Коннектом. Как мозг делает нас тем, что мы есть

В мире существуют лаборатории (включая и мою собственную), где с помощью машинного обучения пытаются сделать так, чтобы компьютер наконец сумел увидеть нейроны. Начинаем мы с программ, подобных тем, которые разработали Джон Файэла и Кристен Харрис. Люди вручную реконструируют очертания нейронов. Эти очертания служат для компьютера примерами, которые он должен воспроизвести. Вирен Джейн и Шрини Турага (в начале нашей работы они были моими докторантами) придумали методы цифровой оценки успехов компьютера, определяя, насколько получаемые им результаты совпадают с человеческими. Компьютер учится видеть форму нейронов на примерах, и оценка его работы постепенно повышается. Когда его достаточно натаскают, ему подсовывают снимки, которые человек еще не реконструировал вручную. На рис. 37 показана компьютерная реконструкция нейронов сетчатки. Пока метод находится в стадии разработки, но уже дает беспрецедентную точность.

Рис. 37. Изображение нейронов сетчатки глаза, автоматически реконструированное компьютером

Но даже после таких усовершенствований компьютер все-таки допускает ошибки. Я уверен, что дальнейшее применение машинного обучения будет и дальше снижать долю этих погрешностей. Однако по мере развития коннектомики машинам будут поручать анализ всё более обширных изображений, и абсолютное количество ошибок все-таки останется большим, даже если их доля будет убывать. В ближайшем будущем, которое мы еще как-то можем предсказать, анализ таких снимков никогда не станет полностью автоматизированным: на каком-то его этапе всегда понадобится участие человеческого разума. Тем не менее этот процесс наверняка значительно ускорится.

* * *

Идею взаимодействия с компьютером при помощи мыши придумал легендарный изобретатель Дуглас Энгельбарт (1925–2013). Потенциал этого изобретения в полной мере осознали только в 1980-е годы, когда мир захлестнула техническая революция, связанная с массовым производством персональных компьютеров. Но Энгельбарт придумал компьютерную мышь еще в 1963 году, когда руководил исследовательской группой в Стэнфордском институте – калифорнийском инкубаторе идей. В том же году Марвин Минский (р. 1927) основал на другом краю Америки, в Массачусетском технологическом институте, свою Лабораторию искусственного интеллекта. Ее сотрудники оказались в числе первых ученых, взявшихся за проблему обучения компьютеров зрению.

Бывалые хакеры обожают рассказывать историю (возможно, апокрифическую) о встрече двух этих гениев. Минский гордо заявил: «Мы наделим машину разумом! Мы научим ее ходить и говорить! Мы вселим в нее сознание!» Энгельбарт парировал: «И всё это вы сделаете для компьютеров? А что же вы тогда сделаете для людей?»

Свои идеи Энгельбарт изложил в своего рода манифесте под названием «Расширение человеческого интеллекта», где он вводил понятие о новом направлении исследований – усилении интеллекта (УИ). По целям УИ несколько отличалось от традиционных разработок в области искусственного интеллекта. Минский стремился сделать машину умнее; Энгельбарт же хотел, чтобы машина сделала умнее человека.

Исследования, которые велись в моей лаборатории по части машинного обучения, принадлежали к сфере ИИ, тогда как программа, разработанная Файэлой и Харрис, стала прямой наследницей идей Энгельбарта. Ее нельзя назвать ИИ, поскольку у нее не хватает смышлености, чтобы самостоятельно различить границы. Вместо этого она усиливает человеческий интеллект, расширяет его возможности, помогая людям более эффективно анализировать снимки, полученные с помощью электронного микроскопа. Сейчас сфера УИ играет всё более важную роль в науке, ведь теперь становится возможным путем интернет-краудсорсинга привлекать к выполнению научных задач огромное количество людей по всему миру. К примеру, проект «Зоопарк галактик» («The Galaxy Zoo») приглашает всех желающих помочь астрономам классифицировать галактики по их наблюдаемым в телескоп очертаниям.

Впрочем, на самом-то деле ИИ и УИ не соперничают друг с другом, ведь оптимальный подход – их комбинация. Именно этим сейчас и занимаются в моей лаборатории. ИИ должен стать частью любой УИ-системы. ИИ будет брать на себя все легкие решения, а трудные оставлять человеку. Лучший способ добиться эффективной работы людей – свести к минимуму то время, которое они тратят на выполнение элементарных задач. К тому же УИ-система – идеальная платформа для сбора примеров, которые можно использовать для того, чтобы усовершенствовать ИИ путем машинного обучения. Венчание УИ и ИИ дает систему, которая с течением времени делается всё умнее, тем самым всё больше и больше усиливая интеллект человека.