаря сигналам от других нейронов. Когда «переключатель» стоит в положении «включено», сигнал идет из одной части мозга в другую. Если положение меняется на «выключено», сигнал блокируется. Таким образом стробирование помогает контролировать поток информации и поддерживать требуемый уровень его интенсивности.
Для обучения ANNABELL использовалась инкрементная модель, при которой задания, дающиеся машине, усложняются постепенно.
Источник информации у машины был только один — фразы, сообщаемые человеком. Ученые ввели в память машины 1587 простых фраз, используемых людьми в повседневном общении. ANNABELL обрабатывала и осваивала их самостоятельно, без заранее загруженного алгоритма.
Через определенное время модель смогла освоить английский язык на уровне четырехлетнего ребенка и поддерживать с учеными достаточно связный разговор, отвечая на их вопросы. Программа оказалась способной сформулировать 521 корректно построенную фразу.
Отдел науки поговорил с ведущим автором статьи Бруно Голозио и спросил его об особенностях ANNABELL и ее отличиях от Жени Густмана — компьютерной программы, которая в июне 2014 года впервые прошла тест Тьюринга, сумев убедить жюри, что с ними разговаривает 13-летний мальчик из Одессы, а не компьютер.
— Бруно, скажите, почему вы называете ANNABELL когнитивной моделью, а не искусственным интеллектом? Чем отличаются эти понятия?
— Когнитивная архитектура — это искусственная компьютерная модель, которая симулирует структуру и когнитивные процессы, происходящие в реальном сознании. Она тоже является разновидностью искусственного интеллекта, но фокусируется на другом. Другие типы искусственного интеллекта не дают понимания того, как именно мозг обрабатывает информацию.
— А что отличает ANNABELL от Жени Густмана — компьютерной программы, которая прошла тест Тьюринга?
— Женя Густман — чат-бот. Чат-боты и диалоговые системы используются для онлайн-общения. Они прекрасно имитируют процесс человеческого разговора, но эта имитация далека от реального интеллекта. Их «компьютерный» интеллект совсем не похож на человеческий: эти системы обрабатывают информацию, используя уже готовые правила, которые записаны в виде компьютерных программ. Внимание при этом уделяется выполнению задачи — а то, как именно это делается, не имеет большого значения. Многие чат-боты стремятся свести разговор с человеком к беседе, текущей по заранее определенному руслу. Кроме того, важную роль здесь играет так называемый «эффект Элизы» — бессознательное стремление людей воспринимать поведение компьютера как человеческое.
В целом диалоговые системы не моделируют когнитивные процессы, которые могут продемонстрировать, как человек овладевает языком. Цель же нашей работы заключалась в том, чтобы внести вклад в понимание механизмов, дающих возможность человеческому мозгу освоить язык, не имея каких бы то ни было начальных знаний. Наша модель проливает свет на то, как связаны протекающие в головном мозге нейронные процессы и развитие языковых навыков.
— Бруно, а возможно ли поговорить с ANNABELL в режиме реального времени, как это было в случае с Женей Густманом? Мы были бы очень рады побеседовать с ней.
— К сожалению, требования к памяти и оборудованию у ANNABELL гораздо выше, чем у обычной диалоговой системы. База данных предложений, которые мы используем для ее тренировок, очень велика по сравнению с другими моделями. И одновременно с этим она очень мала — если сравнивать с той, которую можно создать теоретически.