В ежемесячном обзоре мы постарались собрать наиболее значимые открытия в области исследований мозга и личности и перспектив эмуляции сознания. В этот обзор регулярно включаются работы по нейропротезированию и нейрореабилитации, новые методидики картирование мозга, работы, посвященные машинному обучению в нейронауке, успехам в применении и разработке нейроимплантов и зондов, выращивании органоидов мозга.
С большим вниманием мы следим за международными проектами по картированию и исследованиям мозга, запущенным в США, Европе, Японии и Китае.
Нейроморфный компьютер сравнился в производительности с суперкомпьютером
В рамках проекта Human Brain Project (HBP) было проведено тестирование производительности компьютера SpiNNaker с нейроморфной архитектурой и программного обеспечения NEST, запущенного на суперкомпьютере с классической архитектурой, которое было разработано для исследования сигналинга между нейронами. Производительность тестировалась на симуляции участка коры головного мозга млекопитающего. Результаты оказались схожими на метриках скорости, энергоэффективности и точности решения задачи В сообществе инженеров-исследователей до сих пор открыт вопрос о том, какая из архитектур наиболее подходит для домена нейронаук. Исследование HBP и Юлихского исследовательского центра, который обладает одним из мощнейших суперкомпьютеров в мире, ставит своей целью решить эту проблему.
HPE построит суперкомпьютер «Blue Brain 5»
Новый суперкомпьютер HPE SGI 8600, помимо наследуемого кластера, будет специализирован на работе с нейронными сетями и визуализациями. Объем оперативной памяти компьютера составляет 94 терабайта, он оснащен графическими процессорами NVIDIA Tesla. Феликс Шюрманн, заместитель директора Blue Brain Project рассказывает: «Моделирование отдельного нейрона в Blue Brain сегодня требует вычисление 20 тыс. дифференциальных уравнений. При моделировании определенного отдела мозга, эта цифра быстро возрастает до 100 миллиардов уравнений, которые необходимо решать одновременно».
Биологические нейронные сети — самый быстрый путь к сильному машинному интеллекту
Такова позиция компании Numenta. В своем блоге исследователи сравнивают три актуальных, на 2018 год, подхода к искусственному интеллекту: классический, искусственные нейронные сети и биологические нейронные сети. Несмотря на успех популярных архитектур искусственных нейронных сетей, ключевые эксперты в области, такие как Джефф Хинтон, Франсуа Шолле и Демис Хасабис, говорят о необходимости нового подхода. Numenta предлагает использовать иерархическую временную память(HTM). Исследователи приводят пример того, что HTM решает задачу через моделирование вероятностного поведения агента, а не поиска многомерных различий в данных, в случае искусственной нейронной сети. «Наш подход, в том, что мы начинаем с мозга и придерживаемся биологии. Если что-то невозможно в мозгу, это невозможно в наших теориях и программах. В первую очередь, наша цель — понять мозг. Мы считаем, что это самый быстрый путь к созданию сильного машинного интеллекта».
Доставку вещества в глубинные структуры мозга объединили с томографией в одном импланте
Khalil Ramadi
Инженеры MIT разработали систему MINDS которая позволяет in vivo, точечно, доставлять вещество в целевую структуру мозга свободно движущейся крысы и наблюдать объем распределения с помощью ПЭТ. По словам исследователей, существующие на данный момент терапии с помощью микротрубочек доставляют слишком большое количество лекарства, которое попадает в соседние структуры. Исследователи говорят о том, что контроль объема распределения критически важен для обеспечения нужного результата воздействия. Их метод улучшает качество доставки в два раза. Также новый имплант вызывает минимальное повреждение ткани и способен находиться в мозге крыс продолжительностью до года. Качественные системы доставки дают возможность глубже понимать работу различных функциональных систем мозга, а также способствуют развитию технологии инвазивных интерфейсов.
Разработан инструмент автоматического распознавания дендритных шипиков
Нейроморфный компьютер сравнился в производительности с суперкомпьютером
Разработчики из института неврологии Макса Планка (Max Planck Florida Institute for Neuroscience) опубликовали открытое ПО, которое ускорит работу специалистов, исследующих механизмы памяти. Дендритный шипик — это мембранный вырост на поверхности дендрита, способный образовать синаптическое соединение. Поиск шипика на изображении, полученном с микроскопа во время эксперимента на живой ткани, — рутинная задача, которая доступна для автоматизации. Разработчики, используя машинное обучение, смогли добиться 90% точности распознавания. Программа не требует тонкой настройки, интегрирована с MATHLAB. Код проекта доступен на Github
Human Brain Project провели первую конференцию, на которой обсуждались проблемы сознания
Еще в начале 21 века вопрос сознания считался настолько сложным, что заниматься им профессиональные ученые считали бессмысленным. Прорыв в вычислительной технике, микроэлектронике и молекулярной биологии позволяет сегодня следить за активностью как одного, так и каскадов нейронов, строить теории на основе этих данных. О ключевых концепциях сознания, девайсе улучшающем сон и будущем HBP в своем интервью рассказывает один и организаторов конференции.
Арифметика и язык используют общую структуру мозга
Исследователи из Национального института информационных и коммуникационных технологий в Осаке (National Institute of Information and Communications Technology) подтвердили гипотезу, о том, что при чтении и вычислении арифметического выражения используется нижняя лобная извилина мозга человека. Они предъявляли респондентам арифметические задачи и предложения, а затем сравнивали их результаты МРТ. Ученые считают, что и чтение и вычисление являются по сути одним процессом — распознаванием синтаксических структур. Эта информация дает пример того, что многообразие человеческой деятельности можно «сжать» до меньшего количества низкоуровневых процессов.
Исследователи разработали персонализированный бионический протез руки
Широко распространенные в клинической практике, миоэлектронные протезы руки обычно управляются двумя биполярными электродами, расположенными на сгибательных и разгибательных мышцах остаточной конечности. Такой подход дает значительную задержку при переключении сигнала протеза, и движения пациента выглядят прерывистыми. Инженеры из Имперского колледжа Лондона разместили в протезе вычислительный модуль, который обрабатывает информацию от обеих мышц. На основе алгоритма машинного обучения, устройство «учится» распознавать оптимальное соотношение и частоту сигналов. Первые испытания дают обнадеживающие результаты: пациенты были способны совершать «сложные» движения, например, медленно двигать предплечье и, при этом, быстро сжимать/разжимать кисть. Все испытуемые говорят о том, что движения их стали более естественными.
Автор обзора Екатерина Шахбазян
Перепечатка разрешается при сохранении ссылок на источник публикации.
1 комментарий для “Исследования мозга и личности, перспективы эмуляции сознания. Август 2018”