Inside the Moonshot försök att äntligen lista ut hjärnan

'Här är problemet med artificiell intelligens idag', säger David Cox. Ja, det har blivit häpnadsväckande bra, från nästan perfekt ansiktsigenkänning till förarlösa bilar och världsmästare i Go-spelmaskiner. Och det är sant att vissa AI-applikationer inte ens behöver programmeras längre: de är baserade på arkitekturer som gör att de kan lära sig av erfarenhet.

Ändå finns det fortfarande något klumpigt och brutalt över det, säger Cox, neuroforskare vid Harvard. För att bygga en hunddetektor måste du visa programmet tusentals saker som är hundar och tusentals som inte är hundar, säger han. Min dotter behövde bara se en hund – och har glatt pekat ut valpar sedan dess. Och kunskapen om att dagens AI lyckas extrahera från all denna data kan vara konstigt bräcklig. Lägg till lite konstigt statiskt till en bild - brus som en människa inte ens skulle lägga märke till - och datorn kanske bara misstar en hund för en soptunna. Det är inte bra om människor använder ansiktsigenkänning för, till exempel, säkerhet på smartphones (se Rider AI en One-Trick Pony?).

Postdoktor Abhinav Grama observerar hjärnan.

Efter testet har djurets hjärna tagits bort.

Den här historien var en del av vårt novembernummer 2017

• Se resten av frågan
• Prenumerera

För att övervinna sådana begränsningar gick Cox och dussintals andra neuroforskare och maskininlärningsexperter samman förra året för Machine Intelligence from Cortical Networks (MICrONS) initiativ : ett försök på 100 miljoner dollar för att omvända hjärnan. Det kommer att vara den neurovetenskapliga motsvarigheten till ett månskott, säger Jacob Vogelstein, som skapade och lanserade MICrONS när han var programansvarig för Intelligence Advanced Research Projects Agency, den amerikanska underrättelsetjänstens forskningsgren. (Han är nu på riskkapitalfirman Camden Partners i Baltimore.) MICrONS-forskare försöker kartlägga funktionen och strukturen hos varje detalj i en liten bit av gnagarbarken.

Det är ett bevis på hjärnans komplexitet att ett månskott behövs för att kartlägga även denna lilla del av cortex, en kub som mäter en millimeter på en sida - storleken på ett grovt sandkorn. Men den här kuben är tusentals gånger större än någon del av hjärnan som någon har försökt att detaljera. Den kommer att innehålla ungefär 100 000 neuroner och ungefär en miljard synapser, korsningarna som tillåter nervimpulser att hoppa från en neuron till nästa.

En råtthjärna i ett fat.

Det är en ambition som gör andra neuroforskare imponerade. Jag tycker att det de gör är heroiskt, säger Eve Marder, som har ägnat hela sin karriär åt att studera mycket mindre neurala kretsar vid Brandeis University. Det är bland det mest spännande som händer inom neurovetenskap, säger Konrad Kording, som gör beräkningsmodellering av hjärnan vid University of Pennsylvania.

Hjärnan limmas på en platta innan den skannas.

Den ultimata vinsten kommer att vara de neurala hemligheterna som utvinns från projektets data – principer som borde utgöra vad Vogelstein kallar beräkningsbyggstenarna för nästa generations AI. När allt kommer omkring, säger han, är dagens neurala nätverk baserade på en årtionden gammal arkitektur och en ganska förenklad föreställning om hur hjärnan fungerar. I huvudsak sprider dessa system kunskap över tusentals tätt sammankopplade noder, analogt med hjärnans neuroner. Systemen förbättrar sin prestanda genom att justera styrkan på anslutningarna. Men i de flesta neurala datornätverk faller signalerna alltid framåt, från en uppsättning noder till nästa. Den verkliga hjärnan är full av feedback: för varje knippe av nervfibrer som förmedlar signaler från en region till nästa, finns det ett lika stort eller större antal fibrer som kommer tillbaka åt andra hållet. Men varför? Är dessa återkopplingsfibrer hemligheten bakom one-shot-inlärning och så många andra aspekter av hjärnans enorma kraft? Är det något annat på gång?

MICrONS borde ge åtminstone några av svaren, säger neuroforskaren Sebastian Seung från Princeton University, som spelar en nyckelroll i kartläggningen. I själva verket, säger han, tror jag inte att vi kan svara på dessa frågor utan ett projekt som detta.

Bild 1: Den lilla kuben uppe till vänster är den del av hjärnan som kommer att kartläggas. Bild 2: Den biten av hjärnan är inkapslad i akryl som förberedelse för att skivas extremt tunt.

Zoomar in

MICrONS-teamen - ett leds av Cox, ett baserat på Rice University och Baylor College of Medicine, och en tredjedel vid Carnegie Mellon – strävar var och en efter något som är anmärkningsvärt omfattande: en rekonstruktion av alla celler i en kubikmillimeter av en råts hjärna, plus ett kopplingsschema – ett kopplingsdon – som visar hur varje cell är kopplad till varannan cell, och data som visar exakt vilka situationer som får neuroner att elda och påverka andra neuroner.

Det första steget är att titta in i råttornas hjärnor och ta reda på vad nervceller i den kubikmillimetern faktiskt gör. När djuret ges en specifik visuell stimulans, till exempel en linje orienterad på ett visst sätt, vilka neuroner börjar plötsligt avfyra impulser och vilka grannar svarar?

Så sent som för ett decennium sedan varierade det från svårt till omöjligt att fånga den typen av data: verktygen har helt enkelt aldrig funnits, säger Vogelstein. Det är sant att forskare kunde skjuta in ultratunna ledningar i hjärnan och få vackra inspelningar av elektrisk aktivitet i enskilda neuroner. Men de kunde inte spela in från mer än några dussin åt gången eftersom cellerna är så tätt packade. Forskare kunde också kartlägga den övergripande geografin av neurala aktivitet genom att sätta människor och andra djur i MRI-maskiner. Men forskare kunde inte övervaka enskilda neuroner på det sättet: den rumsliga upplösningen var i bästa fall ungefär en millimeter.

De skurna skivorna av hjärnan fastnar på en plasttejp.

Tejpen, med hjärnprover fästa, trimmas och sätts på en diaplatta som ska gå in i en enorm skanningsmaskin.

Det som bröt den återvändsgränden var utvecklingen av tekniker för att få neuroner att lysa upp när de skjuter i en levande hjärna. För att göra det, såddar forskare vanligtvis neuronerna med fluorescerande proteiner som lyser i närvaro av kalciumjoner, som ökar i överflöd när en cell eldar. Proteinerna kan sättas in i en gnagars hjärna kemiskt, bäras in av ett godartat virus eller till och med kodas in i neuronernas genom. Fluorescensen kan sedan utlösas på flera sätt - kanske mest användbart, av ett par lasrar som pumpar in infrarött ljus in i råttan genom ett fönster insatt i skallen. De infraröda frekvenserna tillåter fotonerna att penetrera den jämförelsevis ogenomskinliga neurala vävnaden utan att skada någonting, innan de absorberas av de fluorescerande proteinerna. Proteinerna kombinerar i sin tur energin från två av de infraröda fotonerna och frigör den som en enda foton med synligt ljus som kan ses i ett vanligt mikroskop när djuret tittar på något eller utför hur många andra handlingar som helst.

Andreas Tolias, som leder en del av teamet på Baylor, säger att detta är revolutionerande eftersom du kan spela in från varje enskild neuron, även de som ligger precis bredvid varandra.

När ett team i Coxs labb har kartlagt en råttas neurala aktivitet dödas djuret och dess hjärna infunderas med tungmetallen osmium. Sedan skär ett team under ledning av Harvard-biologen Jeff Lichtman hjärnan i skivor och räknar ut exakt hur nervcellerna är organiserade och sammankopplade.

Den processen börjar i ett källarlabb med en stationär maskin som fungerar som en delikatesssalamiskärare. En liten metallplatta reser sig och faller och skär metodiskt bort spetsen på vad som verkar vara en bärnstensfärgad krita och fäster skivorna på ett transportband av plasttejp. Skillnaden är att salamin faktiskt är ett rör av hårt harts som omsluter och stödjer den ömtåliga hjärnvävnaden, den rörliga plattan innehåller ett omöjligt vasst diamantblad och skivorna är cirka 30 nanometer tjocka.

Skanningar av hjärnskivor sys ihop med en algoritm.

Ett synfält med flera strålar, gjort av 61 bilder tagna med elektronmikroskopet, ses till vänster; 14 multibeam synfält kombineras till höger.

Skanningar sätts ihop till en kub och färgläggs.

Därefter, vid ett annat labb nere i korridoren, monteras längder av tejp som innehåller flera hjärnskivor var och en på kiselwafers och placeras inuti vad som ser ut som ett stort industrikylskåp. Enheten är ett elektronmikroskop: den använder 61 elektronstrålar för att skanna 61 fläckar av hjärnvävnad samtidigt med en upplösning på fyra nanometer.

Varje wafer tar cirka 26 timmar att skanna. Monitorer bredvid mikroskopet visar de resulterande bilderna när de byggs upp i imponerande detalj - cellmembran, mitokondrier, neurotransmittorfyllda vesiklar trängs vid synapserna. Det är som att zooma in på en fraktal: ju närmare du tittar, desto mer komplexitet ser du.

Att skiva är knappast slutet på historien. Även när skanningarna kommer ut ur mikroskopet – du gör liksom en film där varje skiva är djupare, säger Lichtman – vidarebefordras de till ett team som leds av Harvard-datavetaren Hanspeter Pfister. Vår roll är att ta bilderna och extrahera så mycket information vi kan, säger Pfister.

Det innebär att rekonstruera alla dessa tredimensionella neuroner – med alla deras organeller, synapser och andra funktioner – från en stapel av 2D-skivor. Människor skulle kunna göra det med papper och penna, men det skulle gå hopplöst långsamt, säger Pfister. Så han och hans team har tränat neurala nätverk för att spåra de riktiga nervcellerna. De presterar mycket bättre än alla andra metoder vi har använt, säger han.

Varje neuron, oavsett storlek, ger ut en skog av rankor som kallas dendriter, och var och en har en annan lång, tunn fiber som kallas ett axon för att överföra nervimpulser över långa avstånd – helt över hjärnan, i extrema fall, eller till och med alla nervceller. långt ner i ryggmärgen. Men genom att kartlägga en kubikmillimeter som MICrONS gör kan forskarna följa de flesta av dessa fibrer från början till slut och på så sätt se en komplett neural krets. Jag tror att vi kommer att upptäcka saker, säger Pfister. Förmodligen strukturer vi aldrig misstänkt, och helt nya insikter om ledningarna.

Förväntningens kraft

Bland frågorna som MICrONS-teamen hoppas kunna börja svara på: Vilka är hjärnans algoritmer? Hur fungerar egentligen alla dessa neurala kretsar? Och i synnerhet, vad gör all den feedback?

Många av dagens AI-applikationer använder inte feedback. Elektroniska signaler i de flesta neurala nätverk kaskaderar från ett lager av noder till nästa, men i allmänhet inte bakåt. (Låt dig inte kastas av termen backpropagation, vilket är ett sätt att tåg neurala nätverk.) Det är inte en hård och snabb regel: återkommande neurala nätverk har anslutningar som går bakåt, vilket hjälper dem att hantera indata som förändras med tiden. Men ingen av dem använder feedback på något liknande hjärnans skala. I en väl studerad del av den visuella cortex, säger Tai Sing Lee på Carnegie Mellon , bara 5 till 10 procent av synapserna lyssnar på input från ögonen. Resten lyssnar på feedback från högre nivåer i hjärnan.

De färgade kuberna är användbara i 3D-illustrationer av olika neuronala strukturer och processer, vilket ger forskarna sin hittills mest detaljerade karta över vad som faktiskt händer i hjärnan.

Det finns två breda teorier om vad feedbacken är till för, säger Cox, och den ena är föreställningen att hjärnan hela tiden försöker förutsäga sina egna input. Medan sensoriska cortex bearbetas detta ram av filmen, så att säga, de högre nivåerna av hjärnan försöker förutse Nästa ram och skickar tillbaka sina bästa gissningar genom återkopplingsfibrerna.

Detta är det enda sättet som hjärnan kan hantera en miljö som rör sig snabbt. Neuroner är väldigt långsamma, säger Cox. Det kan ta upp till 170 till 200 millisekunder att gå från ljuset träffar näthinnan genom alla stadier av bearbetningen upp till nivån av medveten uppfattning. Under den tiden sträcker sig Serena Williams tennisserv nio meter. Så alla som lyckas återvända den serven måste svänga hennes racket på basis av förutsägelser.

Och om du ständigt försöker förutsäga framtiden, säger Cox, så när den verkliga framtiden anländer kan du justera för att göra din nästa förutsägelse bättre. Det stämmer väl överens med den andra stora teorin som utforskas: att hjärnans återkopplingskopplingar är till för att vägleda lärande. Faktum är att datorsimuleringar visar att en kamp för förbättring tvingar vilket system som helst att bygga bättre och bättre modeller av världen. Till exempel, säger Cox, måste du räkna ut hur ett ansikte kommer att se ut om det vänder sig. Och det, säger han, kan visa sig vara en viktig del av pusslet för ett engångslärande.

När min dotter först såg en hund, säger Cox, behövde hon inte lära sig om hur skuggor fungerar eller hur ljus studsar från ytor. Hon hade redan byggt upp en rik reservoar av erfarenheter om sådant, bara genom att leva i världen. Så när hon kom till något som 'Det är en hund', säger han, kunde hon lägga till den informationen till en enorm mängd kunskap.

Om dessa idéer om hjärnans feedback är korrekta kan de dyka upp i MICrONS:s detaljerade karta över hjärnans form och funktion. Kartan kan visa vilka knep de neurala kretsarna använder för att implementera förutsägelse och inlärning. Så småningom kan nya AI-applikationer efterlikna den processen.

Även då kommer vi dock att förbli långt ifrån att svara på alla frågor om hjärnan. Att känna till neurala kretsar kommer inte att lära oss allt. Det finns former av cell-till-cell-kommunikation som inte går genom synapserna, inklusive vissa utförda av hormoner och neurotransmittorer som flyter i utrymmena mellan neuronerna. Det finns också frågan om skala. Hur stort ett språng MICrONS än är, det är fortfarande bara att titta på en liten bit av cortex för ledtrådar om vad som är relevant för beräkningar. Och cortex är bara det tunna yttre lagret av hjärnan. Kritiska kommando-och-kontrollfunktioner utförs också av djupa hjärnstrukturer som thalamus och basala ganglierna.

Den goda nyheten är att MICrONS redan banar väg för framtida projekt som kartlägger större delar av hjärnan.

Mycket av de 100 miljonerna, säger Vogelstein, spenderas på datainsamlingstekniker som inte behöver uppfinnas igen. Samtidigt utvecklar MICrONS-teamen snabbare skanningstekniker, inklusive en som eliminerar behovet av att skära vävnad. Team vid Harvard, MIT och Cold Spring Harbor Laboratory har utarbetat ett sätt att unikt märka varje neuron med ett streckkodsschema och sedan se cellerna i detalj genom att mätta dem med en speciell gel som mycket försiktigt blåser upp dem till dussintals eller hundratals gånger sin normala storlek.

Så den första kubikmillimetern blir svår att samla, säger Vogelstein, men nästa blir mycket lättare.

M. Mitchell Waldrop är en frilansskribent i Washington, D.C. Han är författare till Komplexitet och Drömmaskinen och var tidigare redaktör på Natur .

Dölj