Rumah > Artikel > Peranti teknologi > Nematod ini tidak mudah! Otak telah dipulihkan dengan ketepatan tinggi dan boleh bergerak ke hadapan secara dinamik
Ketepatan tertinggi "otak nematod", ada di sini.
"Otak" ini menyerupai keseluruhan sistem saraf biologi cacing C. elegans.
(Nota: Caenorhabditis elegans ialah "kecerdasan hidup paling mudah", dengan 302 neuron)
Kali ini, sarjana tempatan bukan sahaja menggabungkan keseluruhan rangkaian neuron Caenorhabditis elegans Ia telah dipulihkan, sehingga ke sambungan peringkat sub-selular mereka.
Difahamkan bahawa tahap kecanggihannya telah mencapai tahap tertinggi yang diketahui pada masa ini:
Sebelum ini, satu kajian mengkaji kerumitan pengiraan neuron biologi tunggal Artikel itu menunjukkan bahawa, A deep rangkaian saraf memerlukan 5 hingga 8 lapisan neuron yang saling berkaitan untuk mewakili kerumitan neuron biologi tunggal.
Dengan "otak" yang dibina dengan begitu halus, "nematod pintar" ini boleh melengkapkan merangkak dinamik.
Ini adalah hasil penyelidikan terbaru dari Institut Penyelidikan Kepintaran Buatan Beijing Zhiyuan, dan "senjata tajam" di belakangnya ialah projek Tianyan.
Dan kelahiran "nematod pintar" MetaWorm 1.0 ini bukan sahaja satu kejayaan dalam ketepatan simulasi kehidupan, menurut pasukan penyelidik:
Ini adalah satu langkah ke hadapan Satu langkah kritikal dalam kehidupan kecerdasan buatan.
Caenorhabditis elegans yang dipilih untuk otak ini boleh dikatakan sebagai "haiwan yang paling tepat dengan sistem saraf? " "Salah satu organisma paling ringkas" -
Ia mempunyai sistem saraf yang lengkap, boleh merasakan, melarikan diri, mencari makanan dan mengawan, dan struktur keseluruhannya sangat mudah. Serangga dewasa hanya mempunyai kira-kira 1,000 sel somatik.
Makhluk kecil lutsinar sepanjang kira-kira 1mm ini telah menjadi "pelawat yang kerap" dalam komuniti penyelidikan saintifik Dalam tempoh 20 tahun yang lalu, tiga Hadiah Nobel telah dikaitkan dengannya.
Bagi ahli sains saraf, sistem saraf Caenorhabditis elegans telah retak sepenuhnya, dan peta masa nyata adalah sekata pada kulit Alam pada tahun itu, menjadikannya sangat sesuai untuk menyelidik dan mensimulasikan "litar otak."
△Hermaphrodite, dengan jumlah 302 sel saraf
Lebih penting lagi, neurotransmiter seperti asetilkolin dan dopamin yang terdapat dalam nematod terdapat dalam mamalia Juga wujud. .
Mengkaji sistem sarafnya juga penting untuk mengkaji mekanisme pengawalseliaan sistem saraf manusia.
Tetapi mempelajari struktur adalah satu perkara, memodelkannya dengan komputer adalah perkara lain.
Anda mesti tahu bahawa mensimulasikan neuron biologi bukan sekadar transformasi linear seperti konvolusi Ia mensimulasikan pertukaran bahan (seperti antara sel) dan penjanaan potensi tindakan antara neuron kompleks.
Sebagai contoh, hanya penghantaran pemancar antara sinaps melibatkan berbilang parameter seperti kuantiti, kelajuan, kepekatan, aliran balik, arah, dll. Ia akan menjadi lebih rumit untuk mengira dan mensimulasikan menggunakan model matematik.
Walaupun sistem saraf yang lengkap disimulasikan, cara menggunakan komputer untuk mensimulasikan "ruang siber" berhampiran dengan persekitaran sebenar dan melatih model "nematod pintar" di dalamnya adalah satu lagi kesukaran penyelidikan utama.
Sebelum ini, walaupun banyak pasukan telah menjalankan penyelidikan tentang simulasi nematod, kedua-dua ketepatan dan persekitaran simulasi masih jauh dari realiti Contohnya, ikan robot bionik biasa kami adalah jauh lebih rendah daripada ikan sama.
Kali ini, pasukan Tianyan berjaya memodelkan "cybernematode" pintar ketepatan tertinggi, membolehkannya menggeliat ke hadapan secara dinamik dalam persekitaran simulasi bendalir 3D dan mempunyai keupayaan untuk mencari kelebihan dan mengelakkan keburukan.
Jadi, bagaimana rupa "nematod pintar" ini
Pertama, pasukan menggunakan sejumlah besar formula dan model untuk memodelkan "neuron elektronik" nematod.
Terdapat tiga model utama yang digunakan: model saluran ion berbilang, model Hodgkin-Huxley dan model berbilang petak (Model Multi-compartment).
Antaranya, model saluran ion berbilang, seperti namanya, digunakan untuk mensimulasikan pelbagai saluran ion pada membran sel Model Trimble 1.0 menggunakan 14 jenis saluran ion; -Model Huxley (model HH), boleh mensimulasikan setiap bahagian neuron ke dalam komponen litar yang berbeza;
Contoh model △HH, gambar berasal dari Wikipedia - Benar·biologi ialah alat elektronik yang canggih
Model berbilang ruang, neuron dianggap sebagai sistem, dibahagikan kepada beberapa mengikut ciri dinamik Chambers , setiap ruang mengandungi bilangan saluran ion yang berbeza.
△Gambar berasal dari kertas "Analisis model berbilang petak neuron berduri sederhana" yang ditulis oleh Jiang Xiaofang, Liu Shenquan dan Zhang Xuchen
Gabungan ketiga-tiga model ini Bersama-sama, adalah mungkin untuk mensimulasikan struktur neuron, pembentukan dan pengaliran potensi tindakan dan potensi kecerunan pada membran sel neuron, dan kadar pengaliran bahan antara pelbagai bahagian badan.
Selepas pembinaan selesai, "nematod pintar" ini telah memodelkan dengan teliti 302 neuron Caenorhabditis elegans (hermaphrodites) dan beribu-ribu sambungan antara neuron ini, menggunakan 14 jenis saluran Ion, diperincikan ke peringkat subselular. .
302 neuron C. elegans dibahagikan kepada neuron deria, interneuron dan neuron motor Antaranya, pasukan menjalankan pemodelan ketepatan tinggi 106 neuron deria dan motor, yang digabungkan dengan elektrofisiologinya dinamik.
Menurut statistik, bilangan maksimum petak untuk neuron tunggal ialah 2313, dan minimum ialah 10. 302 neuron purata 52 petak setiap satu. Sambungan sinaptik antara neuron adalah sama baiknya dengan tahap neurit (dendrit, akson):
Kemudian, pasukan membina persekitaran simulasi dinamik bendalir 3D untuk membolehkan C. elegans bergerak dalam adegan yang realistik.
Perhatikan bahawa langkah mensimulasikan persekitaran adalah penting terutamanya dalam mengkaji cara nematod menyesuaikan diri dengan pergerakan persekitaran mikro.
Selepas pemodelan nematod telah diperhalusi ke peringkat subselular (peringkat mikron), skala undang-undang fizik telah mengecil, dan kesan geseran dan kelikatan adalah beberapa susunan magnitud yang lebih besar daripada graviti.
Dalam kes ini, nematod masih boleh makan dan minum air secara bebas untuk membekalkan tenaga, yang tidak dapat dipisahkan daripada cara cerdiknya berinteraksi dengan alam sekitar.
Oleh itu, pasukan Tianyan menggabungkan neurologi pengiraan, mekanik gerakan, grafik dan disiplin antara disiplin lain untuk membina model perisian otot dan badan nematod yang realistik untuk nematod pintar "Tianbao", dan mewujudkan simulasi cecair badan buatan yang lebih sesuai. persekitaran untuk latihan.
Secara khususnya, rangka kerja alam sekitar ini terdiri daripada berbilang modul termasuk pemodelan tiga dimensi, penyelesaian elemen terhingga, model bendalir dipermudah, pembelajaran pengukuhan, visualisasi, dll., yang boleh mensimulasikan interaksi antara nematod dan alam sekitar secara terbaik. takat.
Berbanding dengan projek simulasi nematod OpenWorm yang terkemuka di peringkat antarabangsa semasa, persekitaran simulasi bendalir pasukan Tianyan adalah lebih besar dalam skala, dan lebih sesuai sebagai persekitaran simulasi tingkah laku pintar berbilang badan/kumpulan untuk bentuk kehidupan, dan untuk menyelesaikan pelbagai badan tenaga pintar Belajar dan melatih tugas yang kompleks, dsb.
Akhir sekali, pasukan meletakkan model nematod ke dalam persekitaran simulasi dan menyelesaikan latihan awal.
Ini semua adalah komponen platform Tianyan masa hadapan. Khususnya, ini ialah platform kluster berbilang GPU yang masih dalam pembinaan yang boleh digunakan untuk simulasi neuron biologi berskala besar berketepatan tinggi.
Dalam persekitaran simulasi dengan skala pemandangan lebih daripada 1,300 panjang nematod, pasukan kini telah melatih "nematod pintar" secara awal yang boleh bertindak secara autonomi mengikut pengedaran isyarat kimia alam sekitar, dan adegan ini juga boleh menyokong ruang yang lebih besar dan simulasi populasi berbilang nematod.
Menurut pasukan, model "nematod pintar" boleh mengira dengan cekap dan tepat peraturan interaksi dengan persekitaran bendalir Di bawah sumber pengkomputeran yang sama, masa simulasi tunggal nematod tunggal adalah kurang daripada 0.1 saat .
Pada peringkat seterusnya, pasukan Tianyan merancang untuk membenarkan "cacing siber" ini mencapai tugas pintar yang lebih kompleks seperti mengelak halangan dan mencari makanan.
Malah, penyelidikan tentang kecerdasan seperti otak sentiasa menjadi isu global.
Di peringkat antarabangsa, termasuk projek Otak Biru yang disokong oleh Projek Otak Kesatuan Eropah, Projek Otak Amerika, dsb. sedang menjalankan penyelidikan seperti otak seperti Google telah mengeluarkan peta otak dan alatan otak dalam lima tahun lepas; institusi penyelidikan universiti Contohnya, MIT menggunakan 19 neuron simulasi nematod untuk merealisasikan kawalan pemanduan autonomi...
Walau bagaimanapun, dari perspektif penyelidikan yang diilhamkan oleh otak sahaja, hala tuju penyelidikan setiap pasukan adalah sangat berbeza, dan sebilangan besar pasukan malah meminjam Pengkomputeran yang diilhamkan oleh Otak dilaksanakan dengan mula-mula mereka bentuk cip dan kemudian mereka bentuk algoritma.
Walau bagaimanapun, penyelidikan sedemikian akan mengekang reka bentuk dan pelaksanaan algoritma oleh perkakasan seperti cip, dan akhirnya tidak mencapai matlamat untuk merealisasikan kecerdasan seperti otak.
Sebaliknya, pasukan Tianyan memilih untuk mengkaji dan melaksanakan kecerdasan seperti otak dari perspektif merealisasikan AI.
Tetapi walaupun begitu, adakah masuk akal untuk bersusah payah untuk memodelkan otak nematod?
Jika dalam satu ayat Untuk meringkaskan masalah ini, ia adalah:
Ini adalah langkah penting ke arah kehidupan pintar buatan.
Sejak kelahiran kecerdasan buatan, "membuat mesin seperti manusia" telah menjadi hala tuju yang penyelidik berusaha keras untuk membangunkan.
Namun, seiring dengan berlalunya masa, walaupun pada peringkat pembangunan semasa yang didominasi oleh pembelajaran mendalam, kecerdasan buatan masih belum mencapai tahap kecerdasan dalam erti kata sebenar.
Malah permainan Go seperti AlphaGo yang menggemparkan dunia pada tahun 2016 hanya menyegarkan pemahaman orang ramai tentang kecerdasan buatan.
Tetapi seperti yang dikatakan oleh profesor CMU Hans Moravec:
Adalah mudah untuk membuat komputer bermain catur seperti orang dewasa; tahap kanak-kanak berumur setahun agak sukar malah mustahil.
Jadi, apakah masalahnya
Pada 2016, Huang Tiejun, presiden Institut Penyelidikan Zhiyuan, memberikan jawapannya.
Beliau percaya bahawa pembelajaran mendalam pada asasnya bergantung pada rangkaian saraf tiruan, dan kecerdasan biologi bergantung pada rangkaian saraf biologi.
Antaranya, rangkaian saraf tiruan lebih dekat dengan "fungsi merealisasikan", manakala rangkaian saraf biologi mensimulasikan "struktur yang merealisasikan fungsi". Ia jelas jauh lebih besar dan lebih penting -
Kerana struktur menentukan fungsi, dan rangkaian saraf biologi adalah pembawa kecerdasan.
Oleh itu, "penyelesaian" Huang Tiejun berdasarkan situasi ini ialah:
Dari perspektif simulasi mekanisme otak.
Ringkasnya, ia adalah untuk meneroka "mod operasi" di dalam otak biologi Ini adalah salah satu cara untuk membawa kepada kecerdasan buatan umum.
Kebetulan pada awal tahun 2009, Profesor Henry Markram dari Ecole Polytechnique Fédérale de Lausanne di Switzerland turut mengemukakan pandangan yang sama.
Pada masa itu, beliau mengumumkan rancangan untuk menggunakan superkomputer untuk membina model otak berdasarkan pemahaman struktur otak.
Pelan ini kemudiannya mendapat sokongan dan perhatian padu daripada Kesatuan Eropah, kerana kepentingan pendekatan ini bukan sahaja untuk memahami kecerdasan otak manusia itu sendiri, malah mungkin mencari rawatan alternatif untuk penyakit otak.
Tetapi masalah juga datang satu demi satu Amat sukar untuk mensimulasikan keseluruhan rangkaian saraf otak manusia menggunakan komputer.
Ini bukan sahaja kerana kerumitan simulasi pengiraan, tetapi juga kerana kerumitan otak biologi itu sendiri.
Lagipun, otak manusia mengandungi sebanyak 1011 neuron, dan jumlah pengiraan serta kos yang diperlukan adalah jelas.
Apabila manusia benar-benar menggunakan otak mereka untuk melakukan satu siri tindakan seperti penaakulan dan penciptaan, mereka hanya menggunakan 20-25 watt kuasa.
Dengan kata lain, otak biologi mempunyai ciri-ciri "kecerdasan tinggi" dan "penggunaan kuasa rendah".
Inilah sebab mengapa mengkaji otak biologi adalah rangka tindakan terbaik untuk kecerdasan buatan am.
Dan isyarat sedemikian telah mula muncul.
Sebagai contoh, Neuron Kortikal Tunggal sebagai Neural Buatan Dalam yang diterbitkan dalam jurnal teratas NEURON pada 2021
Penyelidikan rangkaian menunjukkan bahawa -
Rangkaian saraf dalam memerlukan 5 hingga 8 lapisan perhubungan Neuron boleh mewakili kerumitan neuron biologi tunggal.
Ini juga membuktikan kuasa pengkomputeran yang berkuasa bagi neuron tunggal Oleh itu, jika neuron tunggal boleh diterangkan dengan cara yang sangat halus, ia boleh menghampiri proses pemprosesan maklumat biologi yang lebih dekat.
Tetapi kepentingan mensimulasikan otak biologi dengan cara yang lebih halus melampaui itu.
Pada masa ini, manusia masih mengalami banyak lagi penyakit sukar di dalam otak, seperti penyakit Alzheimer, kemurungan, dan kerosakan otak.
Proses mengkaji pelbagai penyakit otak adalah proses yang menggunakan tenaga manusia dan sumber material yang besar Jika otak biologi dapat disimulasikan dengan tepat, ia mungkin memberikan satu lagi kemungkinan untuk penyelesaian.
…
Ringkasnya, untuk mensimulasikan dan memahami otak dengan lebih baik adalah memahami otak itu sendiri dan pada masa yang sama memberi perhatian kepada manusia itu sendiri.
Atas ialah kandungan terperinci Nematod ini tidak mudah! Otak telah dipulihkan dengan ketepatan tinggi dan boleh bergerak ke hadapan secara dinamik. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!