Max Home IndustryСпаун — это модель мозга с 2,5 миллионами нейронов, которая может делать полезные вещи — распознавать числа, выполнять арифметические операции и записывать ответы с помощью моделируемой руки — но кажется ли это прорывом.
Вслед за новостями о том, что IBM смоделировала 530 миллиардов нейронов, мы получаем заголовки новостей о Спауне. Это еще одна большая нейронная симуляция, но в отличие от нейронной сети IBM, Spaun делает впечатляющие вещи. В статье, опубликованной в Science, и за платным доступом, несмотря на то, что это исследование финансируется государством, Крис Элиасмит и его коллеги описывают Спауна и выпускают видео, показывающее, как он распознает числа, генерирует ответы на простые числовые вопросы и записывает их, используя смоделированная рука.
Вся презентация очень впечатляющая и призвана создать максимально возможное впечатление, что это действительно мозг. В результате было сообщено, что у Спауна есть глаз, который позволяет ему видеть мир, и искусственный таламус для выполнения визуальной обработки. Вы можете видеть на видео, что даже активность нейронов в сети отображается на рисунок мозга, показывающий, где расположены подсистемы.
Вас приглашают, ободряют, и вы не можете не прийти к выводу, что это мыслящий мозг.
Это привело к заголовкам вроде: Ученые создают функционирующий виртуальный мозг, который может писать, запоминать списки и даже проходить базовый тест на IQ.
Карты больше похожи на изображение человека с мускулистыми мускулами, чтобы объяснить, как работает цилиндр парового двигателя. Возможно, это не так, но было бы ошибочным делать вывод, что человек — это паровая машина.
Чрезмерное требование результатов — это одна из вещей, которая наносит ущерб всему предмету ИИ, и хотя это моделирование является интересным шагом на этом пути, важно точно понимать, что происходит.
Прежде всего следует отметить, что Спаун ничему не учится. Его можно настроить для решения восьми заранее определенных задач, и он не изучает какие-либо новые задачи и не изменяет способ выполнения существующих задач. Вся система основана на Neural Engineering Framework (Neural Engineering Framework — NEF), которую можно использовать для вычисления значений силы соединений, необходимых для того, чтобы нейронная сеть выполняла конкретную задачу. Если вы хотите, чтобы нейронная сеть реализовывала функцию входов f (x), тогда NEF вычислит параметры утечки интегрированной и пожарной сети, которая будет выполнять эту работу. Это интересный подход, но он не демонстрирует той пластичности, которую демонстрируют настоящий мозг и реальные нейронные сети.
Во всяком случае, этот подход больше похож на оригинальные сети Маккаллоха и Питтса, в которых искусственные нейроны создавались вручную для создания логических вентилей. Например. вы можете соединить нейроны, чтобы создать вентиль NAND, и отсюда вы можете использовать их для реализации полного компьютера — скажем, ПК на базе Pentium, использующего нейронные вентили NAND для реализации все более сложной логики. Все это сработает, но это не будет мыслящий мозг или модель нейронного компьютера.
Точно так же Spaun представляет собой интересный механизм, состоящий из подузлов, которые были спроектированы в соответствии со спецификацией с использованием NEF. Ключевой идеей в построении этих структур является «семантический указатель» — Spaun — это сокращение от Unified Network с семантической архитектурой указателя. Но тот факт, что вся система может выполнять продемонстрированные задачи, является лишь отражением того факта, что они были разработаны для выполнения именно этой задачи.
Это само по себе впечатляет и заслуживает дальнейшего изучения, но мы должны понимать, что это не столько похоже на мозг, сколько кажется.
Вы можете попробовать свои собственные системы на основе NEF, используя нейронный симулятор Nengo, который использовался для реализации Spaun среди других демонстрационных сетей. Вы можете разместить несколько нейронов на поверхности дизайна и в кратчайшие сроки преобразовать их в систему управления или устройство памяти. Затем вы можете объединить эти устройства в правдоподобные мозговые организации, которые также выполняют определенные задачи. Это очень умно, но в нем нет ни малейшего кусочка машинного обучения. Это нейросети как инженерные. Например, управление рычагом или другим моторным устройством следует традиционным принципам проектирования систем управления с функциями обратной связи, перерегулирования и передачи.
Так что уходите от шумихи — это все равно впечатляет.
Если те же методы можно будет модифицировать и расширить, включив в них методы обучения, которые были открыты и опробованы школой «глубокого обучения» искусственного интеллекта, то, возможно, очень скоро у нас появится мозг в коробке. Между тем, у нас есть демонстрация того, что высокоструктурированная нейронная сеть может делать вещи, подобные мозгу, пока мы помещаем в нее структуру.
Кажется, что о NEF стоит узнать. Элиасмит пишет об этом книгу под названием «Как построить мозг», но тем временем есть более старое, уже опубликованное название: