Մարդկային ուղեղի աշխատանքի առեղծվածները միշտ էլ անհանգստացրել են գիտնականներին։ Մարդու ուղեղը նմանակելու փորձեր միշտ էլ եղել են։ Մարդկային ուղեղի նախագիծը նման փորձերից մեկն է: Ո՞ր փուլում են գիտնականները: Կա՞ն հաջողություններ։
Մարդու ուղեղը մեզ հայտնի ամենաառեղծվածային կենսաբանական համակարգիչն է: Իրականում, մենք դրա մասին բավականաչափ չգիտենք՝ չնայած գիտնականների՝ դարերի ընթացքում դրա մասին ավելի ու ավելի բարդ ձևերով սովորելու ջանքերին: Միայն նորագույն տեխնոլոգիաները կարող են մեզ իրական գիտելիքներ տալ, որոնց մասին մենք նախկինում կարող էինք միայն կռահել։ Սա չի փոխում այն փաստը, որ մենք դեռ հեռու ենք լիարժեք գիտակցությունից։ Ո՞ր փուլում են ժամանակակից գիտնականները:
Հետաքրքիր է նաև. Ի՞նչ են նեյրոնային ցանցերը և ինչպես են դրանք աշխատում:
1950-ականներին, երբ «արհեստական ինտելեկտ» տերմինն առաջին անգամ հայտնվեց գիտության մեջ, և AI հետազոտողները հաջողությամբ ապացուցեցին, որ դուք կարող եք սովորեցնել մեքենային անել այն, ինչ դուք ինքներդ չեք կարող անել, նրանք ոգևորված էին դրանով: Պարզ հնարավորություն, որ մեքենան կարող է սովորել, ինքնուրույն ապացուցել մաթեմատիկական թեորեմները (սա արվել է, օրինակ, տրամաբանական տեսաբան ծրագրով, որը մշակվել է 1955 թվականին Ալեն Նյուելի և Հերբերտ Սայմոնի կողմից), կամ շաշկի խաղալ և ծեծել մարդուն (Արթուրի ծրագիրը Սամուելը, IBM-ի ինժեներ, հետագայում Սթենֆորդի համալսարանի պրոֆեսոր), գիտական աշխարհին առաջնորդեց հավատալու, որ մարդու ուղեղի ամբողջական մոդելավորումը ընդամենը մի քանի տարի է մնացել:
Անցել են տասնամյակներ, և չնայած հաշվողական հզորության ահռելի աճին, արհեստական նեյրոնային ցանցերի և արհեստական ինտելեկտի ալգորիթմների զարգացմանը՝ խորը մեքենայական ուսուցմամբ, մենք դեռ հեռու ենք ուղեղի նույնիսկ բեկորները նմանակելուց: Պարզ ասած, 20-րդ դարի երկրորդ կեսի արհեստական ինտելեկտի ռահվիրաները մեծապես թերագնահատեցին մեր կրիաների այս «դոնդողանման զանգվածի» հնարավորությունները, որը 90%-ով ջուր է։
Հետաքրքիր է նաև. ChatGPT. Օգտագործման պարզ հրահանգներ
Ծննդաբերության ժամանակ մարդու ուղեղը կշռում է մոտավորապես 300 գ, լրիվ զարգացած չափահաս ուղեղը կշռում է մոտավորապես 1,5 կգ: Այս 1,5 կգ-ը պարունակում է մեր ամբողջ տիեզերքը և մեր ունեցած բոլոր մտավոր ունակությունները: Ոչ միայն գիտակիցները, ինչպիսիք են աբստրակտ մտածողությունը, կրեատիվությունը, այլ նաև նրանք, որոնց մասին մենք տեղյակ չենք՝ շարժումների շարժունակություն, շրջանառու համակարգի վերահսկում, շնչառություն և շատ ու շատ ավելին:
Գիտնականների շրջանում տարածված հայտարարություն է, որ մարդու ուղեղը բաղկացած է մոտավորապես 100 միլիարդ նեյրոնից: Մենք չգիտենք դրանց ճշգրիտ թիվը, և այն կարող է տարբերվել մարդկային տեսակի յուրաքանչյուր անհատի մոտ։ Բայց ենթադրենք, որ դա ճիշտ է, և այս թիվն այնքան էլ փոքր չէ։ 100 միլիարդը շատ է, բայց ժամանակակից սուպերհամակարգիչները կարող են մոդելավորել նույնիսկ ավելի մեծ օբյեկտներ: Այնուամենայնիվ, խնդիրն այն է, որ նեյրոնը շատ ավելի բարդ բան է, քան, օրինակ, տեքսելը 3D գրաֆիկայի մեջ, պիքսելը պատկերում կամ ցանկացած այլ օբյեկտ, որը կարելի է նկարագրել միայն մի փոքր կոդով:
Մեր ուղեղի նեյրոնները կապված են միմյանց հետ: Սրանք ֆիզիկական կապեր չեն, քանի որ այդ դեպքում առանձին նեյրոններում առաջացած էլեկտրական իմպուլսները արագ կտարածվեն ամբողջ մարմնով, ինչը գործնականում անհնարին կդարձնի նրա աշխատանքը: Մեր ուղեղում տեղեկատվության փոխանցումը հիմնված է ինչպես էլեկտրականության (իմպուլսների), այնպես էլ քիմիայի (նեյրոհաղորդիչների) վրա: Յուրաքանչյուր նեյրոն (հիշենք նեյրոնի այժմ տարածված պատկերը՝ որպես «ծառ» բնորոշ դենդրիտներով) կարող է կապվել մյուսների հետ մինչև տասը հազար սինապտիկ կապերի օգնությամբ։
Համաձայն եմ, մեկ նյարդային բջջից 10000 կապը բարդության շատ ավելի բարձր մակարդակ է, քան տրանզիստորների տրամաբանական դարպասները: Եթե մենք փորձենք հաշվել նեյրոնների և վիճակների միջև բոլոր հնարավոր կապերի քանակը, որոնք նրանք կարող են ստանալ ցանկացած պահի (ընդամենը մեկ), մենք կստանանք հսկայական թիվ, որը շատ ավելին է, քան ատոմների գնահատված թիվը ամբողջ դիտելի տիեզերքում: Օգտագործելով այս մոտեցումը, շատ գիտնականներ, ովքեր մասնագիտացած են նեյրոկենսաբանության մեջ և ունեն նաև համակարգչային գիտություն, կարծում են, որ, նույնիսկ գիտելիքի ներկա մակարդակի և դրա ակնկալվող զարգացման պայմաններում, նման բարդ օրգանի ամբողջական մոդելավորումը խնդիր է, որը կգերազանցի մեր հնարավորությունները: երկար ժամանակ. Բայց դա չի նշանակում, որ գիտնականները ոչինչ չեն անում և ոչ մի բանի չեն հասել։ Եկեք նայենք որոշ նախագծերի, որոնք նպատակ ունեն նմանակել, եթե ոչ ամբողջ մարդկային միտքը, ապա գոնե դրա մի մասը:
Կարդացեք նաև. ChatGPT-ի 7 ամենաթեժ օգտագործումը
2013-ին Օկինավայի տեխնոլոգիական ինստիտուտի ճապոնացի գիտնականները և Forschungszentrum Jülich-ի գերմանացի հետազոտողները միավորեցին ուժերը և օգտագործեցին մեր մոլորակի այն ժամանակվա ամենահզոր սուպերհամակարգիչներից մեկը (կոչվեց K Computer, Top500 ցուցակի առաջատարը 2011 թ.) հաշվողական հզորությամբ: 8,16 PFLOPS-ից (կամ 8,16 կվադրիլիոն լողացող կետով գործողություն վայրկյանում), որպեսզի փորձեն նմանակել ուղեղի ընդամենը մի հատվածը: Ընդհանուր առմամբ, սիմուլյացիան բաղկացած էր 1,73 միլիարդ նեյրոնների աշխատանքի քարտեզագրումից, որոնք միասին ստեղծեցին 10,4 տրիլիոն սինապտիկ կապերի ցանց: Դա ձեր գանգի մեջ խրված այդ կենսաբանական «դոնդողի» ներուժի 1 տոկոսից մի փոքր ավելին է: Սիմուլյացիան օգտագործել է 82944 Sparc64 VIIIfx պրոցեսորների ամբողջ հզորությունը (մեկ համակարգն ունի 2 ԳՀց ժամացույցի հաճախականություն և 8 միջուկ): Արդյո՞ք այս մոտեցումն աշխատեց:
Ըստ գիտնականների՝ այո, բայց մյուս կողմից... կախված է նրանից, թե ինչպես ես դրան նայում։ Այս սուպերհամակարգչի մոտ 40 րոպե աշխատանքը տևել է ուղեղի նեյրոնային ցանցի նշված հատվածի աշխատանքի ընդամենը 1 վայրկյանի սիմուլյացիայի համար։ Հետևաբար, չնայած այն փաստը, որ սիմուլյացիան ընդհանրապես իրականացվել է, կարելի է հաջողված անվանել, քանի որ էֆեկտները, հաշվարկման ժամանակը և սիմուլյացիայի ծավալը ցույց են տալիս, թե ինչ հսկայական խնդրի առաջ ենք կանգնել այստեղ։ Եվ պետք է հիշել, որ նեյրոնների քանակի աճով սինապտիկ ցանցի բարդությունը մեծանում է ոչ թե գծային, այլ էքսպոնենցիալ: Եթե նույնիսկ ներկայումս ամենաարագ ամերիկյան գերհամակարգիչ Frontier-ը, որը գործում է Oak Ridge ազգային լաբորատորիայում և ունի 1102 PFLOPS հաշվողական հզորություն, այսինքն 135 անգամ ավելի, քան նշված ճապոնական K համակարգիչը, դա չի նշանակի: որ Frontier-ը կարող էր մոդելավորել (նույն մոդելի պարամետրերով) 135 անգամ ավելի մեծ նեյրոնային ցանց: 1,73 միլիարդ նեյրոններից բաղկացած ցանցի մեկ իրական վայրկյանի նույն մոդելավորումը ամերիկյան սուպերհամակարգչի վրա կտևի ոչ թե 40 րոպե, այլ 18 վայրկյանից պակաս: Բայց սա դեռ շատ ավելին է, քան իրական ժամանակի ցանցի մոդելավորումը և մեր գլխում եղածի միայն մի փոքր մասն է: Ամբողջ մտքի աշխատանքի նմանակումը դեռևս պատկանում է գիտաֆանտաստիկայի ոլորտին: Սակայն գիտնականները դեռ փորձում են.
Կարդացեք նաև. Քվանտային համակարգիչների մասին պարզ բառերով
Մարդկային ուղեղի նախագիծը (HBP) իր մասշտաբով և գիտական այս նախագծի համար հատկացված միջոցներով կարելի է համեմատել մարդուն առնչվող մեկ այլ նախագծի՝ հայտնի «Մարդու գեն» նախագծի հետ, որը տևեց 1990 թվականից մինչև 2003 թվականը։ Մարդու գենոմը լիովին հասկանալու համար Human Brain Project-ը նպատակ ունի օգնել գիտնականներին ավելի լավ հասկանալ մեր ուղեղը: Այնուամենայնիվ, Human Brain Project-ը, որը շարունակվում է 2013 թվականից և ի սկզբանե պետք է ավարտվեր մեկ տասնամյակ հետազոտություններից հետո (այսինքն՝ 2023 թվականին), նույնիսկ չի մոտենում ամբողջ ուղեղի մոդելավորմանը: Այսպիսով, ի՞նչ նպատակների են նախատեսում հասնել գիտնականները այս հետազոտությունով:
HBP-ի հիմնական նպատակը ամբողջ ուղեղի մոդելավորումը չէ, քանի որ, հուսով եմ, մենք արդեն ցույց ենք տվել, որ այս խնդիրը վեր է մեր այսօրվա քաղաքակրթության հնարավորություններից: Նպատակը ուղեղի բարդությանը գոնե մասամբ տիրապետելն է։ Սա կօգնի այնպիսի գիտությունների զարգացմանը, ինչպիսիք են բժշկությունը, համակարգչային գիտությունը, նյարդաբանությունը, ինչպես նաև այնպիսի տեխնոլոգիաների զարգացմանը, որոնց աշխատանքը ներշնչված է այն բանից, թե ինչպես է աշխատում մեր միտքը:
HBP նախագծի արդյունքներից է ուղեղի հետազոտության թվային հարթակի՝ EBRAINS-ի ստեղծումը։ EBRAINS-ը բաց կոդով հարթակ է, որը հնարավորություն է տալիս հետազոտողներին ամբողջ աշխարհից օգտվել ապահով ամպային միջավայրում հասանելի թվային գործիքներից: Այլ կերպ ասած, EBRAINS-ը գիտնականներին տրամադրում է գործիքներ՝ մոդելավորելու և վերլուծելու ուղեղի առանձին հատվածների աշխատանքը:
Այդպիսի գործիքներից է HBP-ի և EBRAINS-ի կողմից ստեղծված վիրտուալ ուղեղի մոդելավորման ծրագիրը: Այս գործիքը լիովին ի վիճակի չէ մոդելավորել ամբողջ ուղեղի աշխատանքը, սակայն այն թույլ է տալիս, օրինակ, նոր դեղամիջոցների հետազոտողներին նմանակել դրանց ազդեցությունը նեյրոնների խմբերի վրա: Սա, իր հերթին, թույլ կտա գիտնականներին մշակել բուժման նոր մեթոդներ, որոնք օգտակար են այնպիսի բարդ հիվանդությունների համար, ինչպիսիք են Ալցհեյմերի հիվանդությունը, դեպրեսիան, Պարկինսոնի հիվանդությունը և այլն:
Հետաքրքիր է նաև.
Ամերիկյան գիտահետազոտական հաստատությունների նախաձեռնած ավելի մեծ և նոր նախագիծը ԱՄՆ-ի ուղեղի նախաձեռնությունն է: Սա ևս մեկ բազմամյա, մի քանի միլիարդ դոլար արժողությամբ հետազոտական ծրագիր է, որն ուղղված է մարդկային կապի քարտեզագրմանը: Ի՞նչ է կապը: Սա այս օրգանիզմի նյարդային կապերի ամբողջությունն է։ Ինչպես գենոմը գենետիկական շղթայի ամբողջական քարտեզն է, իսկ պրոտեոմը տվյալ օրգանիզմի սպիտակուցների ամբողջական քարտեզն է։ Մենք արդեն գիտենք մարդու գենոմը, դրա հայտնաբերումը արժեցել է միլիարդավոր դոլարներ։ Այսօր գենոմի թեստավորումը լայնորեն հասանելի է, և, օրինակ, թերության առկայության գենետիկական թեստերն արժեն մի քանի հարյուր դոլար։ Ամբողջական գենոմը մի փոքր ավելի թանկ է, բայց դեռ մի քանի կարգով ավելի քիչ է, քան մարդկային առաջին ընթերցված ԴՆԹ-ի արժեքը:
Եկեք վերադառնանք Connectome-ին և ամերիկյան BRAIN նախագծին: Ո՞րն է այս նախագծի նպատակը: Ջոշ Գորդոնը, ԱՄՆ-ի Հոգեկան առողջության ազգային ինստիտուտի տնօրենը Մերիլենդ նահանգի Բեթեզդա քաղաքում, ասել է. «Իմանալով ուղեղի բջիջների բոլոր տեսակները, ինչպես են դրանք կապվում միմյանց հետ և ինչպես են փոխազդում, կբացի թերապիաների մի ամբողջ նոր շարք, որոնք մենք այսօր ունենք: նույնիսկ չեմ կարող պատկերացնել»: Ներկայումս ստեղծվում և համակարգված կերպով մշակվում է նյարդային բջիջների տեսակների աշխարհի ամենամեծ կատալոգը: Այս կատալոգը, որը կոչվում է BRAIN Initiative Cell Census Network (BICCN), նկարագրում է, թե քանի տիպի բջիջներ կան ուղեղում, ինչ համամասնություններով են դրանք առաջանում, ինչպես են դրանք տարածվում տարածականորեն և ինչ փոխազդեցություններ են տեղի ունենում նրանց միջև:
Որտեղի՞ց է գալիս այս մոտեցումը: Ուղեղը հասկանալու անհրաժեշտությունից. Այս մոտեցման առավելությունները Nature-ին բացատրված են նյարդաբան Քրիստոֆ Կոխի՝ MindScope ծրագրի գլխավոր գիտնականի հայտարարության մեջ, որն իրականացվում է Սիեթլի Ալենի ուղեղի գիտության ինստիտուտի կողմից. «Ինչպես քիմիայում ոչինչ իմաստ չունի առանց պարբերական աղյուսակի։ տարրեր, ոչինչ իմաստ չի ունենա ուղեղը հասկանալու համար՝ առանց հասկանալու բջիջների առանձին տեսակների գոյությունն ու գործունեությունը»:
Եթե մենք հիպոթետիկորեն հասնեինք տեխնոլոգիական ներուժին, որպեսզի կարողանանք բջիջ առ բջիջ սկանավորել և, օրինակ, վերստեղծել մարդու ուղեղը, նման մոտեցումը կնշանակեր, որ նույնիսկ եթե մեզ հաջողվեր (ինչն այսօր իրատեսական չէ), մենք դեռ չէինք հասկանա, թե ինչու ուղեղն աշխատում է այնպես, ինչպես դա իրականում տեղի է ունենում: Եվ կապ չունի՝ մենք խոսում ենք ուղեղի՝ որպես կենդանի կենսաբանական օրգանի, թե թվային, հիպոթետիկ կլոնավորված նմանակի մասին: BRAIN և տեղեկատու BICCN յուրաքանչյուր նեյրոնային շղթայի կառուցվածքն ու գործառնությունը հասկանալու ելակետեր են, և հետևաբար՝ հասկանալու բարդ վարքագիծը, որը ղեկավարում է բոլոր տեսակները ուղեղի նման բարդ օրգանով:
Հետազոտությունները շարունակվում են, և գիտնականները մշտապես ներկայացնում են իրենց նոր ձեռքբերումները հատուկ ստեղծված կայքում։ Ուստի վստահ եմ, որ շուտով մեզ ավելի հետաքրքիր բացահայտումներ են սպասվում։
Հետաքրքիր է նաև.
Դիտել դիտարկումները
Շուտով հնարավոր կլինի հեռացնել բոլորի ուղեղները որպես ավելորդ...