211service.com
Een minder kunstmatige intelligentie
Het bestuderen van 70.000 muisneuronen zou Andreas Tolias kunnen helpen om slimmere AI te bouwen. 21 februari 2018
Adrian voorwaarts
Een behoorlijk aantal ingenieurs die aan kunstmatige intelligentie werken, maakt het niet uit of hun systemen op echte hersenen lijken of niet, zolang ze maar goed presteren. Maar zelfs de beste systemen van vandaag kunnen alleen generaliseren als ze duizenden steekproeven krijgen, en ze kunnen hun generalisaties niet overbrengen naar nieuwe contexten. Dit maakt AI kwetsbaar voor aanvallers, die het kunnen misleiden met kleine aanpassingen aan de gegevens. Neurowetenschapper Andreas Tolias gelooft dat hersenachtige functies deze problemen kunnen oplossen.
In 2016 richtte hij Neuroscience-Inspired Networks for Artificial Intelligence (NINAI) op, een tagteam van neurowetenschappers, natuurkundigen, wiskundigen en computerwetenschappers dat deel uitmaakt van een grotere inspanning om de neurale functie te begrijpen (zie Inside the Moonshot Effort om eindelijk de Hersenen, november/december 2017). Hun estafetterace naar betere AI begint in het laboratorium van Tolias aan het Baylor College of Medicine, dat alle neuronen registreert die vuren in een kubus van één millimeter van de cortex van een muis. In december legden ze de activiteit vast van 70.000 neuronen in één muis — een prestatie die onmogelijk zou zijn geweest zonder de twee- en drie-foton-beeldvormingstechnieken die het laboratorium van Tolias hielp bevorderen. De muizen gaan vervolgens naar het Allen Institute in Seattle, dat hun hersenen snijdt en fotografeert, zodat een derde team, in Princeton, in kaart kan brengen welke neuronen met elkaar verbonden zijn. Door dit diagram te vergelijken met hun opnames, leidt het lab van Tolias af hoe de cellen elkaar beïnvloeden en welk doel elke cel dient. Als, zoals veel neurowetenschappers vermoeden, de cortex in wezen is opgebouwd uit een paar veelvoorkomende, herhaalde configuraties van neuronen, dan zou het verklaren van de activiteit in een kubus van één millimeter de bouwstenen voor alle cognitie kunnen onthullen.
Adrian Forrow
Tolias heeft zich gericht op twee belangrijke structurele verschillen tussen hersenen en AI. Ten eerste heeft het brein van een muis ongeveer honderd soorten neuronen, terwijl een typisch AI-netwerk slechts twee of drie soorten kunstmatige neuronen heeft. De extra celtypes van de hersenen omvatten interneuronen, die kunnen voorkomen dat grote groepen andere neuronen vuren. AI heeft geen direct equivalent. Hersenen hebben ook meer soorten verbindingen tussen neuronen dan AI-netwerken. De meeste AI-netwerken zijn feed-forward, wat betekent dat signalen slechts in één richting gaan, van de ene laag van het netwerk naar de volgende. In tegenstelling tot echte hersenen hebben deze netwerken geen terugkerende verbindingen (die feedbacksignalen in tegengestelde richtingen mogelijk maken) of laterale verbindingen (die neuronen binnen dezelfde laag verbinden). De weinige typen AI-netwerken met terugkerende en laterale verbindingen zijn veelbelovend, maar de rol van feedback in de cortex behoeft veel meer onderzoek. De hersenen hebben al deze herhalingen niet voor de lol gecreëerd, zegt Tolias. Hij vermoedt ook dat interneuronen de laterale verbindingen van de hersenen reguleren om de generaliserende krachten te creëren die AI mist.
Tolias hoopt neuro-geïnspireerde componenten te gebruiken, waaronder laterale verbindingen, interneuronen en feedback, om AI te bouwen die in staat is om in één keer te leren, of te generaliseren vanuit een enkel voorbeeld. Succes zou een groot probleem zijn voor AI en voor neurowetenschappen, door te identificeren welke kenmerken van neurale circuits nodig zijn voor abstract denken. Tolias legt zijn zoektocht uit in de woorden van Richard Feynman: Wat ik niet kan creëren, begrijp ik niet.