Один нейрон — это не простой переключатель. Это мощнейший вычислительный модуль.
Новые исследования меняют представление о том, как мы понимаем работу единиц обработки информации в мозге. Десятилетиями наука исходила из предположения, что наше когнитивное преимущество обусловлено исключительно масштабом. Логика была простой: 100 миллиардов нейронов, триллионы связей. Больше «железа» — выше интеллект.
Однако недавнее исследование, опубликованное в Proceedings of the National Academy of Sciences (PNAS), указывает на то, что это предположение устарело. Главный секрет кроется в вычислительной сложности нейронов человека, которая намного глубже, чем считалось ранее.
Одна клетка мозга способна выполнять вычисления, сопоставимые с возможностями глубокой искусственной нейронной сети. Не упрощенных модулей, используемых в современном ИИ, а сложных, многоуровневых структур.
Это меняет всю картину в нейронауке. Если интеллект зависит не столько от количества клеток, сколько от качества их работы, нам предстоит заново исследовать происхождение языка, математики и даже воображения. Возможно, они зарождаются внутри одного-единственного микропроцессора в вашей коре.
«Микропроцессор» внутри головы
Нейроны коры головного мозга человека — внешней оболочки, отвечающей за высокоразвитые формы мышления, — ведут себя как сложные процессоры. Они не просто передают сигналы дальше, подобно эстафетной палочке. Они анализируют данные, комбинируют их и вычисляют результаты.
Исследователи из Еврейского университета под руководством профессоров Идана Сегева и Мики Ландана совместно с учеными из Центра нейробиологии имени Эдмонда и Лили Сафра (ELSC) доказали это. В работе также принимал участие профессор Крис де Кок из Амстердамского свободного университета.
«Люди часто представляют нейрон как переключатель, который либо включен, либо выключен, — объясняет Сегев. — Мы же показали, что один человеческий нейрон сам по себе является крайне совершенным вычислительным устройством».
Подумайте об этом так: лампочка либо светится, либо нет. А человеческий корковый нейрон? Он взвешивает входящие данные, учитывает контекст своих дендритов и принимает обоснованное решение, имитирующее работу многослойной модели ИИ.
Как проводились испытания
Нельзя просто измерить размер клетки и угадать её «уровень интеллекта». Более крупный нейрон не всегда означает более «умный».
Команде требовался объективный показатель. Поэтому они создали цифровые двойники.
Используя компьютерное моделирование и технологии ИИ, они попытались воспроизвести поведение биологических нейронов с помощью искусственных нейронных сетей (ANN). Получилась своего рода игра в подражание.
- Они брали биологический нейрон.
- Подавали ему входные сигналы.
- Наблюдали за выходными данными.
- Затем пытались обучить сеть ИИ точно воспроизвести этот же выходной сигнал.
И вот тут кроется главный сюрприз: простые нейроны других млекопитающих скопировать было легко. Небольшая, неглубокая сеть ИИ могла легко имитировать их поведение.
Человеческие корковые нейроны? С ними всё было сложнее.
Чтобы точно воспроизвести паттерны возбуждения клетки человека, ИИ-сеть должна была быть значительно более глубокой, детализированной и сложной. Чем сложнее было скопировать нейрон, тем большую вычислительную мощность он обладал.
Почему побеждают человеческие мозги
Данные однозначно говорят: для имитации человеческих корковых нейронов требуются более сложные искусственные сети, чем для нейронов других млекопитающих.
Почему? Всё дело в структуре. А именно — в дендритных деревьях. Это ветвистые структуры, принимающие сигналы. У нейронов человека сложные, густо разветвленные дендритные деревья со специфическими электрическими свойствами.
Это не просто пассивная проводка. Такая структура позволяет нейрону анализировать комбинации сигналов, а не просто складывать их линейно.
Одна клетка может функционировать как многослойная система, сопоставимая по возможностям с глубокой нейронной сетью.
Эта способность объясняет, почему мы можем различать тонкие детали, например, отличать изображение кошки от изображения собаки, или понимать абстрактные математические концепции. Мы не просто полагаемся на количество нейронов. Мы используем продвинутую вычислительную мощность каждой отдельной клетки.
Что это означает для искусственного интеллекта
Это не просто академический интерес. Это имеет огромные последствия для проектирования нейроморфного ИИ.
Большинство современных моделей машинного обучения опираются на упрощенные искусственные модули. Они выстраивают их в глубокие слои, надеясь, что коллективная сложность возникнет сама собой. Это подход «лобовой силы».
Если мы хотим создать по-настоящему продвинутые системы, возможно, нам стоит посмотреть внутрь себя. В сторону биологии.
Будущие модели ИИ могут использовать искусственные компоненты, имитирующие вычислительную сложность нейронов человека. Вместо того чтобы просто набивать стопки примитивных модулей, представьте себе интеллектуальные, нюансированные элементы обработки, которые справляются со сложностью индивидуально.
Это другой путь. Путь, отдаляющийся от сырого масштаба в сторону структурного совершенства.
Исследование бросает вызов старому представлению о том, что интеллект — это всего лишь вопрос чисел. Человеческое познание определяется не просто размером мозга. Оно определяется умом его составных частей.
Пока мы расширяем границы нейронауки и машинного обучения, граница между биологией и кремнием может стираться неожиданными способами. Но одно остается очевидным: главное преимущество человеческого мозга заключается не в его размере.
Это сложность клетки.
