Технологии искусственного интеллекта стали уже практически обыденностью. Нейросети помогают диагностировать заболевания, становятся бизнес-консультантами, автоматизируют рабочие процессы. Но есть задачи, которые пока алгоритмам не под силу. Например, полностью воспроизвести работу человеческого мозга. Такие разработки на стыке биофизики, математики и биологии считаются одними из самых перспективных в мире.
Как ученые пытаются научить нейросеть «мыслить» разумно и что роботы могут позаимствовать у природы, рассказала профессор Университета Лобачевского (ННГУ им. Н. И. Лобачевского), лауреат премии президента РФ в области науки и инноваций для молодых ученых за 2023 год Сусанна Гордлеева.
— В феврале этого года вы стали лауреатом премии президента РФ в области науки и инноваций для молодых ученых. За какую разработку вы получили награду?
Ключевая особенность этой технологии в том, что я добавила в нее астроциты — глиальные клетки центральной нервной системы, необходимые для физической и химической поддержки нейронов. Это позволило повысить производительность нейросетей, они стали лучше справляться с прикладными задачами.
— Как астроциты связаны с обработкой информации? Почему вы решили добавить именно эти клетки?
— Дело в том, что за последние годы появилось множество научных публикаций с весьма интересными экспериментами. Они показывают, что астроциты активно участвуют в процессах обработки информации в мозге, формировании и хранении памяти, работе когнитивных функций.
На самом деле эти глиальные клетки были открыты достаточно давно. Но долгое время считалось, что они служат лишь вспомогательным элементом нейронов: питают их, убирают отходы метаболизма. И при этом не умеют испускать электрические сигналы, а значит, не участвуют в обработке информации. Поэтому все процессы обработки информации в мозге зависят в основном от нейронов, генерирующих электрические сигналы. Между нейронами есть синапсы, с помощью которых эти сигналы распространяются по нейронной сети, передавая информацию.
Но недавние эксперименты показали, что в ответ на нейронные сигналы астроциты все же могут кое-что генерировать, а именно — кальциевый импульс, то есть, повышать концентрацию кальция внутри клеток. При этом такие сигналы проходят в три раза дольше (длительность электрических составляет одну миллисекунду, а у астроцитов — от одной до десяти секунд).
Это приводит к тому, что из клеток высвобождаются химические вещества — глиатрансмиттеры, полностью идентичные тем, которые участвуют в синаптической передаче между нейронами. И поскольку астроциты плотно прилегают к синапсам, то такое высвобождение частиц может влиять на эффективность передачи сигналов между нейронами: усиливать ее или, наоборот, ослаблять. Ученые обнаружили, что, если, например, выключить какой-то механизм влияния астроцитов на передачу сигналов между нейронами, то у мышей или крыс страдает память, нарушаются когнитивные функции.
Все эти исследования привели к появлению концепции тройственного синапса: согласно ей, в передаче сигналов в мозге участвуют не только нейроны, но и астроциты. Поэтому я добавила в нашу систему астроцитные математические модели, воздействующие на синаптическую передачу между нейронами.
— В каких сферах такую нейросеть можно применять?
Еще подобные нейросети подходят для мемристивной микроэлектроники. Мемристоры — это такие резисторы с памятью. По сути, они являются искусственными аналогами синапсов. В настоящее время ведутся разработки по поиску идеального материала для мемристоров.
— Вы занимаетесь этим проектом более десяти лет. Как выглядел процесс создания искусственного интеллекта?
— Все началось с моей научной работы на четвертом курсе радиофизического факультета. На самом деле я и мой научный руководитель, Казанцев Виктор Борисович, оказались в числе первых, кто стал добавлять астроциты в модели нейронных сетей.
Сначала я изучала научную литературу, собственно, результаты вышеупомянутых экспериментов. Вообще, в нашем деле все обычно происходит так: например, выходит статья, где показывают, как какой-то биофизический механизм влияет на память. Я анализирую эти материалы и затем пишу математическое уравнение, описывающее этот эффект, показанный в эксперименте. Потом добавляю свои вычисления уже в большую модель нейронной сети. Далее исследую ее динамические режимы, ключевые параметры. Вся работа делается с помощью симуляции на компьютере.
По этой теме я защитила магистерскую, потом кандидатскую и докторскую. В итоге мы смогли смоделировать масштабные нейронные сети, состоящие из большого количества элементов, причем достаточно детализированных.
— Как тестировали новую нейросеть?
В этом плане наши модели хороши тем, что они биофизические. Это означает, что все процессы и параметры в них имеют отношение к живому мозгу и их можно померить в экспериментах.
Мы сравниваем результаты моделирования и экспериментальных данных, чтобы проверить модель и убедиться, что она работает правильно. Это очень важно. Потому что позднее, когда мы будем изменять параметры, наша модель начнет предсказывать какие-то вещи, которые потом нужно также подтверждать экспериментально, на основании каких-то гипотез.
Все эти параметры можно сегодня экспериментально подтвердить. Уже прошло более 70 лет, а эта модель до сих пор может предсказывать эффекты, которые потом получают подтверждение в экспериментах. Это удивительно!
— Как все это позволило улучшить работу искусственного интеллекта?
— Мы сравнили производительность обычной спайковой нейронной сети (это как раз та, которая имитирует механизм коры головного мозга) и нашей спайковой нейросети с астроцитами. Оказалось, что точность классификации изображений, которые мы подаем на вход этой нейрон-астроцитарной сети, больше на 20%.
Кроме того, мы показали, что только за счет влияния астроцитов на передачу сигналов между нейронами можно создать у нейронной сети кратковременную память. Хотя с точки зрения биологии это не совсем правильно. Поскольку в действительности нейроны и астроциты всегда включены и участвуют в запоминании информации вместе. А в математических моделях мы можем улучшить их работу за счет включения и выключения отдельных клеток.
— Много ли вообще наука знает о мозге? Можно любой биофизический процесс переложить на работу алгоритмов?
В этом и кроется основная трудность, когда мы пишем вычислительные модели. Они описывают только те клеточные механизмы, которые известны и подтверждены экспериментами. Нам нужно сложить все эти фрагменты в одну теорию. И так, постепенно, добавляя новые механизмы, мы сможем понять, как они друг с другом взаимодействуют. Это сложный процесс. Но как раз для такой задачи и нужны математические модели.
Однако это не единственная проблема. Сейчас появляется все больше международных проектов, их цель — построить цифровую модель головного мозга. Такие исследования очень интересны, для них собирается группа экспертов мирового класса по моделированию нейронных сетей, включая биологов-экспериментаторов, помогающих биофизикам и математикам.
— Как планируете развивать свою технологию?
— Мы намерены двигаться дальше, добавляя в модель все более детальные механизмы, в частности, влияние астроцитов на динамику нейронов. Будем изучать, как формируется долговременная память и как в этом участвуют глиальные клетки.
Кроме того, мы планируем реализовать эти модели на физическом носителе. Попытаемся построить реальную вычислительную машину — прототип нейропроцессора. Создадим электронные контуры (электрические схемы) на мемристорах, которые будут работать по новым принципам. Это направление сейчас активно развиваем в рамках программы Национального центра физики и математики (НЦФМ).
— Сможет ли в ближайшем будущем искусственный интеллект повысить свои когнитивные способности, стать более «человеческим»? Например, научится определять иронию и сарказм?
— Ваш пример касается более общего понятия. Принято различать слабый и сильный искусственный интеллект. Слабым называют технологии машинного обучения, которые сегодня нас окружают практически повсюду. Чему мы их научили, то они и умеют.
Если нам удастся это сделать, то, конечно, это будет прорыв. И я абсолютно уверена, что будущее именно за такими нейроморфными технологиями, как наша. Они будут эффективнее и превзойдут текущие технологии во всех сферах.
Анна Шиховец