Reverse-engineering af hjernen

Maggie er en meget smart abe, siger Tim Buschman, en kandidatstuderende i professor Earl Millers neurovidenskabelige laboratorium. Maggie er ikke synlig - hun er i et biosikkerhedsindhegning beregnet til at beskytte hende mod menneskelige bakterier - men tegnene på hendes intelligens flyder over to skærme foran Buschman. I de sidste syv år har Maggie arbejdet for MITs afdeling for hjerne- og kognitiv videnskab (BCS). Tre timer om dagen spiller makaken computerspil, der (normalt) er designet til at kræve, at hun genererer abstrakte repræsentationer og derefter bruger disse abstraktioner som værktøjer. Selv jeg har problemer med denne, siger Buschman og nikker til et spil, der involverer klassificering af logiske operationer. Men Maggie er på vej, slår igennem problemer, tager omkring et halvt sekund for hver og får omkring fire ud af fem rigtige.

Illustration af David Plunkert

Maggies spil ligger i skæringspunktet mellem kunstig intelligens (AI) og neurovidenskab. Under vejledning af Buschman og Michelle Machon, en anden kandidatstuderende, bidrager hun til forskning i, hvordan hjernen lærer og konstruerer logiske regler, og hvordan dens udførelse af disse opgaver kan sammenlignes med de kunstige neurale netværk, der bruges i AI.

For 40 år siden ville ideen om, at neurovidenskab og kunstig intelligens kunne mødes i laboratorier som Millers, næsten have været utænkelig. Dengang opererede de to discipliner i armslængde. Mens neurovidenskab fokuserede på at afdække og beskrive detaljerne i neuroanatomi og neural aktivitet, forsøgte AI at udvikle en uafhængig, ikke-biologisk vej til intelligens. (Historisk set har teknologien egentlig ikke behøvet at kopiere naturen så slavisk; fly flyver ikke som fugle, og biler kører ikke som heste.) Og det var AI, der så ud til at udvikle sig meget hurtigere. Neurovidenskaben vidste næsten ikke noget om, hvad hjernen var, endsige hvordan den fungerede, hvorimod alle med et gram fornuft troede, at den dag, hvor computere ville være i stand til at gøre alt, hvad mennesker gjorde (og gøre det bedre) var inden for synsvidde. I 1962 blev præsident Kennedy selv overbevist om pointen, idet han udtalte automatisering (eller som det ofte blev kaldt dengang, cybernation) som kerneudfordringen i hjemmet i 1960'erne på grund af truslen om, at det ville sætte mennesker uden arbejde.

Men noget afsporede AI-ekspressen. Selvom computere kunne fås til at håndtere simple objekter i kontrollerede omgivelser, fejlede de dybt i at genkende komplekse objekter i den naturlige verden. En mikrofon kunne skelne lydniveauer, men ikke opsummere, hvad der var blevet sagt; en manipulator kunne samle en ren ny genstand op, der ligger i en ordnet række, men ikke en beskidt gammel, der ligger i en rodet bunke. (Det kunne heller ikke, i Marvin Minskys inspirerede eksempel, lægge en pude i et pudebetræk.) I dag bekymrer vi os langt mere om konkurrence fra mennesker i udlandet end om konkurrence fra maskiner.

Mens AI's fremskridt har været langsommere end forventet, er neurovidenskaben blevet meget mere sofistikeret i sin forståelse af, hvordan hjernen fungerer. Ingen steder er dette mere indlysende end i de 37 laboratorier i MIT's BCS Complex. Grupper her kortlægger de neurale veje for de fleste af de højere kognitive funktioner (og deres lidelser), herunder indlæring, hukommelse, organisering af kompleks sekventiel adfærd, dannelse og lagring af vaner, mentale billeder, talstyring og kontrol, måldefinition og planlægning, bearbejdning af begreber og overbevisninger og evnen til at forstå, hvad andre tænker. Den potentielle effekt af denne forskning kan være enorm. Opdag hvordan hjernen fungerer – Nemlig hvordan det fungerer, sådan som vi ved, hvordan en motor fungerer – ville omskrive næsten hver eneste tekst i biblioteket. Bare for det første ville det revolutionere strafferet, uddannelse, markedsføring, forældreskab og behandlingen af ​​mentale dysfunktioner af enhver art. (Earl Miller håber, at forskningen udført i hans laboratorium vil hjælpe med udviklingen af ​​terapier til indlæringsforstyrrelser.)

Sådanne fremskridt er en af ​​grundene til, at den engang lyse linje mellem neurovidenskab og kunstig intelligens begynder at udviskes på MIT – og ikke kun i Millers laboratorium. Igangværende visionsforskning på Instituttet illustrerer også, hvordan de to discipliner begynder at samarbejde. Felterne voksede op hver for sig, siger James DiCarlo, assisterende professor i neurovidenskab, men de kommer ikke til at være adskilte meget længere. I disse dage følger AI-forskere neurovidenskabens fremskridt med stor interesse, og ideen om omvendt-
konstruktion af hjernen er ikke længere så usandsynligt, som det engang så ud til.

Forstå objektgenkendelse

Meget af arbejdet i DiCarlos laboratorium omhandler genkendelse af objekter, hvilket er det, der giver os mulighed for at identificere et objekt (såsom en ko) i mange forskellige præsentationer (køer langt væk, køer set fra oven, køer ved daggry, en ko i en lastbil) uden at forveksle det med lignende genstande (som f.eks. en hest). DiCarlo og kandidatstuderende David Cox offentliggjorde forskning i august sidste år i Natur Neurovidenskab der fokuserede på et af de grundlæggende spørgsmål om genkendelse af objekter: Hvor meget af vores succes med at genkende objekter afhænger af fastkablede, medfødte kredsløb, og hvor meget af lærte færdigheder?

DiCarlo og Cox udførte hver deres eksperimenter på et dusin mennesker, én person ad gangen. Forsøgspersoner sad foran udstyr, der både kunne vise billeder af genstande og følge retningen af ​​forsøgspersonernes blik. Objekterne var computergenererede og lignede vagt menneskeskabte dyr, men de var designet til at være ukendte for forsøgspersonerne. Et objekt ville dukke op i en af ​​tre positioner på en skærm, og motivet ville naturligvis flytte sit blik mod det. For visse objekter ville forskerne imidlertid erstatte nye objekter, mens forsøgspersonerne bevægede deres øjne. Lad os f.eks. sige, at et objekt, der så lidt squat ud, med muntre ører, blev introduceret til højre på skærmen, mens motivet fokuserede på midten. Da forsøgspersonens blik skiftede mod squat og munter, ville forskerne erstatte objektet med et, der så lidt tyndere ud, med hængende ører. Da mennesker effektivt er blinde under blikskift, bemærkede forsøgspersonerne ikke skiftet. Men det gjorde deres hjerner.

Efter en times eksponering for forskellige objekter, hvoraf nogle konsekvent blev skiftet ud, når de dukkede op i bestemte positioner, blev forsøgspersonerne præsenteret for par af objekterne i forskellige positioner på skærmen og bedt om at sammenligne dem. Man kunne forvente, at forsøgspersonerne ville skelne genstandene uden større besvær. Og det gjorde de, undtagen når genstandene var blevet byttet - og nu dukkede op igen i de samme positioner, hvor byttene fandt sted. Forsøgspersoner havde en tendens til at forvirre disse objekter: det vil sige, at de var mere tilbøjelige til at vurdere, at squat og munter i én position og tynde og hængende i en anden var et og samme objekt. DiCarlo mener, at sådanne fejl viser, at hjernens mekanismer til at genkende det samme objekt forskellige steder afhænger af normal visuel oplevelse på tværs af rum og tid. Fundet tyder på, at selv grundlæggende egenskaber ved genkendelse af objekter kan udvikles gennem visuel erfaring med vores verden, siger han. DiCarlo og hans team udfører lignende eksperimenter med dyr for at undersøge de mønstre af neuronal aktivitet, der ligger til grund for genkendelse af objekter. (Et godt eksempel på denne forskning blev offentliggjort i november 4, 2005, udgave af Videnskab magasin. DiCarlo og tre samarbejdspartnere registrerede og analyserede aktiviteten af ​​hundredvis af neuroner i makakhjerne. De var i stand til at vise, at meget pålidelig information om objektidentitet og kategori var indeholdt i selv håndfulde neuroner.)

Objektgenkendelse har været et af de største mål og store skuffelser for traditionel kunstig intelligens. Selvom maskinsyn er en rigtig industri, har dens succeser været i snævert definerede applikationer under stærkt kontrollerede forhold, såsom afkodning af nummerplader, identifikation af fingeraftryk, genkendelse af trykte tegn og inspektion af produkter (f.eks. identifikation af brændte kartoffelchips, så de kan blæses op ud af et samlebånd). Hvert maskinsynssystem ser kun en bestemt slags objekt; for eksempel ville den maskine, der læser nummerplader, ikke være i stand til at identificere fingeraftryk, og omvendt. Selvom nutidens teknologi måske er god nok til at give os maskiner, der genkender én ting, kræver de fleste jobs i de fleste brancher - montering, vedligeholdelse, sundhedspleje, transport, sikkerhed - mere alsidighed end som så. Arbejdere skal kunne genkende en hammer og en skruetrækker og en skruenøgle på trods af forskelle i belysning, genstandenes orientering og det omgivende rod. Manglen på at bygge maskiner, der kan gøre dette, er især frustrerende i betragtning af, at fugle som krager og små pattedyr som rotter rutinemæssigt udviser et niveau af færdigheder i generel anerkendelse, der er langt ud over den nuværende teknologi. Der er noget ved ikke at kunne lave maskiner så smarte, som vi er, der er trøstende for vores forfængelighed; men ikke at kunne gøre en så klog som en due er bare pinligt.

Så i årevis har AI-forskere arbejdet på problemet med at forbinde visuelle mønstre med betydninger eller identiteter. Dette er et af de områder, hvor AI og neurovidenskab har udviklet sig mod hinanden: neurovidenskab har arbejdet på hjernens rolle i genkendelse af objekter, AI på den generelle logik af, hvad ethvert system skal gøre for at løse det samme problem. Efter årtier er de næsten inden for taleafstand. DiCarlo spekulerer på, om det måske er på tide at døbe en ny disciplin, der trækker fra begge områder, som biologisk inspireret maskinsyn.

Intet universitet nærmer sig dette kryds hurtigere end MIT, hvor samarbejdet mellem ingeniør og videnskab er en institutionel mission. Og det, siger DiCarlo, er en af ​​grundene til, at han kom til MIT: han forventer, at revolutionen vil ske her.

Modellering øjeblikkelig anerkendelse

En slående illustration af DiCarlos pointe kan findes i Tomaso Poggios laboratorier. Meddirektøren for MIT's Center for Biologisk og Computational Learning, Poggio har arbejdet på vision i fire årtier, først på Max Planck Institute i Tübingen, Tyskland, derefter på MIT's AI-laboratorium (som blev til Computer Science and Artificial Intelligence Lab), og nu på Institut for Hjerne- og Kognitionsvidenskab. (Poggio samarbejdede med DiCarlo i makakeksperimenterne beskrevet i Videnskab .) I meget af denne tid ledede Poggio én forskningsgruppe inden for neurovidenskab og én inden for maskinsyn og så ingen grund til at bringe dem sammen. Vi vidste så lidt, siger han. Jeg har altid troet, at det var en fejltagelse at forvente meget af neurovidenskaben. Men nylige resultater fra et projekt udført af postdoc Thomas Serre og Aude Oliva, assisterende professor i kognitiv neurovidenskab i BCS, gjorde ham til en konvertit.

Poggios laboratorium fokuserer i øjeblikket på en type objektgenkendelse kaldet øjeblikkelig genkendelse. Dette fænomen blev først beskrevet i 1969 i et papir af MIT-lektor Mary Potter (nu professor i psykologi ved BCS) og hendes forskningsassistent, Ellen Levy. Øjeblikkelig anerkendelse er den hurtigste kendte form for anerkendelse. Et emne i et klassisk eksperiment med øjeblikkelig genkendelse sættes foran et display og bliver bedt om at trykke på en af ​​to taster som svar på hvert billede i en serie, afhængigt af om det indeholder et dyr eller ej. For at sikre, at det at se på ét billede ikke ved et uheld hjælper forsøgspersoner med at lære at se på andre, vælger forskere billeder, der er meget forskellige: mange arter, i mange forskellige positurer og perspektiver, sat mod en bred vifte af baggrunde. Billederne kommer og går på få tiendedele af et sekund. Ved starten af ​​en undersøgelse kan et forsøgsperson næsten ikke være bevidst om selv at blive vist et billede, endsige at genkende, hvad der er i det. Men forbavsende nok, så rammer folk de rigtige taster oftere end ikke. De bliver støt bedre – og bliver bevidste om billedernes udseende – med øvelse. Alligevel, i starten er noget i hjernen i stand til at genkende og kategorisere objekter, før subjektet overhovedet er klar over at se noget.

Øjeblikkelig genkendelse er vigtig for forskere, fordi det er det enklest mulige tilfælde af generel genkendelse af objekter. Det sker for hurtigt at involvere rekruttering af mange neuroner eller intensiv behandling af information eller at sende og modtage impulser over mere end en brøkdel af en centimeter. Information fra øjenbevægelser, et nøgleelement i andre former for genkendelse (som i DiCarlos arbejde), kan ikke spille nogen rolle. Men på en eller anden måde bliver de rigtige taster trykket (for det meste), hvilket betyder, at en begrænset form for generel genkendelse af objekter skal være mulig ved at bruge et relativt lille antal neuroner organiseret på en relativt enkel måde.

Bygger på arbejde Poggio udførte med Max Riesenhuber, PhD '00, dengang en kandidatstuderende ved MIT og nu professor ved Georgetown University, Serre, Poggio og andre i Poggio's
gruppen udviklede en teori om den del af den visuelle cortex, der er hovedansvarlig for øjeblikkelig genkendelse. Deres tilgang til visuel behandling var i mange henseender anderledes end en maskinsynsingeniørs. For eksempel har de fleste machine vision-programmer én processor, der udfører en række instruktioner i fortløbende rækkefølge, en arkitektur kendt som seriel behandling. Hjernen derimod anvender parallel bearbejdning, en tilgang, hvor et problem brydes op i mange stykker, som hver tackles separat af sin egen processor, hvorefter resultaterne kombineres eller integreres for at få et enkelt generelt resultat – f.eks. opfattelsen af ​​en ko. I teorien kunne ingeniører bruge parallel bearbejdning til maskinsynsprogrammer (og nogle har prøvet), men i praksis er det sjældent indlysende, hvordan man kan nedbryde et problem på en måde, så de færdige stykker kan kombineres problemfrit.

Biologisk syn løser dette problem på flere forskellige måder. Den ene er ifølge Poggios gruppe at organisere behandlingen omkring to simple operationer og derefter veksle disse operationer på en ordnet måde gennem lag af neuroner. Lag A kan filtrere de grundlæggende input fra synsnerven; lag B ville integrere resultaterne fra mange celler i lag A; C ville filtrere input fra B; D ville integrere resultaterne fra C; og så videre, måske et dusin gange. Når et signal stiger gennem lagene, kombineres udgangene fra de paralleliserede processorer gradvist, identitet opstår, og støj falder væk.

Serre og Poggio brugte denne lagdelingsteknik for at gøre det muligt for deres model at udføre parallel behandling. Et andet trick, de lånte fra biologien, var at øge antallet af forbindelser, der forbinder deres grundlæggende koblingsenheder. Switchenhederne i konventionelle computere har meget få forbindelser, normalt omkring tre; neuroner, hjernens grundlæggende skifteenheder, har tusinder eller endda titusinder. Serre og Poggio udstyrede de logiske kontakter i deres model med en biologisk plausibel grad af forbindelse. I tilfælde, hvor videnskaben endnu ikke var kendt, lavede de antagelser baseret på deres bredere erfaring med neuroanatomi.

For at teste deres teori udviklede Serre og Poggio et computerprogram med øjeblikkelig genkendelse, der analyserer digitale billeder. Når digitale billedfiler føres ind i programmet, sender det dem gennem flere skiftende lag af filtrerende og integrerende celler, og træner sig selv i at identificere og klassificere billederne. Nøglen er at opbygge kompleksitet langsomt, siger Serre. At introducere intelligens for hurtigt er en stor fejltagelse. Tidlige AI-bestræbelser kan have forsøgt at nulstille identiteten for hurtigt, og smid information ud, der var afgørende for at få det rigtige svar.

Serre og Poggios tilgang var en spektakulær succes. Fra et neurovidenskabeligt synspunkt viste nogle af deres antagelser sig at forudsige virkelige træk, såsom tilstedeværelsen af ​​celler (kald dem OR-celler), der vælger det stærkeste eller mest konsistente signal ud af en gruppe af input og kopierer det til deres egne. output fibre. (Forestil dig en gruppe på tre neuroner, A, B og C, der alle sender signaler til ELLER neuron X. Hvis disse signaler var på henholdsvis styrkeniveau 1, 2 og 3, ville X undertrykke A og B og kopiere C's signal til dens output. Hvis styrkerne havde været 3, 2 og 1, ville den i stedet have kopieret A's signal og undertrykt dem for B og C.)

Resultaterne var lige så dramatiske fra et AI-synspunkt. Da menneskelige forsøgspersoner og Serre og Poggios program for øjeblikkelig genkendelse tog dyrenes tilstedeværelse/fravær-test, gjorde computeren det lige så godt som mennesker - og bedre end de bedste maskinsynsprogrammer, der var tilgængelige. (Faktisk fik det det rigtige svar 82 procent af tiden, mens menneskene kun var i gennemsnit 80 procent.) Dette er næsten helt sikkert første gang en generel -visionsprogram har præsteret lige så godt som mennesker.

De lovende resultater får Poggio og Serre til at tænke ud over umiddelbar genkendelse. Poggio har mistanke om, at modellen lige så godt kan gælde for auditiv perception. Serre fremfører en endnu mere vovet spekulation: at generel genkendelse af objekter er erkendelsens grundlæggende byggesten. Måske er det derfor, vi siger, at jeg ser, når vi vil indikere, at vi forstår noget.

Selvom det vil kræve noget arbejde at udvide deres teori i disse nye retninger, er Serre og Poggios model allerede begyndt at spredes gennem både AI- og neurovidenskabssamfundene på MIT. Elektroingeniørstuderende Stan Bileschi afsluttede for nylig en doktorgrad, der anvendte modellen til scenegenkendelse, som er udledningen af ​​højere ordens domme - det er en gård! – fra genkendelsen af ​​separate objekter – en stald, en ko, et split-rail hegn. Bileschi mener, at generel sceneanalyse vil være afgørende for mange applikationer til maskinsyn i den virkelige verden – for eksempel overvågning.

Øjeblikkelig genkendelse er grundlaget for overordnet visuel genkendelse, siger Poggio, men det er ikke alt, der er til det. Der er mange niveauer af anerkendelse, og øjeblikkelig anerkendelse er en af ​​de enkleste. Afhængigt af konteksten kan en genstand identificeres som et legetøj, en dukke, en Barbie, en afspejling af amerikansk kultur, en kvinde, en repræsentation af en pige med en mærkelig vækstforstyrrelse og så videre ned ad en lang liste. På samme måde kan det i skakproblemer tage sekunder eller minutter eller timer at genkende det rigtige træk, afhængigt af brikkernes konfiguration. Efterhånden som problemerne bliver sværere, kræver det formentlig at løse dem rekruttering af højere niveauer af hjernefunktion – og det tager tid.

En model med øjeblikkelig genkendelse kan måske løse de synsproblemer, der har hæmmet udviklingen af ​​nyttige vedligeholdelses- og konstruktionsrobotter. Eller vi kan finde ud af, at for at være virkelig nyttigt, skal sådanne robotter være i stand til at genkende både anomalier i landskabet og deres årsager. Den type anerkendelse er klart af en højere orden.

Næste skridt er at bygge anerkendelsesmodeller, der rekrutterer flere og flere ressourcer, og dermed kræver mere behandlingstid. Vi ved, hvordan modellen kunne ændres til at inkludere tid, siger Serre. Dette kan bringe os tættere på at tænke - bare måske.

skjule