Правительством США тридцать лет назад было запущено программу «Геном человека» — проект по секвенированию и картированию всех человеческих генов, как одного из биологических видов, длительностью в 13 лет. Невзирая на то, что изначально данная инициатива вызвала огромное недоверие, и большие протесты, она существенно преобразила генетику как сферу научного познания и сегодня является одним из наиболее результативных проектов науки за весь период существования.
Теперь же Агентство ведущих исследований в области разведки (IARPA), исполняющее научные исследования для корпуса разведки США направило 100 миллионов долларов на еще один величайший проект. В качестве цели такого масштабного исследовательского проекта «Искусственный интеллект на основе нейронных сетей» поставлено осуществление инженерного анализа участка мозга размером всего в один кубический миллиметр, исследование механизмов, при помощи которых мозг производит исчисления, и базируясь на имеющихся данных увеличить уровень производительности операций машинного обучения и искусственного интеллекта. К работе над проектом IARPA задействовало три группы ученых, над которыми стоит биолог и специалист по компьютерным механизмам из Гарварда Дэвид Кокс (David Cox), специалист в индустрии компьютерных наук из Университета Карнеги-Меллон Тай Синг Ли (Tai Sing Lee) и специалист сферы нейронаук из колледжа медицины Бэйлор (BCM) Андреас Толиас (Andreas Tolias). Команды разработали собственную программу исследований на пять лет.
Идеей запуска такой масштабной исследовательской программы MICrONS, было достичь прорыва в сфере вычислительных технологий, созданных по четкой модели человеческого мозга. Сейчас технологии уже применяют группу алгоритмов, получивших название искусственной нейронной сети, которые, исходя из их названия, построены на основе структуры (или, хотя бы того, что нам известно об этом) мозга. Благодаря существенному увеличению производительности компьютера и доступности больших объемов информации в интернете, Facebook способен идентифицировать человеческие лица, а Siri распознает голоса, автомобили научились ездить без водителя. Но подобные алгоритмы все еще несовершенны, и они базируются на существенно упрощенных процессах анализа данных по моделям и образцам. В основном, работоспособность искусственных нейронных сетей, функционирующих на основе шаблонов образца 1980-х годов, не очень хорошая в загруженной обстановке, в которой объект, необходимый компьютеру для распознания, спрятан посреди большого числа разных объектов, множество из которых от части перекрывают друг друга либо распознаются неоднозначно. Помимо этого, такие алгоритмы не имеют необходимую способность к обобщению. К примеру, когда компьютеру предоставить в качестве образцов один либо два изображения кошки, распознавать всех котов он не сможет.
Люди же, вероятно, справляются с подобной задачей без затруднения. Мы способны увидеть друга среди людей, услышать знакомый голос в толпе и выделять звуковые либо графические модели, на основе только одного либо нескольких образцов, замеченных либо услышанных в прошлом. Мы все время стараемся обобщать, не требуя дополнительных подсказок или инструкций. Так что, чтобы понять, каких из этих частиц не достает компьютеру, сотрудники MICrONS, взялись за изучение мозга.
Пусть и нейронные сети имеют частицы архитектуры, найденные в мозге, способы исчисления, которые ими применяются, нельзя назвать прямой копией каких-нибудь алгоритмов, задействованных для трансформации данных нейронами. По-другому говоря, методы, при помощи которых современные технологии представляют, трансформируют данные и учатся на их базе — это инженерные достижения, принимаемые, преимущественно, по методу проб и ошибок. Они функционируют, однако ученые в действительности не способны ответить, почему — или, знают еще недостаточно, чтобы воссоздать искусственную нейронную сеть.
Каждая из трех групп ученых постарается составить целую схему сигналов, которая проходит между нейронами в одном кубическом миллиметре коры головного мозга обычной подопытной крысы. В планах участников программы MICrONS запись активности и межнейрональные связи 100 тысяч нейронов в процессе исследований, в которых лабораторная крыса будет смотреть на зрительные образы и исполнять задание по обучению — план довольно затруднительный, так как нужно будет производить снимки с манометрической точностью и иметь дело с проводами протяженностью только несколько миллиметров. А это равносильно тому, что составить карту мира, измеряя каждый миллиметр поверхности.