Субстрат-независимый разум

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


2022-08-02 13:30

Работа разума

Мы состоим из множества компонентов, являемся продуктом своего опыта и восприятия, ощущений и поступков. Каждый из нас откликается на воздействие внешней среды уникальным, свойственным только ему способом. И все это сжато в одной точке. Вселенная вокруг нас не существует сама по себе. Вы не можете ее даже потрогать.

Когда вы думаете, что проводите рукой по столу, протоны и атомы его поверхности никогда не соприкоснутся с протонами и атомами ваших пальцев. Практически все, что нас окружает, – это пространство, состоящее из пустоты. Электрические импульсы доносят информацию от кончиков ваших пальцев до мозга – но вы ничего не знаете об этих импульсах, пока мозг не обработает информацию. Все, что представляет из себя Вселенная; все, чем являетесь вы; все, что вы осознаете и, по сути, все, что для вас существует, появляется только благодаря этой обработке. Таким образом, когда мы говорим о расширении и дополнении, мы имеем в виду наше желание расширить и дополнить процессы обработки информации мозгом.

Разумеется, мы хотим защитить то, что позволяет нашему разуму действовать: мозг, тело, в котором находится мозг, и среду, в которой находится тело. Среда должна быть устойчивой, без резких перемен и без катастроф. Так, неожиданное исчезновение атмосферы уничтожит пригодную для жизни среду и приведет к гибели разума.

Есть и другой способ относиться к процессам, которые делают человека человеком. Нужно проникнуть в них, обращаться с ними, как с ценной информацией или важной программой: делать резервные копии, устанавливать необходимые обновления, настроить отказоустойчивость и способность адаптироваться к новым средам и новым вызовам.

Субстрат-независимый разум нужен именно для этого. Его смысл – доступ к информации и ее извлечение. Для этого разум должен обрабатывать данные на специальной платформе – субстрате. Если это может происходить на различных платформах, как у программ, написанных платформо-независимым кодом, – значит, разум стал субстрат-независимым.

И поддержание среды, и доступ к информации – оба пути имеют свою ценность. Для объективной оценки их достоинств и недостатков – и в особенности их осуществимости в обозримом будущем – мы должны рассмотреть пути их реализации и разработать подробный план действий.

Конкретные шаги

Когда мы говорим о переносе сознания на искусственный носитель, мы имеем в виду перенос на СНР способности мозга выполнять свою работу. В идеале для оптимального использования выбранного субстрата нам следует «пересобрать» функции сознания прямо на нем. Однако в настоящее время такая оптимизация представляется трудновыполнимой, поскольку у нас нет исчерпывающего понимания иерархии взаимодействующих стратегий, используемых на различных когнитивных уровнях разума. С другой стороны, мы весьма неплохо разбираемся в работе фундаментальных биофизических слагаемых, вызывающих работу сознания.

Мы умеем выявлять механистические аспекты психофизиологических элементов, измерять функциональные ответы и модулирующие воздействия. Пусть у нас нет полного и наглядного справочника всех видов нейронов, синаптических каналов и тому подобного – мы знаем, как получить эту информацию, если возникнет такая необходимость, как если бы мы умели читать инструкции к программе, написанной на ассемблере (ассемблер – язык программирования низкого уровня. – Прим. пер.), из исполняемого файла, несмотря на то что у нас нет достаточно подробного описания программы, чтобы написать ее альтернативную версию.

По этой причине большинство исследований и разработок СНР идут по наиболее консервативному пути, который мы называем «полным воссозданием мозга» (Whole Brain Emulation). Его цель – воспроизвести физиологические функции и анатомическую структуру нейронов, а также взаимодействие между ними. Тот же метод применяют представители наиболее продвинутых областей нейроинформатики и вычислительной нейронауки, и результаты нередко превосходят самые смелые ожидания.

Хотелось бы еще раз подчеркнуть, что к СНР возможно прийти разными путями, сайт carboncopies.org стремится беспристрастно анализировать и описывать их. Мы выделили несколько концептуально различных подходов. Представленные ниже укладываются в парадигму «полного воссоздания мозга».

Основные элементы

Чтобы описать какое-либо явление или создать его модель, необходимо определиться с ее масштабом и базовыми элементами. Мы можем считать эти базовые элементы «черными ящиками», требующими характеризации. Различные подходы к СНР оперируют «черными ящиками» разного уровня.

Так, «выгрузка слабосвязанных элементов» (Loosely-Coupled Off-Loading) использует в качестве «черного ящика» реакции тела или личность человека в целом. Воссоздание базируется на видеозаписях, отчетах испытуемых, их журналах наблюдений. Для помощи в сборе информации привлекается искусственный интеллект.

Другие подходы работают с «черными ящиками», находящимися на уровне мозга или его частей. Это типично для проектов, основанных на индивидуализированных настройках общей когнитивной архитектуры или тех, которые занимаются частичным нейропротезированием и интерфейсами «мозг – компьютер».

И наконец, есть проекты, «черные ящики» которых находятся в масштабе нейронов или даже одного конкретного нейрона. Этот уровень масштабирования часто выбирают такие дисциплины, как вычислительная нейронаука и нейроинформатика. На текущий момент изображения данного уровня являются наиболее точными и лучше всего подходят для реконструкций при выполнении «полного воссоздания мозга».

Моменты, когда в нейронах мозга возникает потенциал действия, и моменты пиковых потенциалов – основные события, которые нас интересуют. Именно время пиковых потенциалов определяет, будет ли синапс усилен, заторможен или останется без изменений, и позволяет узнать, что было выучено, какие воспоминания закодировались, как развивается система в целом и как мы сами меняемся со временем. Нервные импульсы стимулируют мышечные клетки, позволяя нам двигаться, реагировать, говорить и взаимодействовать с внешней средой. И по сути, именно время пиковых потенциалов должно быть воспроизведено (с приемлемой долей погрешности) при работе над полным воссозданием мозга.

Четыре требования

Для реализации задачи по полному воссозданию мозга должны быть выполнены четыре основные требования.

1. Проверка гипотез о подходящем разрешении и масштабе данных.

2. Получение структурированной информации о явлении, получившем название «коннектом головного мозга» (коннектом – подробная карта нервных связей головного мозга. – Прим. пер.).

3. Получение функциональных характеристик компонентов, связанных между собой внутри коннектома.

4. Разработка подходящей платформы для воссоздания и моделирования функций сознания.

Первое требование выполнено – разрешение модели выбрано. На данном уровне и уровнем ниже критически важной является функциональная характеристика элементов – они должны быть достаточно простыми, чтобы мы могли фиксировать их динамику. На более высоких уровнях важны структурные характеристики – они позволят выявить взаимодействия, инициируемые самим коннектомом и вызывающие системный эффект.

Теоретически одновременная функциональная регистрация многих нейронов позволит вывести карту связей между ними без необходимости выявления их структурных особенностей в высоком разрешении. На практике в работе со сложными системами это представляется трудновыполнимым по причине огромного количества входных данных каждого нейрона. Этот метод предполагал бы отношение к связям между нейронами как к элементам «черного ящика», который представляет из себя значительно более сложный элемент. Полная характеризация переходных функций этих «черных ящиков» требует длительного периода наблюдений и подвержена искажениям при анализе чувствительности. При этом скрытые функции могут остаться незамеченными.

По аналогии можно было бы сузить число различных видов измерений до одной только морфологической трехмерной реконструкции. Гипотетически, морфологические характеристики нейронов позволяют распределить их по функциональным категориям и оценить значения их параметров внутри этих категорий. Но на самом деле ключевую роль при таком подходе начинает играть процедура отображения категорий «один-к-одному» – а это с большой долей вероятности приведет к системным ошибкам. Нейронные сети известны своей устойчивостью к случайным ошибкам, повреждениям и шуму – однако эта устойчивость не распространяется на системные ошибки (такие как погрешность пространственных измерений, вызванная отклонениями или износом инструментов, например). Исправление ошибок будет осложнено отсутствием средств проверки различных способов измерений.

Предположим, мы хотим отрегулировать параметры или исправить ошибки в сети, наблюдая за наиболее общими ее проявлениями. Наша сеть состоит из 86 млрд нейронов, каждый из которых представлен 10 тысячами соответствующих электрических эквивалентов, обладающих 10 разными параметрами. В таком случае количество данных этой сети легко превысит возможности любой существующей вычислительной системы, классической или квантовой. Таким образом, критически важно сузить задачу, исключить и настроить небольшие подсистемы, чтобы они давали ответы, соответствующие своим функциональным характеристикам.

В любом случае инженерная практика показывает, что было бы неразумно (за исключением тех случаев, когда это неизбежно) полагаться на одношаговые процессы, не дающие возможности проверки или частичной реконструкции. Собрать данные, построить полную модель и нажать «Пуск» – такой ход действий является просто-напросто рискованным. Необходимость бороться с проблемами в крайне сложной системе без возможности выполнения пошаговых действий колоссально повышает сложность задачи. Таким образом, практический метод успешного моделирования головного мозга должен сочетать в себе и структурные, и функциональные измерения – в высоком масштабе и разрешении.

Проекты-решения

Четыре требования к выполнению полного воссоздания мозга являются весьма жесткими. Но есть и осуществимые решения, удовлетворяющие этим требованиям и применяющие последние достижения науки и приборостроения. Прямо сейчас на этапе разработки и воплощения находится целый ряд проектов.

Очевидно, чтобы построить структурный коннектом, нам следует обратиться к пространственной структуре клеток и тканей мозга. Электронные микроскопы предоставляют необходимое для этих целей высокое разрешение, в то время как автоматическое деление мозга на части задает нужный масштаб изображений. Сегодня объемная микроскопия активно развивается рядом научных коллективов.

Принципиально иной подход к строительству коннектома заключается в том, чтобы помечать связи между пресинапсами и постсинапсами с помощью «биологических штрих-кодов» – искусственных секвенций ДНК и РНК. Пометки образуют двунаправленные указатели между нейронами. После извлечения пометок сеть указателей представляет из себя структурный коннектом, состоящий из связей между нейронами. Биологические инструменты для реализации данного проекта разрабатываются в лабораториях Энтони Зэйдора (Dr. Anthony Zador) и Эда Кэллоуэя (Dr. Ed Callaway).

Функциональная характеризация элементов in vivo требует особо высокого разрешения, и мы пристально следим за разработкой соответствующих инструментов. Один из способов добиться необходимого разрешения и масштаба – создать иерархию интерфейсов, сообщающих о сигналах, проходящих через демультиплексор. Сюзанна Гилдерт (Suzanne Gildert) называет этот подход «древом демультиплексора». Рудольфо Льинас (Rodolpho Llinas) приводит пример такого дерева: границы между его узлами образованы нанопроволочками, доставка которых осуществляется через кровеносную систему мозга. Эти гибкие нанопроволоки были разработаны в Медицинской школе Нью-Йоркского университета (New York University School of Medicine), их диаметр – 500 нанометров. На данный момент далеко не все части мозга удалось охватить нанопроволоками, в древо демультипликатора они пока тоже не включены.

Также существует ряд проектов, занятых разработкой биологических инструментов, работающих как на клеточном, так и на субклеточном уровнях нервной ткани и выполняющих огромное количество операций в единицу времени. Гарвардский университет, Северо-западный университет (Northwestern University) и Массачусетский технологический институт при участии Halcyon Molecular сотрудничают над созданием инструментария, получившего название «молекулярная телеграфная лента». Функциональные события (например, активация рецепторов, чувствительных к изменению мембранного потенциала) записываются на биологические источники информации, такие как ДНК. Запись информации происходит прямо в клетках и впоследствии может быть извлечена из них.

Точное воссоздание биологических процессов при отсутствии нежелательных взаимодействий и побочных эффектов – весьма нетривиальная задача. Найти биофизические компоненты, способные считывать сигналы, включить эти компоненты в систему и разработать стратегии для достоверной записи сигналов – эта работа требует огромного количества времени, усилий и дальнейших исследований. При этом разрешение и масштаб существующих биологических инструментов являются в высшей степени обнадеживающими. Особенно соблазнительной является возможность чтения сигналов in vivo. Эта цель пока еще не достигнута.

Если мы соединим вместе преимущества обоих подходов, то это позволит работать на субклеточном уровне, записывать сигналы in vivo и при этом иметь дело только с узлами (а не с физическими характеристиками) демультиплексного древа. Оптимальный способ достижения этой цели, который был придуман еще десятилетия назад Эриком Дрекслером (Eric Drexler), Ральфом Мерклом (Ralph Merkle), Робертом Фрайтасом (Robert Freitas) и другими, – это нанороботы. Нанотехнологии – довольно новая дисциплина; нам пока далеко не все удается в создании роботов и обычного размера. В чем наука и техника достигли немалых успехов – так это в создании микросхем.

Функции сознания выполняются высокопараллельными сетями мозга, состоящими из преимущественно безмолвных процессоров малой мощности – нейронов. Для успешного воспроизведения этих функций нужна схожая вычислительная среда. Именно поэтому разработка нейроморфных компьютерных платформ представляет для нас столь большой интерес. Работами данного рода является проект DARPA под названием SyNAPSE Project; микрочип Гая Пайлета (Guy Paillet), в архитектуре которого заложены возможности дальнейшего развития, а также европейские проекты CAVIAR и FACETS.

Разумеется, полного воссоздания мозга еще недостаточно для субстрат-независимого разума. Критически важно, чтобы разум, как это было задумано природой, имел возможность всеобъемлющего и глубокого взаимодействия со своим окружением; чтобы он мог «воплотить» себя. В определенном смысле мы уже давно вышли за пределы и мозга, и тела – во Вселенную, которая говорит с нами на языке ощущений и взаимовлияний. СНР обязательно должен быть снабжен «входами» и «выходами», но, к сожалению, эта тема выходит за пределы вопросов, освещенных в данной статье.

В последние годы я посвятил себя поиску и объединению новаторов, исследователей и технологий, которые приведут нас к полному воссозданию мозга и субстрат-независимому сознанию. На сайте carboncopies.org я собираю, поддерживаю и обновляю планы и проекты, посвященные этим темам. На данный момент мы непосредственно вовлечены в эти проекты, координируем их, связываем друг с другом и можем с уверенностью утверждать: все они удовлетворяют требованиям к разработке субстрат-независимого сознания и способны достичь этой цели. Субстрат-независимый разум даст человечеству возможность выйти на новый уровень развития и взаимодействия со своими собственными технологическими разработками. Он позволит нам выстоять перед лицом новых опасностей и угроз.

Автор статьи: Рэндал Куне (Randal A. Koene), нейробиолог и нейроинженер, создатель теории «эмуляции мозга», участник международного конгресса Global Future 2045.


Источник: vk.com

Комментарии: