Один нейрон – це не простий перемикач. Це потужний обчислювальний модуль.
Нові дослідження змінюють уявлення у тому, як розуміємо роботу одиниць обробки інформації у мозку. Десятиліттями наука виходила з припущення, що наша когнітивна перевага обумовлена виключно масштабом. Логіка була простою: 100 мільярдів нейронів, трильйони зв’язків. Більше «заліза» — вищий інтелект.
Однак нещодавнє дослідження, опубліковане в Proceedings of the National Academy of Sciences (PNAS), вказує на те, що це припущення застаріло. Головний секрет криється в обчислювальної складності нейронів людини, яка набагато глибша, ніж вважалося раніше.
Одна клітина мозку здатна виконувати обчислення, які можна порівняти з можливостями глибокої штучної нейронної мережі. Чи не спрощених модулів, що використовуються в сучасному ІІ, а складних, багаторівневих структур.
Це змінює всю картину в нейронауці. Якщо інтелект залежить не стільки від кількості клітин, скільки від якості їхньої роботи, ми маємо наново досліджувати походження мови, математики і навіть уяви. Можливо, вони зароджуються всередині одного-єдиного мікропроцесора у вашій корі.
«Мікропроцесор» усередині голови
Нейрони кори мозку людини — зовнішньої оболонки, відповідальної за високорозвинені форми мислення, — поводяться як складні процесори. Вони не просто передають сигнали далі, подібно до естафетної палички. Вони аналізують дані, комбінують їх та обчислюють результати.
Дослідники з Єврейського університету під керівництвом професорів Ідана Сегева та Мікі Ландана спільно з вченими з Центру нейробіології імені Едмонда та Лілі Сафра (ELSC) довели це. У роботі також брав участь професор Кріс де Кок із Амстердамського вільного університету.
«Люди часто представляють нейрон як перемикач, який або увімкнено, або вимкнено, — пояснює Сегєв. — Ми ж показали, що один людський нейрон сам по собі є вкрай досконалим обчислювальним пристроєм».
Подумайте про це так: лампочка або світиться, або ні. А людський кірковий нейрон? Він зважує вхідні дані, враховує контекст своїх дендритів та приймає обґрунтоване рішення, що імітує роботу багатошарової моделі ІІ.
Як проводилися випробування
Не можна просто виміряти розмір клітини та вгадати її «рівень інтелекту». Більший нейрон який завжди означає «розумніший».
Команді був потрібний об’єктивний показник. Тому створили цифрові двійники.
Використовуючи комп’ютерне моделювання та технології ІІ, вони спробували відтворити поведінку біологічних нейронів за допомогою штучних нейронних мереж (ANN). Вийшла свого роду гра в наслідування.
- Вони брали біологічний нейрон.
- Подавали йому вхідні сигнали.
- Спостерігали за вихідними даними.
- Потім намагалися навчити мережу ІІ точно відтворити цей вихідний сигнал.
І тут криється головний сюрприз: прості нейрони інших ссавців скопіювати було легко. Невелика, неглибока мережа ІІ могла легко імітувати їхню поведінку.
Людські кіркові нейрони? З ними все було складніше.
Щоб точно відтворити патерни збудження клітини людини, ІІ-мережа повинна була бути значно глибшою, деталізованою та складною. Чим складніше було скопіювати нейрон, тим більшу обчислювальну потужність він мав.
Чому перемагають людські мізки
Дані однозначно кажуть: для імітації людських кіркових нейронів потрібні складніші штучні мережі, ніж для нейронів інших ссавців.
Чому? Вся справа у структурі. А саме – у дендритних деревах. Це розгалужені структури, що приймають сигнали. У нейронів людини складні, густо розгалужені дендритні дерева зі специфічними електричними властивостями.
Це не просто пасивне проведення. Така структура дозволяє нейрону аналізувати комбінації сигналів, а чи не просто складати їх лінійно.
Одна клітина може функціонувати як багатошарова система, яка можна порівняти з глибокої нейронної мережею.
Ця здатність пояснює чому ми можемо розрізняти тонкі деталі, наприклад, відрізняти зображення кішки від зображення собаки, або розуміти абстрактні математичні концепції. Ми не просто покладаємось на кількість нейронів. Ми використовуємо просунуту обчислювальну потужність кожної окремої клітини.
Що це означає для штучного інтелекту
Це не просто академічний інтерес. Це має великі наслідки для проектування нейроморфного ІІ.
Більшість сучасних моделей машинного навчання спираються на спрощені штучні модулі. Вони вибудовують їх у глибокі прошарки, сподіваючись, що колективна складність виникне сама собою. Це підхід лобової сили.
Якщо ми хочемо створити по-справжньому просунуті системи, можливо, нам варто подивитися всередину себе. У бік біології.
Майбутні моделі ІІ можуть використовувати штучні компоненти, що імітують обчислювальну складність нейронів людини. Замість того, щоб просто набивати стопки примітивних модулів, уявіть собі інтелектуальні, нюансовані елементи обробки, які справляються зі складністю індивідуально.
Це інший шлях. Шлях, що віддаляється від сирого масштабу у бік структурної досконалості.
Дослідження кидає виклик старому уявленню про те, що інтелект — це лише питання чисел. Людське пізнання визначається непросто розміром мозку. Воно визначається розумом його складових частин.
Поки ми розширюємо межі нейронауки та машинного навчання, межа між біологією та кремнієм може стиратися несподіваними способами. Але одне залишається очевидним: головна перевага людського мозку полягає не в його розмірі.
Це складність клітки.
