Между строк и нейронов: сможет ли ИИ заменить человеческий мозг
Человеческий мозг остается одной из самых сложных и малоизученных систем в природе. Несмотря на десятилетия исследований, ученые продолжают пересматривать фундаментальные представления о том, как он обрабатывает информацию и принимает решения. Одно из таких открытий недавно представила группа исследователей из Иллинойсского университета в Урбане-Шампейне. Как новые данные могут повлиять на развитие искусственного интеллекта, медицины и технологий будущего — в материале «Известий».
Как мозг принимает решения
Долгое время ученые представляли работу мозга как сложную, но последовательную систему обработки информации. Согласно классической модели, сигнал от органов чувств сначала поступает в первичные сенсорные зоны, затем проходит через несколько уровней анализа и только после этого достигает областей мозга, отвечающих за сложные когнитивные процессы и принятие решений. В такой схеме сенсорные области выступали скорее как «приемники» и передатчики информации, а окончательный выбор считался функцией высших отделов коры.
Однако новое исследование группы ученых из Иллинойсского университета в Урбане-Шампейне показывает, что этот механизм может быть устроен гораздо сложнее. Работа под руководством профессора Юрия Власова ставит под сомнение представление о том, что решение формируется только на последних этапах обработки информации.
В ходе эксперимента исследователи наблюдали за активностью нервных клеток мышей, которые двигались по виртуальному коридору и должны были выбирать направление движения в зависимости от получаемых сигналов. Анализ работы мозга животных показал: признаки формирования решения возникают уже в первичной соматосенсорной коре (S1) — области, которую ранее рассматривали преимущественно как первый этап обработки поступающих ощущений.
По мнению ученых, мозг работает не как линейная система передачи данных «снизу вверх», а как динамическая сеть, в которой разные уровни постоянно взаимодействуют друг с другом. Высшие отделы мозга не просто получают готовую информацию от сенсорных зон, а активно влияют на то, какие сигналы будут обработаны и насколько они окажутся значимыми.
Главный научный сотрудник Института проблем передачи информации им. А.А. Харкевича РАН, врач и доктор социологических наук Дмитрий Репин отмечает, что именно изменение представлений о роли первичных зон мозга является главным результатом исследования.
— Раньше считалось, что решение рождается только в самых верхних, самых «умных» отделах мозга, а всё, что происходит на уровне первичного восприятия ощущений, — это просто сбор сырых данных для последующей передачи наверх, — объясняет эксперт.
По его словам, традиционную модель работы мозга можно было сравнить с конвейером: информация поступает от органов чувств, затем последовательно передается между разными структурами, пока не достигает области, где происходит окончательный анализ и выбор.
— Авторы обнаружили, что уже на самой первой ступени обработки ощущений — там, куда впервые приходит сигнал, — есть признаки того самого «решения». То есть оно начинает складываться гораздо раньше, чем предполагалось, — говорит Дмитрий Репин.
При этом новое исследование не означает, что сенсорные зоны мозга самостоятельно принимают решения в привычном понимании этого слова. Речь идет о более сложном процессе, при котором разные участки мозга одновременно участвуют в формировании реакции. Первичные зоны получают не только входящие сигналы от окружающего мира, но и обратную информацию от более высоких отделов мозга.
— Мозг работает не как строгий конвейер, а скорее как коллектив, где все советуются друг с другом одновременно, а не передают задачу строго по цепочке от одного отдела к другому, — отмечает эксперт.
Именно наличие таких обратных связей может объяснить, почему человеческий мозг способен быстро адаптироваться к изменениям окружающей среды. Вместо того чтобы каждый раз полностью перерабатывать всю поступающую информацию, он постоянно корректирует восприятие, выделяя наиболее важные сигналы.
Как знания о мозге влияют на ИИ
Сегодня большинство современных алгоритмов строятся по принципу последовательной обработки информации: данные поступают на вход, проходят через множество вычислительных слоев, и только после этого формируется ответ. Такой подход позволяет создавать мощные модели, но требует значительных ресурсов как вычислительных, так и энергетических.
К. т. н., доцент факультета программной инженерии и компьютерной техники Университета ИТМО Александр Кугаевских в беседе с «Известиями рассказал, что одна из главных проблем современного ИИ заключается в том, что он пока далек от принципов работы человеческого мозга.
— Человеческий мозг потребляет всего около 20 Ватт. Дело в том, что в мозге память и вычисления объединены: синапсы одновременно хранят информацию и участвуют в передаче сигналов, — объясняет эксперт.
По его словам, в компьютерных системах значительная часть энергии уходит не непосредственно на вычисления, а на перемещение данных между памятью и процессором. В мозге же эти процессы объединены в одной структуре, что позволяет ему работать гораздо эффективнее.
Еще одно важное отличие связано с тем, как активируются разные участки системы. Человеческий мозг не использует все свои ресурсы одновременно: в конкретный момент времени работает только часть нейронов, необходимых для выполнения определенной задачи. Компьютерные модели, напротив, часто выполняют миллиарды операций даже в тех случаях, когда часть информации не имеет существенного значения.
— Биологический нейрон срабатывает только тогда, когда это необходимо. В то же время современные модели ИИ продолжают выполнять большое количество математических операций даже при незначительных изменениях входных данных, — отмечает Александр Кугаевских.
Именно поэтому исследование механизмов работы мозга может стать основой для создания более экономичных алгоритмов. Если современные нейросети можно сравнить с системой, которая каждый раз заново проходит длинный маршрут, то будущие модели могут научиться действовать более гибко — использовать уже накопленную информацию, быстро оценивать ситуацию и подключать дополнительные вычислительные ресурсы только при необходимости.
Как подчеркивает Дмитрий Репин, важным выводом исследования является сама идея распределенного принятия решений.
— Большинство привычных нам систем искусственного интеллекта устроены так: сигнал заходит с одной стороны, проходит через множество внутренних слоев и выходит с другой — и ради каждого нового ответа приходится заново прогонять огромный объем вычислений через всю эту цепочку целиком, — говорит эксперт.
По его словам, более близкая к биологической архитектура могла бы позволить искусственным системам оценивать часть информации непосредственно на ранних этапах обработки.
— Мозг, судя по всему, устроен куда эргономичнее: значительная часть предварительной оценки происходит сразу на месте, там, где сигнал впервые появляется, и в работу включается только то, что действительно нужно для конкретной задачи, — объясняет Дмитрий Репин.
Одним из возможных направлений развития таких технологий могут стать нейроморфные вычисления — системы, которые пытаются воспроизвести принципы работы биологических нейронов. В отличие от привычных моделей искусственного интеллекта, основанных на математическом представлении нейрона, они используют более сложные механизмы передачи сигналов.
— Существуют спайковые нейронные сети, которые строятся не на формальном нейроне, привычном для ИИ, а на одной из моделей биологического нейрона. Формальный нейрон имеет одно дискретное состояние, а биологический — более 30. Это потенциально может значительно снизить энергопотребление, — рассказывает Александр Кугаевских.
Однако, по словам специалиста, пока такие технологии остаются преимущественно экспериментальными. Несмотря на десятилетия исследований, спайковые нейронные сети еще не стали полноценной альтернативой современным архитектурам искусственного интеллекта.
— При этом уже сейчас ведутся исследования по добавлению динамической обратной связи в архитектуры трансформеров, на которых построен современный искусственный интеллект. Пока же многие системы используют цепочки рассуждений, чтобы имитировать подобную обратную связь, но этот механизм существует не внутри самой нейронной сети, а над нею, — отмечает Александр Кугаевских.
В перспективе переход к более «биологичному» ИИ может изменить не только сами алгоритмы, но и устройства, которыми люди пользуются каждый день. Речь идет не только о крупных вычислительных центрах, но и о технологиях, которым необходима автономность: роботах, медицинских приборах, носимой электронике и промышленных системах мониторинга.
— Можно представить устройства, которые принимают решения непосредственно на месте — по принципу «здесь и сейчас», без постоянной связи с большими вычислительными центрами и при этом с минимальными затратами энергии. Это особенно важно для автономных роботов, медицинских датчиков и промышленных систем, — считает Дмитрий Репин.
Такие технологии могут сделать цифровые устройства более самостоятельными: например, медицинский прибор сможет быстрее анализировать состояние пациента без отправки данных на удаленный сервер, а робот — оперативно реагировать на изменения среды без задержек, связанных с передачей информации.
Как новое понимание мозга может изменить медицину
Одним из перспективных направлений может стать лечение состояний, связанных с нарушением восприятия, движения и обработки сенсорной информации. По мнению Дмитрия Репина, это изменит подход к поиску целей для медицинского воздействия.
— Если решение действительно частично формируется уже на уровне первичного восприятия ощущений, а не только в верхних отделах, это существенно дополняет представление о том, каким именно участкам мозга необходимо уделить внимание при хронической боли, некоторых двигательных расстройствах или проблемах с восприятием собственного тела, — отмечает эксперт.
Например, при хронической боли нарушение может быть связано не только с источником повреждения, но и с тем, как мозг обрабатывает и интерпретирует поступающие сигналы. Более глубокое понимание этих процессов в будущем может помочь создавать более точные методы терапии, воздействующие на механизмы формирования патологической реакции. При этом эксперт подчеркивает, что речь пока идет не о готовых медицинских решениях, а о перспективном направлении исследований.
Еще одной областью применения могут стать нейроинтерфейсы — технологии, которые позволяют напрямую обмениваться информацией между нервной системой человека и компьютером. Сегодня такие устройства уже используются в экспериментальной медицине для помощи людям с двигательными нарушениями, например, для управления протезами.
Однако современные нейроинтерфейсы сталкиваются с проблемой поиска наиболее точных источников информации в мозге. Обычно внимание исследователей сосредоточено на сложных отделах, связанных с подготовкой действий и осознанными намерениями. Новые данные могут расширить возможности таких технологий. Если важная информация действительно появляется уже на ранних этапах обработки сигналов, ученые получат дополнительные точки для взаимодействия с мозгом.
— Такие устройства чаще всего настроены на то, чтобы «считывать» уже готовый сигнал из верхних, самых сложных отделов мозга. Если же нужная информация присутствует и на самом первом этапе обработки ощущений, это дает дополнительные, более ранние точки, откуда можно снимать сигнал — а значит потенциально более быстрый и точный отклик устройства, — объясняет эксперт.
В будущем это может привести к созданию более совершенных медицинских систем, например протезов, которые быстрее реагируют на намерения человека, или устройств восстановления утраченных функций, работающих благодаря двустороннему обмену информацией с мозгом.
При этом развитие подобных технологий поднимает не только научные, но и этические вопросы. Чем глубже ученые изучают механизмы принятия решений и получают возможность напрямую взаимодействовать с мозгом, тем важнее становится защита автономии человека.
— Чем ближе подобные устройства подходят к тому, чтобы напрямую считывать и затрагивать те самые участки мозга, где рождается решение, тем острее встают вопросы согласия человека, защиты личных данных о работе его мозга и разумных границ вмешательства, — отмечает Дмитрий Репин.
По словам эксперта, развитие нейротехнологий требует не только научных открытий, но и четких принципов их применения. Именно поэтому в Институте проблем передачи информации РАН в 2024–2026 годах был разработан проект кодекса этики создания и использования устройств для взаимодействия мозга и компьютера.
Где пройдет граница между человеком и машиной
В будущем важным направлением станет не только способность машин решать сложные задачи, но и умение делать это эффективнее с меньшими затратами энергии и ресурсов.
— Одним из основных тормозов развития и внедрения ИИ сейчас является его чрезмерное энергопотребление. Повышение энергоэффективности не только приблизит нас к созданию сильного ИИ, но и позволит значительно ускорить развитие робототехники и автономного беспилотного транспорта, — отмечает Александр Кугаевских.
Он также подчеркивает, что более экономичные системы могут стать одним из шагов к созданию искусственного интеллекта общего назначения (AGI) — технологий, способных адаптироваться к новым условиям и выполнять широкий спектр задач.
При этом речь идет не только о крупных цифровых платформах. Энергоэффективный ИИ может изменить повседневные устройства, сделав их более автономными. Сегодня многие интеллектуальные функции зависят от постоянного подключения к облачным сервисам: данные отправляются на удаленный сервер, где обрабатываются, после чего устройство получает готовый ответ.
Системы, созданные по принципам, близким к работе мозга, могут изменить эту модель: часть вычислений будет происходить непосредственно внутри устройства, без обращения к внешним центрам обработки данных.
— Устройства, вдохновленные тем, как экономно работает мозг, теоретически способны в разы, а то и на порядки снизить затраты и сделать возможным появление по-настоящему «умных» небольших приборов, которым не нужно постоянно связываться с удаленным сервером, — считает Дмитрий Репин.
Однако развитие более совершенных искусственных систем неизбежно поднимает вопрос о границах между людьми и машиной. Чем ближе технологии будут приближаться к принципам работы мозга, тем важнее становится понимание того, что именно отличает человеческое мышление от вычислительного процесса.
