В июле нейробиолог Себастьян Сеунг (кор. 승현준, англ. Hyunjune Sebastian Seung) и его сотрудники завершили свой 18-месячный марафон. Работая примерно с терабайтом данных, учёные использовали искусственный интеллект для реконструкции всей нейронной проводки в пределах 0,001 кубического миллиметра фрагмента коры головного мозга мыши. Результатом стала замысловатая схема проводки, которую лаборатория Сеунга будет использовать для дальнейшего изучения коры головного мозга. Например, исследователи смогут выяснить, как связаны отдельные контуры и как они выполняют вычисления.
Однако у Сеунга и его команды нет времени наслаждаться достигнутым. Учёные спешат пройти следующий этап проекта, на котором предусмотрено добиться в тысячу раз большего: реконструировать кубический миллиметр мышиной коры головного мозга. Обе карты являются частью программы «Машинный интеллект из нейронных сетей кортекса» (Machine Intelligence from Cortical Networks, MICrONS), реализуемой сразу несколькими лабораториями. Эта программа финансируется Агентством передовых исследований в сфере разведки (Intelligence Advanced Research Projects Activity, IARPA) федерального правительства США. Проект направлен на развитие искусственного интеллекта при помощи исследования головного мозга. «Целью нейробиологии при выполнении этой пятилетней программы является наблюдение за активностью и связями каждого нейрона в кубическом миллиметре мышиного неокортекса», — объясняет Сеунг.
В сеунговскую IARPA-команду входят лаборатории Медицинского колледжа Бейлора (Baylor College of Medicine) в Хьюстоне, штат Техас, и Института Аллена по изучению мозга (Allen Institute for Brain Science) в Сиэтле, штат Вашингтон. Бейлорцы занимаются физиологией: они используют визуализацию кальция, чтобы отслеживать нейронную активность в целевом кубе головного мозга. Затем они отправят исследованный ими фрагмент кортекса учёным из Института Аллена, которые выполнят сканирующую электронную микроскопию этого кубического миллиметра. Полученные данные будут отправлены в лабораторию Сеунга для реконструкции связей 100 000 нейронов. Две другие команды, финансируемые IARPA, работают параллельно: они пытаются сделать то же самое другими методами.
Алгоритмы машинного обучения Сеунга являются важным компонентом данной программы. Без искусственного интеллекта (ИИ) для реконструкции 0,001 кубического миллиметра фрагмента мышиного кортекса (первая фаза проекта) потребовалось бы примерно 100 тыс. человеко-часов. По мнению Сеунга, достигнутый успех отчасти обусловлен бурным развитием машинного обучения в последние пять лет. «Мы и сами удивились тому, насколько нам удалось повысить точность искусственного интеллекта менее чем за 18 месяцев», — признаётся Сеунг.
От игры — к головному мозгу
Стремительный рейд Сеунга в область исследований, составляющей предмет изучения науки коннектомики, начался в 2006 г. Именно тогда нейробиолог решил радикально переориентировать деятельность своей лаборатории. Учёные создавали инструменты для отображения устройства головного мозга с разрешением на уровне синапса, но сведение кучи данных микроскопии в единое целое шло чрезмерно медленно. Нужна была эффективная альтернатива, и Сеунг решил применить свёрточные нейронные сети — технику машинного обучения, разработанную на основе изучения головного мозга, с которой он познакомился в 1990-х годах, работая в Лаборатории Белла (Bell Labs).
Создавая схемы нейронной проводки вручную, учёные начинают с создания поперечных образов среза мозговой ткани. На каждом образе представлены поперечные сечения отдельных аксонов и дендритов, отслеженные путём анализа стопки изображений. Конечным результатом этой кропотливой работы становится реконструкция клеток и их многочисленных связей. Алгоритмы машинного обучения построены аналогично: используя вручную маркированный набор данных, машина выявляет отдельные нейроны, чтобы затем вписать их в единую карту нейронной проводки. «Компьютер учится мыслить как человек», — говорит Сеунг.
Уже ранние сеунговские алгоритмы внесли значительный вклад в автоматизацию процесса реконструкции нейронной проводки, однако данный процесс всё ещё требовал участия большого количества людей. Поэтому в 2012 г. Сеунг и его сотрудники запустили краудсорсинговую компьютерную игру под названием Eyewire, в которой нужно исследовать нейронную проводку.
В игре приняла участие целая армия «гражданских нейробиологов» (более 100 тыс. человек). Благодаря созданному игроками набору нейронных данных были опубликованы две научные статьи. Полученную в ходе игры информацию учёные использовали для обнаружения в сетчатке нового типа клеток, и определения того, как некоторые нейроны сетчатки реагируют на направление движения. В онлайн-музее Eyewire можно увидеть нейроны, реконструированные с помощью игроков.
Примерно в то время, когда популярность Eyewire стала сбавлять обороты, в сфере глубокого обучения произошла революция. У алгоритмов нейробиологии, благодаря появлению графических процессоров для видеоигр, появилась мощная вычислительная платформа. «Графические процессоры создавались так, чтобы даже десятилетние дети могли играть в видеоигры, но оказалось, что эти устройства просто идеально подходят для ИИ», — отмечает Сеунг.
Внедрение новой технологии обеспечило алгоритмам нейробиологии бурное развитие. Они превратились в программы распознавания образов и речи, получившие широкое распространение в смартфонах и других устройствах. Сеунг и его сотрудники воспользовались этим прогрессом, чтобы улучшить софт для коннектомики, усилить его возможности в деле реконструкции головного мозга. «В сфере глубокого обучения нас захлестнуло цунами, — говорит Сеунг. — Благодаря усилиям всего общества и миллиардным инвестициям известных компаний мы получили мощный импульс для движения вперёд».
Новейшие версии нейробиологического программного обеспечения производительнее и изощрённее, чем прежние, они способны, например, различать аксоны и дендриты. И в самом деле: новейший софт сеунговской команды настолько хорош, что в некоторых случаях превосходит возможности человеческого интеллекта. В 2013 году сеунговцы организовали соревнование между обучающейся машиной и человеком в деле реконструкции трёхмерных данных электронной микроскопии. Участники соревнования «обкатывали» алгоритмы на маркированном наборе данных, а затем тестировали своих соперников на двух новых массивах изображений. Сеунговская команда продолжает совершенствовать и тестировать создаваемые ею алгоритмы машинного обучения, сравнивая результаты их применения с теми, что ранее для тех же данных получили два учёных-аналитика.
В начале этого года один из машинных алгоритмов превзошёл человеческий. «Впервые есть основания заявить, пусть и с множеством оговорок, что компьютер проявил сверхчеловеческую точность, — констатирует Сеунг. — Существующие средства генерации объективной истины, увы, ущербны. Однако многие годы никак не удавалось превзойти уровень человеческой точности».
Тысячекратное улучшение
Несмотря на быстрое развитие ИИ, реализация следующего этапа проекта IARPA вызывает беспокойство. Для реконструкции увеличенного в тысячу раз объёма мозговой ткани потребуется тысячекратное улучшение ИИ или комбинированное применение искусственного и человеческого интеллекта. Массив информации поднимется с тера- на петауровень, что, весьма вероятно, потребует создания новых систем управления и обработки потока данных.
Сон не сомневается, что его команда справится с этой задачей. «Благодаря успехам в глубоком обучении мы обрели такой огромный потенциал, что, безусловно, сможем анализировать растущее количество данных в разумные сроки, — утверждает Сеунг. — На мой взгляд, сейчас более чем когда-либо прежде есть основания, чтобы с оптимизмом смотреть на осуществимость автоматической реконструкции, почти не требующей человеческого участия. Автоматическая реконструкция всё ещё дело будущего, но это осуществимо».
А пока участие большого количества людей, частично обеспечиваемое краудсорсингом, остаётся важным компонентом проекта. «Даже улучшив ИИ в 100 раз, мы будем нуждаться в добавочном десятикратном улучшении, — говорит Сеунг. — Мы хотим мобилизовать помощников».
С этой целью сеунговцы работают над игрой-преемником Eyewire, которая получила название NEO. «Квантовый скачок, осуществлённый нами в сфере искусственного интеллекта, требует различных видов краудсорсинговых платформ и различных способов взаимодействия человека с ИИ», — заявляет Сеунг.
Усилия лаборатории Сеунга сосредоточены, главным образом, на исследовании нейронных связей, тогда как, согласно проекту MICrONS, следует в равной степени учитывать и анатомию, и физиологию. «Я думаю, что сочетание анатомической и физиологической информации в столь крупном масштабе значительно ускорит наше исследование», — считает Сеунг. Например, с его точки зрения, карта коннектома может помочь нейробиологам разрабатывать физиологические эксперименты.
Сон надеется, что технологии, которые его лаборатория разрабатывает для проекта IARPA, включая автоматическое получение изображений и автоматизированный анализ и реконструкцию каналов связи, получат широкое распространение. «На мой взгляд, чем более продвинутой является технология, тем легче её использовать всем, кому она может понадобиться», — говорит он.
На деятельность Сеунга существенно повлияли успехи в сфере ИИ. В конце концов, IARPA рассчитывает завершить нынешний цикл исследований, используя для дальнейшего улучшения ИИ новое понимание работы головного мозга. Нейробиология вдохновила на создание первого поколения искусственных нейронных сетей, и теперь нейробиологи используют их для изучения головного мозга, отмечает Сеунг: «Почему бы не пройти этим путём повторно».
