Органоидный интеллект - младший брат нейросетевого ИИ

Введение в проблему

Совершенствование ИИ в настоящее время, главным образом, связано с большими языковыми моделями (LLM), в основе которых лежат нейросетевые алгоритмы. Их достижения впечатляют и хорошо известны (я посвятил этому вопросу специальную публикацию). Наряду с очевидными преимуществами (многофункциональность (единый подход  решению разных задач), способность к тонкой настройке путём обучения, мультимодальность (способность работать с разнородной информацией)), есть и серьёзные ограничения – задействование огромных вычислительных мощностей и гигантских объёмов обучающих данных, как следствие – большие энергозатраты и низкая (в сравнении с человеческим мозгом) эффективность; непредсказуемость результата (ход «мысли» такого ИИ нельзя реконструировать), а, значит, и принципиальная невозможность гарантировать правильность решения поисковых задач (для которых ответ неизвестен заранее и не может быть проверен независимым способом).

Альтернативный подход – использовать эмуляцию работы мозга или биологические вычисления (биокомпьютинг). Такие вычисления могут, потенциально, быть быстрее, эффективнее и мощнее, чем вычисления на основе кремния, и требовать лишь незначительной (в сравнении с нейросетевым ИИ) доли энергии.

Что такое органоидный интеллект и как он будет работать?

Недавно (февраль 2023г.), 25 авторов из разных научных центров опубликовали в журнале Frontiers of Science обширное (23 страницы и 238 ссылок) мультидисциплинарное исследование с тем, чтобы обсудить состояние и перспективы разработок в области ОИ.

Мотивацию разработчиков «биокомпьютинга» легко понять из таблицы сравнения человеческого и компьютерного интеллектов. Если по быстродействию компьютер уже, практически, догнал человека, то по компактности и энергоэффективности он, всё ещё, сильно уступает.

Однако, говоря о быстродействии, следует понимать, что компьютер быстрее обрабатывает простую информацию, в то время как мозг, по-прежнему, гораздо быстрее в принятии решений на больших крайне гетерогенных и неполных наборах данных и других сложных формах обработки информации (в том числе, связанных с параллельными вычислениями).

Другой яркий пример связан со способностью к обучению. Люди осваивают простую задачу сравнения однородных предметов с другим, отличающимся, за 10 обучающих выборок. Для машин и миллион, и 10 миллионов выборок может оказаться недостаточно. Так, система AlphaGo, победившая чемпиона мира в сложной игре Go, обучалась на данных 160 000 партий. Человеку, играющему по 5 часов в день, пришлось бы играть непрерывно более 175 лет, чтобы пройти такое же количество обучающих игр. Как следствие, для достижения сопоставимых результатов машине может потребоваться гораздо больше (до 10¹⁰  раз) энергии. И в этом состоит причина того, что даже крупные транснациональные корпорации стали достигать пределов машинного обучения из-за неэффективности в решении практически интересных задач, так как экспоненциальный рост энергопотребления является неприемлемым.

Как устроен биокомпьютинг на основе ОИ? Функциональным ядром системы является трёхмерная структура клеточных культур, оптимизированная для масштабируемости, долговечности и «обучаемости» с помощью специальных условий поддержания жизнедеятельности (в том числе, системы микроциркуляции питающего раствора).  Потенциал к обучению органоида возникает благодаря «обогащающему отбору» как самих клеток, так и IEG-генов (immediate early gene – ген раннего ответа), критически важных для обучения.

Предусматривается широкий набор входных сигналов – электрические и химические сигналы, синтетические сигналы от машинных датчиков, а также сигналы от естественных сенсоров (например, ретины глаза). Выходные электрофизиологические сигналы с высоким разрешением предполагается получать, проводя измерения с помощью 2-х или 3-х мерных массивов микроэлектродов, MEAs (потенциально, вживляемых в клеточную структуру) и получая изображение структурных и функциональных параметров органоида. Такие сигналы можно использовать как непосредственно для вычислений, так и в качестве биологической обратной связи для совершенствования обучения органоида.

Представленная идея достаточно амбициозна, а насколько она реалистична? На какие уже существующие технологии она опирается, и что предстоит разработать?

(Для тех, кому тонкости биотехнологий неинтересны, могут сразу перейти к разделу «Оценка состояния и перспектив технологии ОИ»)

Технологические предпосылки для создания моделей биокомпьютинга

Основные достижения биотехнологий, используемые при создании моделей ОИ

1.       3D-органоидная культура

Трёхмерные органоиды создаются на основе стволовых клеток. Помимо нейронов они содержат вспомогательные клетки, которые могут иметь важную роль в процессах обучения и запоминания.

2.       Микрофлюидные перфузионные системы
 

Микрофлюидные системы, заменяющие сосудистую сеть, обеспечивают контролируемую перфузию кислорода, питательных веществ и факторов роста, а также удаление отходов жизнедеятельности. Они будут иметь решающее значение для масштабируемого и длительного культивирования органоидов мозга

3.       Считывание сложных нейронных сетей с высоким разрешением

Надежные и воспроизводимые системы для записи электрофизиологических сигналов, поступающих от органоидов мозга, имеют решающее значение для разработки систем ОИ и должны будут решать различные задачи при чтении и записи сложных нейронных узлов. 

Как можно практически использовать вычислительную мощность органоидов?

Рассматриваются два способа:

1.       Полностью оптический

 Позволил бы возбуждать клетку за клеткой и считывать данные со всего органоида (опять же с разрешением по клеткам). 

2.       Высокопроизводительная электрофизиология

Регистрация генерируемых нейронами электрических сигналов – наиболее естественный и информативный метод информационного взаимодействия с ОИ. Однако, он имеет ряд ограничений.

Память и обучение в органоидах: обучение с использованием биологической обратной связи, больших данных и искусственного интеллекта /машинного обучения

Понимание способности органоидов мозга к обучению имеет фундаментальное значение для определения того, можно ли их использовать в вычислительных целях, используя преимущества биологического обучения. Пока понятны лишь общие принципы того, как можно было бы обучить ОИ.

Анализ выходных сигналов с помощью ИИ

Система органоид-MEAs будет генерировать массивные наборы данных, которые сами по себе должны быть проанализированы с помощью статистических методов и машинного обучения. Учитывая плотность и объем записи, для этого потребуется новая инфраструктура обработки больших данных и суперкомпьютерные мощности, адаптированные к сложным потребностям этой формы современных биологических данных.

Авторы отмечают, что в случае ОИ использовать напрямую подход с контролируемым обучением, применяемым в случае нейросетей, вряд ли возможно. Чтобы продвинутся в обучении ОИ придётся вернуться к решению некоторых фундаментальных проблем нейробиологии или, даже, физики неравновесных самоорганизующихся систем (ссылка).

Подводя итог, экосистема больших данных, необходимая для изучения ОИ, потребует:

● Стандартизации экспериментальных данных и метаданных на основе существующих стандартов, таких как BIDS или NWB

● Надежных, воспроизводимых и стандартизированных конвейеров обработки, масштабируемых до больших наборов электрофизиологических данных.

● Эффективного, доступного и открытого хранилища данных, возможно, с использованием существующих облачных архивов, таких как OpenNeuro или DANDI.

● Потенциально, развития мультимодальных наборов данных ОИ

● Создания стандартных справочных наборов данных для сообщества разработчиков

Оптимизированные алгоритмы для взаимодействия органоидов с in silico

Реализация потенциала ОИ требует большего, чем просто сопряжение компьютера с органоидом. В системе ОИ органоид может взять на себя роль воплощенного агента, который взаимодействует с окружающей средой через интерфейс "органоид-in-silico". Для этого потребуются оптимизированные алгоритмы взаимодействия органоид-in-silico, а также исследование теоретических основ обучения и адаптации органоидов на основе литературы по теоретической нейробиологии. Жизнеспособность ОИ зависит от оптимизированных алгоритмов взаимодействия органоидов с in-silico, в дополнение к описанным выше быстрым способам хранения и извлечения данных.

Включение сложных биологических входных сигналов в ОИ

В предыдущих разделах описано, как авторы идеи ОИ намерены взаимодействовать с органоидами и компьютерами. Объединение органоидов с различными типами более сложных интерфейсов ввода и вывода стимуляции и записи позволит понять потенциал управления в режиме реального времени. Последствия таких взаимосвязей можно исследовать, начав с двух органоидов мозга, одного со сложными входными и другого со сложными выходными соединениями. Орган чувств, такой как органоид сетчатки, может быть соединен с органоидом мозга. В конечном итоге сети органоидов будут взаимосвязаны для реализации более сложного ОИ. Органоид будет сопряжен с электрическими и жидкостно-чувствительными и простыми выходными устройствами, управляющими машинами посредством биологической обратной связи на клеточном уровне; т. е. давая мозгу контроль над органоидом путем возврата результатов его индуцированных действий.

Соединяя органоиды сетчатки и мозга, можно определить, могут ли сигналы передаваться между этими различными органоидами нейронов и как эта экзогенная биологическая сигнализация будет интерпретироваться органоидом мозга – устанавливая начальную основу межорганоидной коммуникации. 

Понимание и, возможно, даже влияние на взаимосвязь нейронов сетчатки и головного мозга было бы чрезвычайно захватывающим. Несмотря на активные исследования способов установления и модуляции этих связей, учёные все еще довольно далеки от системы, которая может продемонстрировать направленную модификацию нейронных связей. В конечном счете, это упрощенное приближение или представление визуального ввода используется для создания системы, которая более полно приближается к зрению.

Далее авторы описывают перспективы использования достижений в области ОИ в медицинских исследованиях и инновациях и пространно рассуждают об этических проблемах применения ОИ.

Оценка состояния и перспектив технологии ОИ

Под термин «биологические вычисления» пытаются подогнать самые разнообразные модели (например, ферментативный синтез ДНК для хранения цифровой информации). Под органоидным интеллектом (ОИ) подразумевается зарождающееся прямо сейчас направление, которое распространяет биокомпьютинг на ОИ-вычисления с эмуляцией работы мозга. В основе -  самоорганизующаяся 3-х мерная структура из культур клеток мозга человека (органоидов мозга) для хранения и обработки информации, поступающей на её входы.

Гипотетически, биологические вычисления (или биокомпьютинг) могут быть быстрее, эффективнее и мощнее, чем вычисления на основе кремния и ИИ, и требовать лишь незначительной доли энергии. Однако, следует отчётливо понимать, что речь не идёт о полной эмуляции структуры человеческого мозга и его работы. Современные биотехнологии (главным образом, возможность получать из стволовых клеток любые специализированные клетки, в том числе, нейроны мозга) позволяют организовывать конгломераты нейронных (+вспомогательных) клеток – органоидов мозга – для осуществления, в потенциале, высокопроизводительных вычислений. Полная эмуляция, как её предлагал в одном их вариантов достижения сильного ИИ Ник Бостром (с микросканированием структуры мозга с последующим тщательным воспроизведением, типа 3D-печати), ещё долгое время будет за пределами возможностей современных биотехнологий. Сейчас культивирование достаточно примитивных органоидов мозга размером 3-5 мм занимает около года.

Само направление с эмуляцией работы мозга вызывает много вопросов. По сути, эмуляция мозга представляет собой синтез (вернее, компромисс) двух других стратегий достижения сильного ИИ - инструментальный (компьютерный) ИИ и евгеника, создание сверхчеловека (Человек 2.0). Как всякий компромисс, такой подход имеет как достоинства, так и очевидные недостатки.

Решения in-silico (основанные на кремнии компьютерные технологии) имеют вполне понятную логику развития и бурно прогрессирующие аппаратные и алгоритмические средства её реализации. Человек, в значительной степени, направляет и контролирует эти технологии.  С другой стороны, работы по изменению (улучшению?) природы человека, культивированию сверхспособностей, имеют международно-признанные ограничения (например, запрет на клонирование человека и редактирование его генома), которые периодически нарушались некоторыми изгоями (типа нацистов Германии или тщеславных профессоров из Сеула). Так вот, работы по эмуляции мозга и представляют собой попытку взять лучшее из двух подходов, отбросив их ограничения и использовав преимущества.

Действительно, инструментальный ИИ почти всем хорош, за исключением низкой (в сравнении с человеком) энергоэффективности и неспособности (по мнению многих исследователей) стать по-настоящему сознательным (т.е. думать и чувствовать, как человек, иметь субъективные переживания). Если придерживаться физикалистской парадигмы ( уверенности в том, что сознание и мышление полностью определяется работой мозга), то использование синтетического мозга (лишённого индивидуальности конкретного человека) позволяет обойти этические ограничения, сохраняя надежду, что идентичная человеческой структура эмулированного мозга сохранит способность к «субъективным переживаниям».

Итак, идеальная схема использования эмулированного мозга такова: берём за основу продвинутый инструментальный ИИ, со всей разработанной для него периферией взаимодействия с внешним миром (сенсоры и актуаторы). Заменяем горы громоздких и энергозатратных блоков процессоров и памяти на маленький и экономичный синтетический «мозг» и получаем на выходе энергоэффективные сверхбыстрые вычисления + субъективный опыт в виде бонуса.

К этой идеальной схеме есть серьёзные возражения, которые ставят под сомнение заявленные радужные перспективы:

1.  Эффективность замены компьютерных процессоров и блоков оперативной/долговременной памяти на органоидный мозг.

- Авторы ОИ-идеи почему-то уверены, что синтетический ОИ, пока лишь отдалённо напоминающий по строению реальный человеческий мозг, станет также быстро и эффективно обрабатывать и хранить информацию, как и «натуральный», причём, делать это предсказуемым образом именно так, как это делает человек. Причины такой уверенности абсолютно непонятны – учёные до сих пор имеют довольно смутное представление о том, как именно мозг «вычисляет», как в нём представлена информация, получаемая через сенсоры от внешнего мира, какие алгоритмы он (мозг) использует. Наиболее содержательные мысли по этому поводу высказывает создатель Mathematica Стивен Вольфрам. Понятно лишь, что представление информации в мозге не двоичное, как в компьютере, а значит и компьютерные алгоритмы, по крайней мере напрямую, не используются. Физиологические и биохимические механизмы краткосрочной и долгосрочной памяти также понятны лишь в общих чертах и более-менее подробно изучены лишь для простых организмов, допускающих инвазивные исследования. На данном этапе, в условиях отсутствия алгоритмических моделей обработки информации в человеческом мозге (в этом направлении, в частности, работает группа акад.К.А.Анохина), авторы ОИ уповают на модель «чёрного ящика» (которым, в значительной степени, является и нейросетевой ИИ) – подаём сигналы на вход и интерпретируем (с помощью аналога «машинного» обучения) сигналы на выходе. Что происходит внутри не так уж и важно – ведь в природе всё замечательно работает!

2. Применимость предлагаемой схемы биокомпьютинга с использованием ОИ для универсальных вычислений

- Предлагается простая схема, имитирующая работу человеческого мозга (в самом первом приближении) – на вход органоида через MEA (матрица микроэлектродов) подаются электроимпульсы, заставляющие ОИ генерировать массивные наборы выходных данных, которые должны быть проанализированы с помощью статистических методов, ИИ и машинного обучения. Сразу возникает вопрос -  а что именно предполагается таким способом «вычислять»? У человека, как известно, в коре больших полушарий мозга обрабатываются, после ряда трансформаций в спинном мозге и функциональных отделах самого мозга (типа таламуса и т.п.), электрические импульсы (потенциалы действия), которые представляют собой информационные сигналы, генерируемые сенсорными системами пяти органов чувств (см. популярное описание здесь). Эти сигналы прихотливым образом закодированы (по интенсивности (частота импульсов) и качеству (номер информационного канала)), давая сложную картину сенсорной области, которую мозг интерпретирует, позволяя нам воспринимать окружающий мир во всём его многообразии. В результате, мозг на основе полученной и переработанной информации выдаёт управляющие сигналы, которые просто интерпретировать лишь в самых тривиальных случаях – например, рефлекторно отдёрнуть руку, коснувшись горячей сковородки либо вскрикнуть, уколовшись шипом розы. Что происходит в мозге между моментом, когда через зрительный канал в него поступает условие написанной на доске задачи, и моментом, когда рука с карандашом записывает в тетради ответ на эту задачу, можно лишь догадываться. Современные методы исследования мозга (электроэнцифалограмма, томограммы на различных физических принципах) дают лишь общее представление об активности тех или иных областей мозга в процессе его функционирования. Да, создание различных нейроинтерфейсов к реальному человеческому мозгу (типа BMI – brain-machine interface, что продвигает  Neuralink Илона Маска) уже сейчас позволяет, воздействуя на определённые участки мозга через вживлённый чип, управлять протезом руки или курсором на экране. Но это, как говорится, другое! Это, практически, третий путь – евгеника, создание пост-человека, а вовсе не эмуляция мозга. Здесь все этические проблемы, которых мы надеялись избежать, создавая синтетический мозг, остаются в полный рост! Можно ли, в принципе, создать «универсальный ОИ-вычислитель», типа нейросетевого ИИ, - вопрос, на который авторы идеи ОИ не дают ответа, подменяя его словоблудием насчёт обработки огромных массивов данных на основе машинного обучения. Видимо, авторы вполне осознают эту коллизию, поэтому, в качестве ближайших перспектив своих исследований они называют биомедицинские приложения (им в работе посвящён отдельный раздел), понимая, что, на данном этапе, речь идёт о некоем «протезе мозга», а вовсе не о заявленном перед инвесторами «универсальном вычислителе».

3.   Принципиальные вопросы «эмуляции мозга»

Всё обсуждение выше (как и исходная работа) строилось на безусловной основе физикализма – уверенности в том, что строение и физиология мозга полностью определяют его работу, в том числе мышление (и, как следствие, способность к вычислениям) и сознание. И что основной вопрос в рассматриваемой проблеме построения ОИ сводится к тому, как максимально адекватно воспроизвести работу мозга – чем точнее удастся эмулировать сам мозг, тем больше умений и возможностей настоящего мозга мы получим, вплоть до субъективного опыта. В ряде своих предыдущих заметок я уже неоднократно обсуждал эту тему, рассматривая альтернативу физикализма – панпсихизм, у которого немало сторонников среди философов и нейробиологов. Я не буду здесь углубляться в подробную аргументацию (рассмотрению идеи панпсихизма во всём  многообразии я собираюсь посвятить отдельную заметку), скажу лишь, что отказ от физикализма меняет весь подход к «биокомпьютингу». Согласно панпсихизму, мозг следует рассматривать как материальный интерфейс для процессов, которые идут и вне мозга. И «эмулировав мозг», мы можем, в лучшем случае, получить радиоприёмник, который не станет работать без радиоволн. Да, какие-то примитивные расчёты, в далёкой перспективе, будут возможны (ведь и приёмник издаёт треск и шипение, если рядом искрят электропровода), но ни о каком субъективном опыте, образном мышлении, внутренней жизни, интуиции и речи быть не может.

Выводы

1.  ОИ разрабатывается в надежде воспроизвести энергоэффективность и когнитивные (в том числе, вычислительные) способности человеческого мозга с использованием последних достижений биотехнологий.
2.  Идеи и принципы реализации ОИ, максимально приближенного по функциональным возможностям к человеческому мозгу, понятны, пока, лишь в самых общих чертах. Их практическое воплощение, по мысли разработчиков, потребует усовершенствования существующих технологий и существенного увеличения финансирования работ.
3.   Представляется, что, увлекшись техническими деталями воспроизведения строения и физиологии мозга, исследователи упускают из виду принципиальные вопросы, которые могут поставить под сомнение реалистичность всего проекта.
4.   Один из таких вопросов связан с тем, а может ли ОИ не просто генерировать управляющие сигналы в ответ на входящие электроимпульсы (подобно  тому, как это делает система «компьютер + нейроинтерфейс + человеческий мозг + манипулятор» в проектах И.Маска и не только), но и служить «универсальным вычислителем» подобно нейросетевому ИИ.
5.  Вся концепция ОИ, очевидным образом, основана на физикализме, который не является единственным подходом к объяснению мышления и сознания. Если же эта концепция окажется в итоге неверной (к чему есть достаточно предпосылок), то вся идея ОИ, как эмулированного мозга, в значительной мере теряет смысл. Уделом ОИ, в таком случае, окажутся биомедицинские приложения («протез мозга» в стиле И.Маска) и, возможно, сравнительно несложные вычисления, обеспечивающие этот функционал. Ни о каком внутреннем мире, образном мышлении или субъективном опыте говорить, в таком случае, не приходится.
6. На данный момент, на мой взгляд, работы по эмуляции мозга находятся на начальном этапе, когда продвинутые биотехнологии уже позволяют показать инвесторам НЕЧТО и глубокомысленно рассуждать о перспективах, требуя щедрого финансирования. Но сами перспективы, мне лично, представляются крайне туманными с силу нерешённости принципиальных вопросов.