Zdjęcia JAKKAPAN PRAMMANASIK / Getty Images
Mózg muszki owocówki, wzorowany na komputerze kanadyjskich naukowców, nie był w stanie rozpoznać indywidualne cechy muchy, i to mocno wyprzedził w tej zdolności ludzkiego mózgu
Rozpoznawanie twarzy — jedna z tych zadań, gdzie sztuczna inteligencja, dopóki nie osiągnąłem zdolności ludzkiego mózgu. Ta cecha naszego umysłu jest wyjątkowy: człowiek jest w stanie odgadnąć ludzka twarz — i nawet przypisywać mu stany emocjonalne — w najprostszej połączeniu z nawiasów i dwukropek lub w chłodnicy i reflektory samochodu, ale przy tym prawdopodobnie nie będzie identycznymi żadne dwie osoby z siedmiu miliardów ludzi.
Liczba ustawień osób, analizowanych programów komputerowych do rozpoznawania, dziesiątki; ludzki mózg może przetwarzać ich znacznie więcej. Wydaje się, że taka praca wymaga, po pierwsze, poważne możliwości obliczeniowych mózgu, a po drugie, wystarczy детализованных danych wejściowych pochodzących z narządu wzroku.
Do takiego wniosku mógł dojść programista — ale z nim założę się biolog. On wskaże na prosty przykład: owoców mucho drozofila ma bardzo mały mózg (około 100 000 razy mniej, niż u człowieka), a jej proste фасеточные oczy są w stanie tworzyć obraz z kilkudziesięciu pikseli. Nie mniej jednak, jednomyślne zdaniem wszystkich biologów pracujących z muchami, te marne owady doskonale potrafią odróżnić swoich współbraci na poziomie indywidualnym. Ciekawe, że sami biolodzy z ich doskonały wzrok i ogromnym ludzkim mózgiem — z zadaniem rozpoznania мушиной indywidualności nie może sobie poradzić.
Aby zrozumieć sens tej zagadki, naukowcy z dwóch kanadyjskich uniwersytetów stworzyli grupę badawczą dla interdyscyplinarnego projektu na styku biologii i informatyki. Przed programistami i biologów miał za zadanie: stworzyć samodzielna nauka łódź (sieć neuronową), oparty na zasadach pracy mózgu muchy i, co najważniejsze, ograniczony jego zasobami. W niedawnym artykule donoszą o sensacyjnych wynikach.
Po pierwsze, możliwości widzenia drozofili naprawdę jest szerszy, niż wcześniej zakładano: dane z dnia 29 pikseli wzbogacone są za pomocą kilku prostych sztuczek, takich jak analizy zmiany zdjęcia w ruchu. Naukowcy byli w stanie przywrócić obraz, który widzi mucha, gdy jej pokazują drugą muchę. Zamiast oczekiwanego ciemnego wydłużone plamy komputer przebudował dość szczegółowy obraz, z nogami, skrzydłami i wyraźnie odróżniają głową.
Ale najważniejsze osiągnięcie naukowców w tym, że udało im się szkolić swój sztuczny mózg — czyli sieć neuronową — rozpoznawać indywidualne cechy muchy.
Na trzeci dzień szkolenia programy ona rozpoznał muchy (czyli zidentyfikowała ich indywidualne cechy i myślałam, widziałam to wcześniej dokładnie tę muchę) z wydajnością 75%. Ciekawe, że podobny program, ale bez sztucznych fizjologicznych ograniczeń, takich jak liczby dostępnych neuronów, czyli wykorzystująca wszystkie możliwości komputera, — radził sobie z zadaniem tylko nieco lepiej (83%). Ale najbardziej niesamowite wyniki uzyskano przy porównaniu możliwości programu ze zwykłym ludzkim mózgiem. Badani — wszystkie jak jeden biolodzy z wieloletnim doświadczeniem w pracy z muchami — dowiedzieli się odpowiednią muchę z próby w 20 owadów z wydajnością zaledwie 8%. Przypadkiem dać wynik w 5%.
Na specjalistów z branży IT wynik wywarł silne wrażenie. Algorytmy głębokiego uczenia się zwykle z wielkim trudem radzą sobie z tym, aby odtworzyć możliwości ludzkiego mózgu, czy rozpoznawanie twarzy, mowy lub utworów muzycznych. Przypadki, kiedy taki algorytm można pokonać człowieka, są niezwykle rzadkie i zwykle wymagają większych zasobów obliczeniowych. W tej samej pracy program łatwo przekroczyła zdolności człowieka — prawda, tylko osiągnięcie tego samego rezultatu, który w naturze prezentuje owad z głupimi 100 000 neuronów w małej głowie.
Zdaniem współautora pracy Jana Schneidera, wyniki świadczą o “oszałamiającej fakcie: muchy są w stanie odróżnić indywidualność siebie. Kiedy usiądą obok siebie, mogą powiedzieć: “Cześć, Alice! — Cześć, Bob!”
Joel Levine, dyrektor naukowy projektu, uważa, że badanie to otwiera szerokie perspektywy. “Stowarzyszenie uczenia maszynowego i danych studia układu nerwowego bardzo owocnie. Jest w stanie wiele wyjaśnić w pracy samych systemów uczenia maszynowego, w zasadach komunikacji między neuronami i w ogólnych zasadach organizacji świata zwierzęcego. To niesprawdzona terytorium”.
Z wyników zadowoleni i biolodzy — specjaliści ds. badań owocowej — wynajętych do pracy w charakterze badanych. Wcześniej w dyspozycji genetyków były tylko dane statystyczne: mogli liczyć łączna liczba muchy z tymi lub innymi идентифицируемыми objawy. Jednak opracowany przez naukowców łódź pozwala automatycznie śledzić losy i zachowanie poszczególnych osobników. Możliwość ta może być wykorzystana w różnych zadaniach doświadczalnych.