Алгоритмы искусственного интеллекта
Многое из того, что связано с сознанием, хранится в закодированном виде в мозге и, следовательно, может быть легко расшифровано и приведено в активное состояние. Мы узнаем мелодии независимо от тональности или инструментальной обработки.
Для нас при этом важны не абсолютная высота звука или тембр, а музыкальная схема, которой соответствуют проигрываемые звуки. Мы узнаем лица людей независимо от уровня освещенности, расстояния или угла зрения. Узнаем речь, несмотря на акцент, ритм или громкость. Многие нейроученые полагают, что мозг человека хранит инвариантные репрезентации каждого подобного явления, позволяющие нам улавливать суть — какими бы ни были ее поверхностные разновидности. Для активирования этих репрезентаций требуется совсем немного. Например, когда вы видите вспышку молнии, мозгу, чтобы идентифицировать последнюю, не нужно много времени для анализа ее размера, формы, цвета, положения в пространстве и так далее. Ему достаточно ухватить ее часть — общую форму, которая и служит ключом к восприятию. Зрительный сигнал, относящийся к частичному образу объекта, возбуждает несколько нейронов, с которыми связана вся группа, отвечающая за инвариантную репрезентацию, — и вся цепь нейронов активируется полностью. Это явление называется автоассоциацией (auto-association): возбуждение части блока памяти активирует весь блок.Разобраться в этом механизме помогает теория Дональда Хебба (Hebbian learning). Как мы уже поняли, совместно возбуждающиеся нейроны тесно связаны между собой и расположены в непосредственной близости друг от друга (neurons that fire together wire together). Далее, каждый объект представляется в мозге специфической конфигурацией нейронов и их синаптических связей. Поскольку у каждого нейрона есть тысячи синапсов, для хранения знаний существует огромный объем — посредством ассоциирования каждого объекта с уникальной конфигурацией синапсов в группе нейронов.
Тем не менее, не стоит уподоблять человеческий мозг почтовому отделению, в котором приходящие сообщения раскладывают исключительно по абонированным ящикам. В концепциях не все столь уж красиво разложено по полочкам. Нейроны, участвующие в создании инвариантных репрезентаций, частично накладываются друг на друга. Один и тот же может служить частью многих воспоминаний и концепций. Более того, они могут соотноситься друг с другом иерархически. Допустим, наш мозг имеет нейронную цепь, ассоциированную с общим представлением о собаке, — концепцию «собака». Однако он располагает и цепями, относящимися к столь концептуальным представлениям, как «немецкая овчарка» и «чихуахуа». Каждое из трех представлений четко отличается от всех прочих, однако многие нейроны в них используются, так сказать, совместно. Существует такое множество взаимно накладывающихся и взаимодействующих нейронных цепочек, что использовать для их выявления алгоритм соответствия паттерну (pattern-matching algorithm) просто невозможно. Не говоря уже о том, что между этими цепочками имеются и смысловые взаимосвязи, также требующие выявления.
Компьютеры весьма слабо справляются с дедуктивными задачами и необходимостью приходить к определенным заключениям о сложившихся отношениях. Разработчик программ Джефф Хокинс аргументированно утверждает, что требовать от машин выполнять подобные операции — ошибочный путь. «Правильные» компьютерные программы ведут анализ, следуя принципу «от общего к частному» (top-down analysis), и пытаются соотносить объекты, опираясь на их заданную классификацию в иерархическом порядке. Мозг человека, напротив, выводит свои заключения об отношениях очень быстро и эффективно: незнакомый объект сравнивается с наиболее соответствующим ему прообразом, который уже «записан» в нейронных цепях. Например, собака незнакомой породы быстро распознается нами именно в качестве собаки, поскольку нейронная репрезентация собачьих свойств и признаков в нашем мозге — собирательный
образ — может быть легко ассоциирована с любым объектом собаковидной формы.
Мозг может быстро находить в памяти точные или ближайшие соответствия, потому что нейроны тесно переплетаются массовым образом. Вообразите огромный танцевальный зал, наполненный тысячами людей. Вдруг один из них падает, и окружающие зовут доктора. Распорядитель достает мобильный телефон и звонит доктору — приятелю упавшего. Врач немедленно устремляется к пострадавшему из другого конца помещения. Люди понимающе кивают головами и говорят: «Мир тесен!» Фактически, нейронная геометрия мозга являет собой схемы (паттерны), весьма напоминающие человеческие социальные сети. Социологи установили, что сообщение может быть доставлено к заинтересованному в нем получателю — в каком бы месте мира тот ни находился — с помощью цепочки, состоящей, в среднем, всего лишь из шести человек[128]. Мозг устроен похожим образом. Некоторые нервные клетки «общаются» с ближайшими соседями, другие же протягивают нити своих аксонов достаточно далеко, достигая иных областей. Подобные устремленные вдаль соединения служат залогом того, что любая поступающая извне сенсорная информация имеет все шансы быстро дойти до тех нейронов, которые должны ее идентифицировать[129].
В сущности, так называемые малые сети (small-world networks) — это выражение используется в наши дни как математический термин — стали вездесущими. Даже 302 нейрона простейшего существа С. elegans (свободноживущая нематода, круглый червь. — Прим. пер.) — образуют ту же малую сеть[130]. Благодаря им мозг может легко отыскивать ближайшие соответствия, что помогает быстро устанавливать отношения между
I объектами и их ментальными представлениями. Поиск взаимосвязей и отношений объектов ведет нас и к поиску аналогий. Создавая их между двумя объектами, вы акцентируете фундаментальные признаки сходства и принимаете во внимание частные различия.
Таким образом, чтобы правильно интерпретировать активность мозга, нужно создать компьютер, который бы мыслил как мозг.
Подобно ему, такая машина должна иметь множество блоков памяти, организованных в соответствии с принципом малых сетей. Должна уметь строить инвариантные репрезентации и, используя их, вызывать автоассоциации. И наконец, уметь предвидеть и сравнивать свои прогнозы с сенсорной информацией, поступающей благодаря непосредственному опыту общения с окружающей средой. Прогнозирование подобного рода должно служить основой для формирования воспоминаний и перцептивных моделей, а также для деятельности высшего уровня. То есть для создания гипотез и объяснения того, каким образом складываются взаимосвязи между нейронами в соответствующих цепочках. Кроме того, компьютер будущего, который мы имеем в виду, должен, основываясь на анализе проводимых в течение определенного времени наблюдений и с учетом требований постоянной самокоррекции, уметь создавать самые сложные и изощренные модели ментальной деятельности.Креативные усилия — такие как, например, создание гипотез — сегодня компьютерам недоступны. Однако Хокинс настаивает на том, что творчество основывается на использовании механизмов предвидения. Мыслящий таким образом математик с готовностью берется за новую задачу, предвидя, что она должна иметь некоторое сходство с прежними, следы решения которых хранятся в малых нейронных сетях его мозга. Иными словами, в поисках ответов на новые вопросы используются уже имеющиеся знания, основанные на взаимосвязях и аналогиях. А последние обязаны своим появлением фундаментальному механизму ментального прогнозирования. Хокинс не видит никаких теоретических препятствий для создания такого компьютера,
который воспроизводил бы нейронные структуры, отвечающие в головном мозге за предвидения и предсказания. Инженеры в США уже начали широкомасштабные эксперименты по разработке микросхем (чипов), архитектура которых подобна организации нейронных цепей. В Стэнфорде, например, исследователи уже создали «нейроморфический микрочип» («neuromorphic microchip»), самоорганизующаяся схема которого подобна зрительной коре лабораторных животных[131].
Создание компьютеров, работающих подобно человеческому мозгу (brainlike computers), должно серьезно упростить процесс извлечения информации из оного и передачи ее другому. Предположим, у вас уже есть один из таких компьютеров и вы связаны с другим человеком посредством WWM — Всемирной Сети Разума. В любой момент вам будут доступны визуальные образы, рождающиеся в сознании вашего партнера. Вот вы видите кошку на тротуаре. Специальное оборудование, использующее достижения оптогенетики, позволяет также наблюдать за возбуждением некоторых нейронных цепей в неокортексе вашего мозга. Аппаратура видит активацию тех нейронов, которые связаны с инвариантной репрезентацией «кошка». Дабы дать знать вашему другу, что вы видите кошку, компьютер посылает на его имплантированное устройство буквы, несущие знаковую информацию, — КОШКА. Или, если быть более точным, ваш партнер видит воспоминание о кошке, хранимое в его собственной нейронной схеме и теперь активированное в виде зрительного образа. (Конечно, это весьма упрощенное описание, и в следующей главе мы более детально рассмотрим, каким образом активируются и расшифровываются личные воспоминания).
Правда, немало важных подробностей будет упущено. Например, порода кошки, окрас, поза, поведение в определенный момент времени и так далее. Получатель вашего «сообщения» должен видеть свой собственный образ кошки, синтезированный его мозгом на основе личных воспоминаний. И, вероятно, в чем-то эта кошка будет отличаться от той, которую видите вы. Но важна в данном случае ключевая информация — ваш партнер будет знать главное: друг видит кошку.
Или, вернее сказать, некую «упрощенную версию» того, что видите вы сами, — без совпадения в деталях. Однако не забудем, что чем более инвариантны репрезентациии, создаваемые с помощью имплантированного оптогенетического устройства, тем больше их может быть послано в мозг получателя информации. Тут важна не вся полнота изображения, а то, чтобы «картинка» в нужный момент оказалась достаточно богата зрительной информацией для передачи.
Получатель образа кошки, фактически, должен создавать ее изображение в собственном сознании — и чем больше деталей передает ваше оптогенетическое устройство, тем богаче будет картинка, воссоздаваемая мозгом вашего партнера. Точного соответствия передаваемого и воссоздаваемого на этой основе изображения никогда не будет. Более того, какие-то подробности могут быть привнесены в зрительную репрезентацию сознанием получателя картинки — и некоторые из них могут оказаться неверными. Например, человек может домыслить общую картину, представляя себе кошку на тротуаре где-то в пригороде, в то время как вы находитесь в нижней части Манхэттена. Однако в целом картинка будет близка к оригиналу достаточно для того, чтобы соответствовать целям коммуникации. Как хороший рассказчик создает у слушателей эффект присутствия, не прибегая к описанию всех подробностей, так и получатель информации благодаря мозговому импланту будет ощущать себя находящимся в определенном месте.