Новое исследование инженерной школы Грейнджер при Университете Иллинойса в Урбана-Шампейн показывает, что самая ранняя сенсорная кора головного мозга не только отвечает за «пассивное получение» информации, но и играет неожиданно активную роль в процессе принятия решений. Это открытие бросает вызов давно господствующей классической модели иерархической и пошаговой обработки данных в мозге. Исследовательская группа полагает, что этот более динамичный, двусторонний интерактивный метод нейронной организации, как ожидается, станет новым источником вдохновения для создания низкоэнергетической и высокоэффективной архитектуры искусственного интеллекта в будущем.
Традиционная точка зрения заключается в том, что процесс принятия решений в мозге обычно следует одностороннему иерархическому пути «снизу вверх»: информация поступает из ранних сенсорных областей, таких как зрение, слух или соматосенсорная, и постепенно передается в ассоциативную кору более высокого уровня и лобную кору, и, наконец, интеграция и принятие решений завершаются в этих «центрах более высокого порядка». Именно на этом понимании основано то, что большинство систем искусственного интеллекта, таких как сверточные нейронные сети, имеют аналогичную иерархическую структуру, рассматривая интеллект как результат обработки информации слой за слоем в фиксированном направлении и «вывода решений» на верхнем уровне. Однако по мере углубления понимания естественного интеллекта все больше и больше ученых начинают подвергать сомнению эту упрощенную модель «конвейера».
Это исследование провел Юрий Власов, профессор кафедры электротехники и вычислительной техники Университета Иллинойса, и статья была опубликована в журнале Proceedings of the National Academy of Sciences (PNAS). Исследовательская группа решила пересмотреть мозг на системном уровне, рассматривая его как систему «естественного интеллекта», сформированную эволюцией, делая упор на петли обратной связи и двусторонний поток информации между различными областями мозга, а не на однонаправленную последовательную цепочку обработки. В рамках этой концепции принятие решений рассматривается как результат непрерывного взаимодействия и одновременного возникновения нескольких областей мозга, а не как инструкция, «однонаправленно выдаваемая» областями более высокого порядка.
Отличительной особенностью естественного интеллекта является высокая эффективность и энергосбережение: при выполнении сложных задач восприятия, познания и принятия решений энергопотребление человеческого мозга намного ниже, чем у большинства современных систем искусственного интеллекта. Чтобы понять источник этой эффективности, исследовательская группа не ограничивается определенным функциональным модулем, а начинает с общей архитектуры и изучает взаимодействие между различными областями. Власов сказал, что понимание того, как мозг организует вычисления принятия решений на архитектурном уровне, как ожидается, поможет инженерному сообществу разработать системы искусственного интеллекта следующего поколения, которые будут более эффективными, более энергосберегающими и «умными».
Что касается конкретного плана эксперимента, исследователи сосредоточились на самой ранней стадии обработки данных в мозге, то есть на области, ответственной за ощущения и восприятие. Они провели эксперименты на мышах, позволив животным передвигаться по коридору виртуальной реальности, ощущая окружающую среду своими щупальцами и принимая перцептивные решения о повороте налево или направо. Во время этого процесса исследователи регистрировали активность нейронов в большой области мозга мыши, уделяя особое внимание характеру реакций первичной соматосенсорной коры (S1).
Результаты были неожиданными: сигналы, связанные с принятием решений, четко улавливались в первичной соматосенсорной коре, которая традиционно считалась «только обрабатывающей базовые ощущения». Это показывает, что процесс принятия решений инициируется не только на «заднем конце» коры головного мозга высшего порядка, но что очевидные представления о принятии решений уже очевидны на этапе сенсорной обработки в переднем отделе мозга. Другими словами, ранняя сенсорная область не просто упаковывает и загружает «необработанные данные», но участвует в кодировании выбора действий на очень раннем этапе.
Дальнейший анализ показал, что активность первичной соматосенсорной коры не происходит изолированно, а в значительной степени модулируется обратной связью от областей мозга более высокого порядка. Этот нисходящий сигнал обратной связи вместе с восходящей сенсорной информацией формирует структуру нейронной активности в S1. Видно, что мозг не продвигается линейно по одному пути «от восприятия к принятию решений», а непрерывно обменивается информацией через петли обратной связи между несколькими уровнями для завершения интерпретации внешней информации и выбора поведения.
Власов отметил, что «нейронное кодирование» мозга все еще похоже на нерасшифрованный язык, но понимание этих циклов обратной связи и динамических взаимодействий на системном уровне уже может стать ценным источником вдохновения для разработки искусственных нейронных сетей. Современный искусственный интеллект по-прежнему имеет очевидные недостатки на уровне принятия решений. Однако естественный интеллект может выполнять вычисления с гораздо меньшим энергопотреблением, чем у современных аппаратных систем при выполнении тех же или даже более сложных задач. Архитектурный опыт, стоящий за этим, достоин того, чтобы инженерное сообщество могло «учиться у природы».
Хотя этой работы недостаточно, чтобы напрямую предоставить инженерный план создания «лучшего ИИ», исследовательская группа считает, что она открывает перспективу для переосмысления искусственного интеллекта. Ожидается, что систематически изучая, как мозг организует и обрабатывает информацию, исследователи обобщят набор применимых принципов, которые помогут улучшить искусственный интеллект с точки зрения архитектуры, энергоэффективности и механизмов принятия решений. Будущим системам искусственного интеллекта, возможно, придется отказаться от строгой многоуровневой и односторонней структуры связи и вместо этого ввести более динамическую обратную связь и структуры параллельного взаимодействия, подобные биологическому мозгу.
Далее команда Власова планирует продолжить отслеживание изменений активности мозга во временном измерении, сосредоточив внимание на изучении быстрой временной динамики нейронной активности. Они разрабатывают новые инструменты для измерения и анализа нейронных сигналов с большей точностью, пытаясь выяснить, как петли обратной связи участвуют в принятии решений на основе данных с более высоким временным разрешением. По его мнению, только увидев, как эти петли обратной связи активируются во времени и как они формируются и реконструируются между различными уровнями обработки, мы можем по-настоящему понять работу естественного интеллекта и превратить его в основу проектирования нового поколения архитектуры искусственного интеллекта.