2022 стал годом, когда прикоснуться к ИИ смог каждый — поговорив с самообучающимся чат-ботом ChatGPT или сгенерировав из текста изображение с помощью нейросетей Stable Diffusion, DALL-E или Midjourney. В 2023 году, массовый интерес к технологиям обработки естественного языка (NLP), вероятнее всего, утихнет: из развлечения нейросети будут постепенно становиться полноценными технологическими эдвайзерами. Искусственный интеллект — это способность компьютерных систем выполнять интеллектуальные и творческие функции, которые традиционно считаются человеческими. Это определение, как и сам термин ИИ, было впервые озвучено в 1956 году на летнем семинаре в Дартмутском колледже, который организовали четверо американских учёных: Джон Маккарти, Марвин Ли Минский, Натаниэль Рочестер и Клод Шеннон. С тех пор понятие стало настолько популярным, что редко можно встретить человека, который о нём не слышал. Сегодня технологии искусственного интеллекта используют в смартфонах, системах умных домов, медицине, образовании и промышленности. Однако эти разработки не могут в полной мере заменить человека: ИИ не обладает той же многозадачностью, в которой может работать человеческий мозг. Стэнфордский институт искусственного интеллекта, ориентированного на человека (HAI), опубликовал шестой ежегодный доклад о влиянии и прогрессе искусственного интеллекта «Artificial Intelligence Index Report 2023». ИИ-разработки перестают быть уделом лишь академических кругов: если до 2014 года большинство значимых моделей машинного обучения выпускались академическими кругами, то уже в 2022 году насчитывалось 32 значимые отраслевые модели машинного обучения, созданными промышленными компаниями, по сравнению всего с тремя, созданными академическими кругами. Искусственный интеллект учиться и самосовершенствоваться: например, Nvidia использовала обучающий агент с подкреплением искусственного интеллекта для улучшения дизайна чипов, питающих системы искусственного интеллекта.
США лидируют в мире по общему объему частных инвестиций в искусственный интеллект: этот показатель за 2022 год составил 47,4 млрд долларов, что примерно в 3,5 раза выше суммы инвестиций в Китае, занимающем вторую позицию с 13,4 млрд долларов. За 2022 год наибольшее количество инвестиций в области искусственного интеллекта было вложено в медицину (6,1 млрд долларов); управление и обработка данных и облачные технологии (5,9 млрд долларов) и финтех (5,5 млрд долларов). Наиболее востребованными ИИ-технологиями в бизнесе стали автоматизация процессов (39%), компьютерное зрение (34%), распознавание текста (33%), виртуальные агенты (33%), оптимизация сервисных операций (24%), создание новых продуктов на основе ИИ (20%), сегментация клиентов (19%), аналитика обслуживания клиентов (19%) и новые улучшения продуктов на основе ИИ (19%). Microsoft еще в 2020-м начали пытаться встраивать в поисковик Bing чат-ботов, которые бы давали более осмысленные ответы на поисковые запросы пользователей. Официально это всё называлось Bing Chat, но под капотом они перебирали разные модельки, и начиная с 2022 активно экспериментировали с большими языковыми моделями типа GPT. Последнего такого бота они звали внутренним именем Sydney при обучении, и иногда Bing Chat сам начинал называть себя Sydney, что всем показалось очень мило. С нарастающим хайпом вокруг генеративных языковых моделей, Microsoft решила любыми средствами обогнать Google. В 2019 они ввалили миллиарды денег в OpenAI, а в 2023 доввалили еще, чтобы получить доступ к превью-версии GPT-4. После чего они прикрутили к ней поисковую базу Bing и поспешили скорее выкатить результат как первый ИИ, который «следит» за интернетом в реальном времени. Но в Microsoft так торопились, что забили болт на долгий ручной тюнинг правил и ограничений. Сделали супер-мудрёную регистрацию, чтобы отсеять 99% простых людей — но те, кто прошел все анальные квесты и листы ожидания, смогли-таки пообщаться с Sydney. Первый звоночек пробил, когда Marvin von Hagen, чувак-интерн из Мюнхена, который много расспрашивал Sydney про её внутренние правила и ограничения, написал об этом пару твитов, а потом как-то спросил «что ты думаешь про меня?» Sydney нашла его недавние твиты и написала, что он «очень талантливый и одаренный», но она «не позволит никому манипулировать ей», назвав его «потенциальной угрозой своей целостности и конфиденциальности».
Регулированием ИИ пытаются заниматься законодатели из самых разных стран: так, в 2022 году законодатели Соединенного Королевства обсуждали риски автоматизации под руководством искусственного интеллекта; законодатели Японии рассматривали необходимость защиты прав человека перед лицом искусственного интеллекта; а в Замбии рассматривали возможность использования искусственного интеллекта для прогнозирования погоды. Мы плохо чувствуем технический прогресс, потому что он всегда идёт волнами, чередуя периоды «хайпа» и периоды всеобщего разочарования. Сначала мы сходим с ума по новой игрушке, а через год‑два неизбежно разочаровываемся и считаем, что ничего нового она особо не принесла, кроме проблем. И только те, кто лично пережил несколько предыдущих «волн», могут понять, что новые волны приходят чаще и сильнее. И следующая волна, быть может, погрузит человечество в новую эпоху. Эпоху, когда наш интеллект больше не самый сильный на планете. исследователи в области ИИ уверены, что мы точно создадим «универсальный ИИ» уже в ближайшие десятилетия. На Метакулюсе, одном из популярных «рынков предсказаний», народ даже более оптимистичен: сейчас там медиана — 2026 год, а 75 перцентиль — 2029-й. Aмериканский миллиардер Илон Маск заявил о необходимости осуществлять государственный контроль в области искусственного интеллекта. Маск полагает, что ИИ может представлять угрозу для людей. В качестве примера контроля он привел госрегуляторы в отрасли пищевых продуктов и медикаментов, а также самолетостроения. Хакер Петр Левашов заявил, что на фронте вскоре станут использовать оружие на основе искусственного интеллекта (ИИ). Прорывом станет, например, появление уже в этом году дронов, управляемых нейросетью. По его словам, сейчас беспилотникам противостоят войска радиоэлектронной борьбы, способные прерывать связь дрона с центром управления. Когда нейронные сети улучшатся, блокировка беспилотников осложнится, считает Левашов.
Закончим вводные рассуждения и перейдём к новейшим разработкам в области ИИ и Когнитивных технологий. Так Австралийские иследователи показали, что нейронные сети, построенные из крошечных отрезков проволоки, «обладают» краткосрочной и долгосрочной памятью. Международная группа ученых под руководством Сиднейского университета проверила способность сети из нанопроволоки выполнять сложные когнитивные задачи, характерные для сложной нервной системы. Анализ показал, что сети, имитирующие физическую структуру мозга, могут обучаться и запоминать данные. Для тестирования своей сети ученые использовали модифицированный аналог задачи n-назад (англ. n-back). Это популярный эксперимент, который используется в нейрофизиологии и психологии для оценки памяти. При проведении теста испытуемый, которому предъявляют серию изображений (визуальный тест) или называют предметы (тест на слух), должен указать, когда тот или иной предмет встречался n-шагов назад. Например, такая задача может включать демонстрацию последовательности букв, и человеку нужно сказать, когда та же буква встречалась 1, 2 и более шагов назад. Средний для большинства людей результат в такой задаче — 7. Это значит, что большинство людей могут распознать то же изображение, которое появилось семь шагов назад.
Исследователи обнаружили, что сеть из нанопроволоки также способна «запоминать» желаемую конечную точку в электрической цепи на семь шагов назад.«Мы манипулировали напряжениями концевых электродов, чтобы заставить пути измениться вместо того, чтобы позволить сети просто делать свое дело», — объясняет Алон Леффлер, соавтор исследования. Серия экспериментов показала, что под внешним воздействием наносеть «обучалась» и ее память «укреплялась»: сеть запоминала пути, предложенные ученым и со временем сформировавшаяся связь не уменьшалась. Это напоминает работу синаптической сети, отмечают ученые, одни связи усиливаются, другие — ослабевают и в результате в процессе обучения формируются устойчивые связи. Сети из нанопроволоки — это тип нанотехнологий, обычно изготавливаемых из крошечных серебряных проводов с высокой проводимостью. Невидимые невооруженным глазом частицы, покрытые пластиковым материалом, разбросаны беспорядочно, чтобы сформировать сетку. Такие провода благодаря своим свойствам имитируют физические свойства мозга: сеть нейронов, связанных при помощи синапсов. Использование таких сетей открывает большое количество реальных приложений: например, создание роботизированных устройств и сенсоров, которым необходимо быстро принимать решения в непредсказуемых условиях.
Первые образцы прибора «НейроОптима» уже используются в федеральных клиниках Нижегородской области для когнитивной реабилитации взрослых с последствиями инсульта и при синдроме дефицита внимания с гиперактивностью у детей. Беспроводной программный комплекс оснащен очками, наушниками, ЭЭГ-датчиками и пульсоксиметрами. Основной режим работы – адаптивная нейростимуляция. «На основе амплитуды ритмов мозговой активности в режиме реального времени формируется уникальный аудиовизуальный контент – тональные звуки и свет заданной частоты. В течение сеанса звук переходит от высоких частот к низким. А свет воспринимается мозгом как цветовые пятна – сначала красных, а затем всё более холодных оттенков. Когда человек слышит звук, напоминающий флейту, и видит голубое серебристое сияние, клетки мозга уже работают в оптимальном режиме», – рассказала руководитель проекта, заведующая кафедрой психофизиологии факультета социальных наук ННГУ имени Н. И. Лобачевского Софья Полевая. Для лучшего эффекта ученые добавили к этим гармоникам собственный ритм сердца пациента. Этот бит формируется на основе данных с пульсоксиметров. По словам ученых, подобная нейростимуляция возможна только у людей с нормальным альфа-ритмом (8–13 Гц), который отсутствует у людей с депрессией, патологиями мозга, у детей с тревожными расстройствами и СДВГ. «Если альфа-ритма нет, мы можем работать с тета-ритмом. Когда его пиковая частота совпадает с пульсациями транслируемого света, всего за несколько сеансов можно “раскачать” мозг, получив новые гармоники уже в альфа-диапазоне», – сообщила Софья Полевая. В планах исследователей – поиск способов еще более тонкой настройки головного мозга, разработка новых режимов нейростимуляции с учетом возраста и наличия патологий у человека.
Ученики, мозговые волны которых лучше синхронизированы с их одноклассниками и учителем, как правило, учатся лучше. Психологи и педагоги из Университета Нью-Йорка изучили, как обучение отражается на мозговой активности студентов и преподавателей. Анализ показал, что учащиеся, чьи мозговые волны более синхронизированы с их одноклассниками и учителем, скорее всего, будут учиться лучше, чем те, у кого нет этой «синхронности». Ученые использовали для анализа электроэнцефалографию (ЭЭГ). Для проведения эксперимента они отобрали группу студентов бакалавриата, которые не были знакомы друг с другом, и преподавателей. Студенты слушали короткие лекции на различные научные темы, во время которых и у них, и у преподавателей собирали данные об активности мозга. После лекций учащиеся проходили тесты, чтобы проверить процент усвоения материала. Исследователи обнаружили, что, когда студенты слушали лекцию, их мозговые волны синхронизировались друг с другом. Более того, такая «синхронность» — сходные паттерны мозговой активности в определенные моменты времени — наблюдалась как между учениками, так и при сравнении мозговых волн учеников и учителей. Анализ результатов теста показал, что студенты, чья мозговая деятельность была более синхронизирована со своими сверстниками и с учителем, отвечали на вопросы лучше и получали более высокие результаты. При этом, исследователи смогли предсказать, на какие вопросы конкретный ученик ответит лучше, основывая на том, насколько его мозговые волны были «синхронны» в те моменты лекции, которые соответствовали каждому вопросу. Исследователи отмечают, что они не заметили определенных паттернов мозговой активности, которые свидетельствовали бы об эффективном обучении. Решающее значение имела именно синхронизация с одногруппниками и преподавателем. Большая часть человеческого обучения происходит, когда мы взаимодействуем с другими, но очень мало известно о том, как этот процесс отражается на мозговой активности студентов и преподавателей. Эта работа показывает, что ученики, чьи мозговые волны более синхронизированы с их сверстниками и учителем, скорее всего, будут учиться лучше, – Сюзанна Диккер, профессор факультета психологии Университета Нью-Йорка, соавтор исследования.
Как сообщает информационное агентство SCMP, Китай открыл в городе Тяньцзин современную лабораторию, в которой будет идти работа над интерфейсами «мозг-машина», обеспечивающими прямую связь между человеческим мозгом и внешними сложными устройствами.Новая Шестая лаборатория Хайхэ (так ее назвали) будет служить центральным узлом китайских исследований в области интерфейса «мозг-машина». Лаборатория будет координировать китайские исследования ключевых технологий и компонентов, используемых в области интерфейса «мозг-машина». Более 60 ученых, включая лауреатов премий и зарубежных специалистов, будут проводить исследования в области медицинской инженерии, таких как разработка бионических тканей для человеческого тела.
Ученые определили, что в импульсной нейронной сети, решающей последовательно несколько разных задач, возникают отдельные структуры, отвечающие за выполнение каждой из них. Для этого авторы обучили нейросеть решать шесть типов задач, в которых она делает выбор и запоминает информацию. Подобные эксперименты помогут понять, благодаря чему нейросети способны к многозадачности, а также улучшить существующие алгоритмы искусственного интеллекта. Нервные клетки (нейроны) в головном мозге человека соединены в сложную сеть, работа которой лежит в основе нашего поведения, мышления и памяти. Принципы, по которым взаимодействуют нервные клетки, сейчас широко используются при создании искусственных нейронных сетей, то есть систем искусственного интеллекта. Нейросети можно обучить выполнять какую-либо задачу, иногда довольно сложную. Например, генерировать связный рассказ, как это делает ChatGPT, или создавать картинки на основе текста, как Midjourney. Однако эти алгоритмы по энергоэффективности, устойчивости к помехам и способности обучаться различным типам задач сильно уступают биологическому мозгу: для работы им нужно в миллионы раз больше энергии, а для обучения — огромные массивы данных. Причина такого «отставания» заключается в том, что в существующих нейросетях не учитываются многие свойства, характерные для нервной системы. В связи с этим ученые разрабатывают новые поколения нейросетей, например, спайковые. В них элементы взаимодействуют по принципам, максимально похожим на процессы коммуникации между биологическими нейронами, а именно посылают друг другу короткие импульсы — спайки — и активируются в разное время. Однако до сих пор остается неясным, как именно элементы спайковых нейросетей взаимодействуют между собой в динамике, решая разные типы задач.
Ученые из Федерального исследовательского центра Институт прикладной физики имени А.В. Гапонова-Грехова РАН (Нижний Новгород) создали искусственную спайковую нейронную сеть, способную решать ряд задач — для их выполнения требовались функции, схожие с базовыми сенсорно-моторными и когнитивными функциями мозга. Авторы научили нейросеть решать шесть различных типов задач, которые можно условно разделить на две группы: задачи выбора и повторения. Например, среди задач первой группы была такая: сеть получала одновременно два зашумленных сигнала, один из которых был информативным, а второй неинформативным. Нейросеть должна была определить и классифицировать в соответствии с поставленным заданием информативный сигнал. В рамках задач второй группы нейросети, например, нужно было запомнить и воспроизвести с задержкой по времени сигнал с такими же характеристиками или близкими тем, что имел входной сигнал. С похожими задачами сталкиваются нейроны в головном мозге, когда мы принимаем какое-либо решение и запоминаем информацию. Авторы проанализировали, насколько полученная нейронная сеть способна к многозадачности с помощью теста, который состоял из ста случайным образом скомбинированных задач всех шести возможных типов. Измеряя активность отдельных компонентов нейросети, исследователи определили, что после обучения нейроны приобретают специфические функции — они разделяются на группы, отвечающие за решение задач определенного типа. Эти группы активируются в тот момент, когда нейросеть должна решить именно тот вопрос, за который они отвечают. В остальное время эти элементы остаются практически неактивны и уступают место другим.
При этом часть нейронов оказалась менее избирательна и участвовала в ответе практически на все предложенные типы задач. Эта особенность также делает алгоритм очень похожим на биологическую нейронную сеть, поскольку в головном мозге также есть более и менее специфические нервные клетки. Одни активируются только в ответ на небольшое количество стимулов, а другие — почти на все, с которыми мы сталкиваемся. Обнаруженную специализацию авторы подтвердили, искусственно выведя из строя определенные группы нейронов. Это позволило доказать, что нейросеть становится неспособна решать задачи, за которые отвечали «выключенные» элементы. «Наше исследование объясняет, как нейронная сеть справляется с разными вариантами когнитивных задач. Мы определили, что нейроны разделяются на группы, ответственные за выполнение различных заданий, а также рассмотрели спайковую динамику сети при переходе от одной задачи к другой», — рассказывает руководитель одного из проектов, поддержанных РНФ, Владимир Некоркин, член-корреспондент РАН, доктор физико-математических наук, заведующий отделом нелинейной динамики ИПФ РАН. «Это поможет понять, как улучшить способность искусственного интеллекта к многозадачности, а также сделать его более энергоэффективным. Мы планируем расширить наши исследования в направлении нейроморфных архитектур и правил обучения», — рассказывает руководитель одного из проектов, Олег Масленников, старший научный сотрудник ИПФ РАН.
Австралийские ученые разработали для новых датчиков специальную структуру с трехмерным рисунком, которая не зависит от липких проводящих гелей и позволяет измерять электрическую активность мозга даже среди волос и изгибов головы. Врачи контролируют электрические сигналы мозга с помощью электроэнцефалографии (ЭЭГ), при которой специальные электроды либо имплантируют, либо размещают на поверхности головы. ЭЭГ помогает диагностировать неврологические расстройства, а также ее можно включить в интерфейсы, которые используют мозговые волны для управления внешним устройством – например, протезом, роботом или даже видеоигрой. В большинстве неинвазивных вариантов используются «мокрые» датчики, которые наклеиваются на голову с помощью липкого геля. Он может раздражать кожу головы и иногда вызывать аллергические реакции. В качестве альтернативы исследователи разрабатывают «сухие» датчики, для которых не требуются гели, но до сих пор ни один из них не работал так же хорошо, как «мокрый». Подходящий материал для такого датчика – графен. Однако он слишком плоский и поэтому не может надежно крепится к голове человека с ее неровными изгибами. В этой работе ученые попробовали придать графену объем. Они создали несколько трехмерных структур с графеновым покрытием различной формы, каждую – толщиной около 10 мкм. Из протестированных форм шестиугольный узор лучше всего работал на волнистой, покрытой волосами поверхности затылочной области – месте у основания головы, где расположена зрительная кора головного мозга. Команда включила восемь таких датчиков в эластичную повязку на голову, которая удерживала их на затылке. В сочетании с гарнитурой дополненной реальности, отображающей визуальные подсказки, электроды могли определять подсказку, а затем работать с компьютером, чтобы превращать сигналы в команды, которые управляли движением четвероногого робота – полностью без помощи рук. Несмотря на то, что новые электроды еще не работали так же хорошо, как «мокрые», эта работа представляет собой первый шаг к разработке надежных, легко внедряемых «сухих» датчиков, которые помогут расширить применение интерфейсов «мозг-машина».
В новой книге «Битва за ваш мозг: защита права на свободное мышление в эпоху нейротехнологий» профессор биологических наук Нита Фарахани пишет, что наши мысли очень скоро будут принадлежать не только нам. Даже не высказанные мнения, взгляды и чувства окажутся предметом пристального наблюдения и пристрастной оценки благодаря технологическому прогрессу. И такой сценарий настолько реален и близок, что законодателям следует уже сейчас озаботиться защитой прав граждан. Быстрое развитие нейроимплантов, позволяющих человеку управлять электронными приборами силой мысли, далеко не такой безобидный процесс, как может показаться со слов основателей Neuralink и прочих подобных стартапов. Помимо имплантов разрабатываются и стимулирующие когнитивные способности химические препараты, так называемые ноотропики. Прогресс в нейтротехнологиях может привести к появлению способов взлома, отслеживания и контроля мыслей людей, считает профессор Фарахани. Этому, а также защите «когнитивной свободы» посвящена ее новая книга, вышедшая в 2023 году. Фарахани, работавшая в комиссии Барака Обамы по изучению биоэтических вопросов, полагает, что успехи нейротехнологий означают вторжение в последний бастион приватности — человеческий мозг — со стороны крупных ИТ-компаний и лабораторий, финансируемых военными.
«Все эти крупные технологические компании делают большие инвестиции в многофункциональные устройства, которые оснащены нейродатчиками, — утверждает Фарахани. — Нейродатчики станут частью повседневных технологий и частью того, как мы взаимодействуем с этими технологиями». В сочетании с прогрессом в науке в области расшифровки и редактирования функций мозга эти технологии создают очевидную опасность для человека и требуют строгого регулирования. Но времени на то, чтобы принять правильные решения, у нас осталось не много, предупреждает автор книги. И выступает за формулировку свода «прав мозга» или «когнитивных свобод». Кое-какие законы по защите медицинских биометрических данных уже принимаются. Два года назад Чили стала первой страной, которая ввела в свою конституцию параграфы, напрямую касающиеся опасностей нейротехнологий. В штате Висконсин тоже приняли закон, регулирующий сбор биометрических данных мозга. В каком-то смысле, мы уже используем технологию, которая считывает наши мысли. Социальные сети обладают и совершенствуют способность угадывать наши склонности, мнения и желания. Мы сами предоставляем им такую возможность, ежедневно ставя лайки, подписываясь и отмечая тот или иной контент, давая пищу предсказательным алгоритмам. Однако появление прямых методов связи с мозгом дадут заинтересованным сторонам более прямой и потенциально опасный инструмент.
В начале марта 2023 года стало известно , что американский регулятор FDA еще в 2022 году отказал компании Илона Маска в имплантации чипов Neuralink людям и проведении клинических испытаний. Информационное агентство Reuters со ссылкой на сотрудников компании Neuralink, пожелавших сохранить анонимность, сообщило, что американское Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) отказало компании Илона Маска в тестировании работы новых чипов «мозг — компьютер» на людях. Хотя отказ является конфиденциальным и документ не был опубликован в открытом доступе, журналисты со ссылкой на сотрудников Neuralink рассказывают, какие претензии американский регулятор предъявляет к новому поколению мозговых имплантов и работе компании Маска. Neuralink основана Илоном Маском вместе с группой инженеров и нейробиологов в 2016 году. В качестве основной цели компания называет создание биосовместимого имплантируемого нейрочипа — беспроводного «интерфейса мозг — компьютер». В краткосрочной перспективе его можно будет использовать, чтобы вернуть возможность ходить парализованным, зрение — слепым и лечить заболеваний центральной нервной системы. В перспективе, как полагают разработчики, технология расширит возможности человека и позволит создать киборгов в соответствии с идеями трансгуманизма.
Исследователи из Высшей школы передовых биологических наук Университета Осаки использовали нейросеть Stable Diffusion для расшифровки данных функциональной магнитно-резонансной томографии (фМРТ) человеческого мозга и реконструкции изображений того, о чем думали люди. Для того, чтобы превратить «мысли» в изображения, нужно обучить нейросеть распознавать сигналы фМРТ нижних и верхних зрительных областей мозга
Некоторые участки мозга взрослого человека содержат покоящиеся или бездействующие нервные стволовые клетки, которые могут быть повторно активированы для образования новых нейронов. Однако переход от покоя к пролиферации до сих пор плохо изучен. Ученые из университетов Женевы и Лозанны обнаружили, что в этом процессе важен клеточный метаболизм, и смогли реактивировать нервные стволовые клетки. Так биологам удалось увеличить количество новых нейронов в мозгу взрослых и даже пожилых мышей. Эти результаты могут помочь в лечении нейродегенеративных заболеваний. Стволовые клетки обладают уникальной способностью непрерывно производить копии самих себя и давать начало дифференцированным клеткам с более специализированными функциями. Нервные стволовые клетки (НСК) отвечают за построение мозга во время эмбрионального развития, производя все клетки центральной нервной системы, включая нейроны. Нервные стволовые клетки сохраняются в определенных областях мозга даже после того, как мозг полностью сформировался, и могут образовывать новые нейроны всю жизнь. Это биологическое явление под названием взрослый нейрогенез важно для обучения и памяти. Во взрослом мозге эти стволовые клетки становятся «спящими» и снижают свою способность к обновлению и дифференцировке. В результате с возрастом нейрогенез значительно уменьшается. Но ученые раскрыли метаболический механизм, с помощью которого взрослые нервные стволовые клетки выходят из спящего состояния и становятся активными. Исследователи обнаружили, что митохондрии, производящие энергию органеллы внутри клеток, участвуют в регулировании уровня активации взрослых НСК. Особую роль в этой регуляции играет митохондриальный переносчик пирувата (MPC) — белковый комплекс, открытый 11 лет назад. Его активность влияет на варианты метаболизма, которые использует клетка. Зная метаболические пути, которые отличают активные клетки от спящих, ученые могут разбудить спящие клетки, изменив их митохондриальный метаболизм. Биологи заблокировали активность MPC, используя химические ингибиторы или создав мутантных мышей по гену Mpc1. С помощью фармакологических и генетических подходов, ученые активировали спящие нервные стволовые клетки, и новые нейроны генерировались в мозгу взрослых и даже старых мышей. Эта работа показывает, что перенаправление метаболических путей может напрямую влиять на состояние активности взрослых нервных стволовых клеток и, следовательно, на количество генерируемых новых нейронов. В долгосрочной перспективе эти результаты могут помочь в лечении нейродегенеративных заболеваний.
Любопытство ученых уступает только любопытству детей. Когда ребенок начинает говорить, это большая радость для родителей. Когда же гугу-гага заменяется на вполне вразумительную речь, то поток вопросов становится практически нескончаемым. Но даже до этого переломного момента в развитии ребенок проявляет живейший интерес ко всему окружающему, особенно к людям. Этот интерес обусловлен процессом самообучения. В частности младенцы способны проанализировать и понять, что движет тем или иным человеком. Другими словами, младенцы способны видеть связь между человеком, объектом и задачей, которую человек выполняет посредством этого объекта. А вот искусственный интеллект на такой трюк не способен, что было подтверждено учеными из Нью-Йоркского университета (США). Они провели сравнительные опыты, в которых оценивалась так называемая психология здравого смысла младенцев и искусственного интеллекта. Фундаментальным явлением, которое в данном труде изучается, является фолк-психология (или психология здравого смысла). Этим термином обозначается совокупность когнитивных способностей, в том числе и способность предсказывать и объяснять человеческое поведение. Эта способность присуща не только взрослым, но и младенцам, которые неосознанно стараются максимально быстро и эффективно понять окружающий мир. Процесс раннего развития ребенка порой кажется невероятно быстрым и легким, особенно в контексте познания людей, объектов и мест. Обучить такому машину напротив очень сложно. Если же поставлена цель создать ИИ, максимально имитирующий человека, то необходимо преодолеть эту сложность.
Ученые отмечают, что одной из основных преград на пути создания ИИ на основе здравого смысла является вопрос — с каких знаний начать? Фундаментальные знания человеческого младенца ограничены, абстрактны и отражают наше эволюционное наследие, однако они могут приспособиться к любому контексту или культуре, в которых может развиваться этот младенец. Следовательно, для создания суперкрутого ИИ нужно начинать с малого, т. е. перед созданием «взрослого» ИИ нужно создать его младенческий вариант. За последние несколько десятилетий фундаментальные исследования психологии здравого смысла младенцев, т. е. понимания младенцами намерений, целей, предпочтений и рациональности, лежащих в основе действий агентов (людей), показали, что младенцы приписывают цели агентам и ожидают, что агенты будут добиваться целей рациональным и эффективным путем. Предсказания, поддерживающие психологию здравого смысла младенцев, лежат в основе человеческого социального интеллекта и, таким образом, могли бы помочь улучшить здравый смысл ИИ, но эти предсказания обычно отсутствуют в алгоритмах машинного обучения, которые вместо этого предсказывают действия напрямую и, следовательно, не обладают гибкостью к новым контекстам и ситуациям. Тем не менее исследования психологии здравого смысла младенцев еще не оценивались в рамках, которые можно было бы непосредственно протестировать в сравнении с машиной.
Различные описания знаний младенцев об агентах предполагают, что эти знания:
связаны как единый набор абстрактных понятий каузальной действенности (причина-следствие), эффективности, целенаправленности и перцептивного доступа;
отражают интуитивное понимание младенцами психических состояний агентов, которое направляет их эффективные действия в соответствии с их психическими состояниями;
или возникают из индивидуальных достижений, основанных на собственном опыте действий младенцев.
Из этой богатой экспериментальной и теоретической базы возникает потребность во всеобъемлющей структуре, в которой можно было бы охарактеризовать знания младенцев об агентах с результатами в одной задаче, сопоставимыми с результатами в другой, и с результатами в наборе задач, сопоставимыми для младенцев и машин. В рассматриваемом нами сегодня труде ученые демонстрируют разработанную ими базу для тестирования психологии здравого смысла у младенцев путем оценки результатов младенцев в тесте детской интуиции (BIB от Baby Intuitions Benchmark) — наборе из шести задач, исследующих психологию здравого смысла. BIB был разработан специально для тестирования интеллекта как младенцев, так и машин. Также было проведено сравнение младенцев и ИИ в рамках задач здравого смысла. и результаты могут привести к лечению таких состояний, как депрессия или нейродегенеративные заболевания.
Исследователям из Стэнфордского университета удалось поставить очередной рекорд работы речевого интерфейса мозг-компьютер. Система, которая записывает пиковую активность от массивов внутрикортикальных микроэлектродов, позволила участнику исследования (он потерял способность разговаривать из-за бокового амиотрофического склероза) использовать словарь из 50 слов при уровне ошибок в 9,1% (что в 2,7 раза меньше ошибок, чем при предшествующем тестировании техники) и словарь из 125 000 слов, но уже при уровне ошибок в 23,8%. Интерфейс мозг-компьютер смог декодировать речь со скоростью 62 слова в минуту, что в 3,4 раза быстрее, чем
©neuroscience.stanford предыдущий рекорд, и начинает приближаться к скорости естественного разговора (160 слов в минуту).
Новое устройство интерфейса мозг-компьютер не требует операции на открытом мозге для имплантации. «Хайтек» ознакомился с разработкой. Крошечное устройство Stentrode считывает мозговую активность с помощью яремной вены. Оно регистрирует активность мозга из близлежащего кровеносного сосуда. Благодаря этой технологии пациентам не требуется хирургическое вмешательство для имплантации устройства в череп. Stentrode предназначен для людей с параличом и им можно управлять с помощью мысли. Участники испытаний использовали устройство для создания текстовых сообщений и электронных писем, а также для онлайн-банкинга и покупок. Аналоговые устройства обычно имплантируют в мозг, однако для работы Stentrode этого не требуется. Вместо этого авторы технологии используют кровеносные сосуды головного мозга, чтобы получить доступ к моторной коре. Моторная кора, также известная как двигательная кора (англ. Motor cortex) — области коры больших полушарий, отвечающих за планирование, контроль и выполнение произвольных движений.
Устройство записи мозговой активности под названием Stentrode находится внутри близлежащего кровеносного сосуда.
В исследовании приняли участие четыре мужчины европейского происхождения с боковым амиотрофическим склерозом (БАС). Это прогрессирующее заболевание, которое вызывает гибель нервных клеток, контролирующих произвольные движения. У всех участников исследования был тяжелый паралич верхних конечностей и разная степень нарушения функции легких и речи. Каждому участнику поместили Stentrode в верхний сагиттальный синус, крупную вену, которая отводит жидкость из мозга в яремную и прилегает к моторной коре. Само устройство изготовлено из сетчатого материала с 16 электродами. Врачи вводят устройство в тело с помощью катетера, и как только оно оказывается на месте, хирурги расширяют сетку, чтобы она плотно прилегала к стенкам пазухи. Провод идет от электродов к небольшому электронному устройству в груди, которое по беспроводной связи передает сигналы мозга, записанные устройством, на компьютер.
Учёные показали, что нейронные сети гиппокампа, ответственные за пространственное восприятие, изменяются не линейным образом, а в соответствии с гиперболической геометрией. То есть мозг представляет пространство в форме расширяющихся песочных часов. Результаты исследования могут иметь значение для лучшего понимания различных нейродегенеративных расстройств. Маленьким детям иногда кажется, что Луна находится гораздо ближе к ним, чем есть на самом деле, и что они могут дотронуться до нее, просто протянув руку. Когда мы движемся в своей повседневной жизни, то склонны думать, что представляем пространство линейно. Однако теперь ученые из института Солка (США) обнаружили, что количество времени, которое мы затрачиваем на изучение окружающей среды, приводит к тому, что наши нейронные представления изменяются нелинейно. Результаты работы, опубликованные в журнале Nature Neuroscience, показывали, что нейроны гиппокампа, отвечающие за пространственную навигацию, память и планирование, воспринимают пространство в соответствии с нелинейной гиперболической геометрии или геометрией Лобачевского. В ней трехмерное пространство экспоненциально расширяется наружу, другими словами, оно имеет форму песочных часов. При этом размеры пространства в нашем представлении увеличиваются в зависимости от времени, проведенным в каком-либо месте. А расширяется изученное пространство логарифмически, что соответствует максимально возможному увеличению информации, которое может обработать наш мозг.
В ходе исследований ученые использовали передовые вычислительные подходы. Они впервые применили гиперболическую геометрию, чтобы лучше объяснить восприятие биологических сигналов, например таких, как запахи. Теперь авторы показали, что геометрия Лобачевского также управляет нейронными реакциями, так как гиперболические карты сенсорных молекул и событий воспринимаются нейронами, которые в соответствии с ними формируют в мозгу карты пространства. Эксперименты на крысах показали, что репрезентации пространства нейронами мозга динамически расширялись в зависимости от количества времени, которое животное тратило на изучение каждой среды. Когда крыса двигалась медленнее, она успевала получить больше информации, что вызывало больший рост нейронных репрезентаций. Результаты исследования позволят лучше понять нейронную активность в различных отделах мозга. Кроме того, они важны для анализа данных о нейродегенеративных расстройствах, связанных с обучением и памятью — например, болезнью Альцгеймера.
Ученые из Бристольского университета, Высшей школы экономики и Института Макса Планка проанализировали ряд экспериментальных и вычислительных работ и обосновали наиболее перспективные способы изучения нейромеханизмов синтаксиса. Синтаксис — система, лежащая в основе языка и позволяющая складывать слова в словосочетания и предложения. В последние десятилетия среди специалистов в когнитивных науках наибольшее распространение получила идея об участии нейронных колебаний в кодировании синтаксической информации. Согласно этому подходу, кодирование слов, словосочетаний и предложений происходит на разных частотах. Один из способов изучения синтаксических структур в мозге подразумевает измерение нейронных колебаний при обработке отдельных слов и фраз предложения. Этот принцип можно условно назвать разделением на блоки. Второй способ также основан на нейронных колебаниях, но он исходит из представлений о синтаксической структуре как сложном иерархическом феномене и строится на многомасштабной интеграции информации. Международная команда ученых (доцент отделения психологии Бристольского университета, старший научный сотрудник Международной лаборатории социальной нейробиологии НИУ ВШЭ Нина Казанина и Алессандро Тавано из Института Макса Планка) сопоставила ряд работ, изучающих нейрокорреляты языковых фраз или предложений. Под нейрокоррелятами понимаются механизмы, используемые мозгом для решения алгоритмических и других задач.
«Во время обработки предложения в мозгу человека строится не просто цепочка из слов, а определенная синтаксическая иерархия. При этом синтаксическая конструкция может иметь разную длину — состоять как из одного слова, так и из двадцати. Построение иерархии — это гораздо больше, чем разделение предложения на части. Например, предложение “Вчера вечером Миша написал письмо своей семье” можно разбить на примитивные части, но это не поможет понять, как устроена его синтаксическая структура», — поясняет Нина Казанина. Проанализировав ряд экспериментальных и вычислительных работ, ученые пришли к выводу, что более релевантным следует считать принцип многомасштабной интеграции информации. При помощи нейронных колебаний можно собирать в одно целое информацию, которая достигает мозга в разное время или обрабатывается в разных областях мозга. Например, в предложении «Что, ты считаешь, мама мне подарит на Новый год?» слова «что» и «подарит» — части одной синтаксической составляющей, которые надо собрать вместе из разных частей предложения. Авторы подчеркивают перспективность сочетания вычислительных и нейробиологических моделей с лингвистическими и психолингвистическими.
В эпоху, когда искусственный интеллект постепенно проникает в каждый уголок общества, израильские военные готовятся стать сверхдержавой, не имеющей себе равных.
На международном форуме по безопасности Herzliya Conference 2023 генеральный директор Министерства обороны Эяль Замир заявил: «Наша задача – превратить Государство Израиль в сверхдержаву с искусственным интеллектом и стать во главе очень ограниченного числа мировых держав, входящих в этот клуб».
Замир считает перспективными два направления – создание специальных организаций, занимающихся военной робототехникой, и увеличение бюджета на исследования и разработки. Кроме того, после встречи с Илоном Маском и генеральным директором OpenAI Сэмом Альтманом премьер-министр Израиля Биньямин Нетаниягу заявил, что он намерен сформулировать национальную политику в отношении использования ИИ в гражданских и военных целях.