Omvänd konstruktion av hjärnan

Maggie är en mycket smart apa, säger Tim Buschman, en doktorand i professor Earl Millers neurovetenskaplabb. Maggie är inte synlig – hon är i ett biosäkerhetsskydd som är tänkt att skydda henne från mänskliga bakterier – men tecknen på hennes intelligens flödar över två monitorer framför Buschman. De senaste sju åren har Maggie arbetat för MIT:s Department of Brain and Cognitive Sciences (BCS). Tre timmar om dagen spelar makaken datorspel som (vanligtvis) är utformade för att kräva att hon genererar abstrakta representationer och sedan använder dessa abstraktioner som verktyg. Till och med jag har problem med den här, säger Buschman och nickar åt ett spel som går ut på att klassificera logiska operationer. Men Maggie är på gång, slår igenom problem, tar ungefär en halv sekund för varje och får ungefär fyra av fem rätt.

Illustration av David Plunkert

Maggies spelande ligger i skärningspunkten mellan artificiell intelligens (AI) och neurovetenskap. Under ledning av Buschman och Michelle Machon, en annan doktorand, bidrar hon till forskning om hur hjärnan lär sig och konstruerar logiska regler, och hur dess prestation av dessa uppgifter kan jämföras med de artificiella neurala nätverk som används i AI.

För fyrtio år sedan hade tanken att neurovetenskap och AI skulle kunna mötas i labb som Millers ha varit nästan otänkbar. Då fungerade de två disciplinerna på armlängds avstånd. Medan neurovetenskapen fokuserade på att avslöja och beskriva detaljerna i neuroanatomi och neural aktivitet, försökte AI utveckla en oberoende, icke-biologisk väg till intelligens. (Tekniken har historiskt sett inte behövt kopiera naturen så slaviskt; flygplan flyger inte som fåglar och bilar går inte som hästar.) Och det var AI som verkade utvecklas mycket snabbare. Neurovetenskapen visste knappt någonting om vad hjärnan var, än mindre hur den fungerade, medan alla med ett uns av förnuft trodde att den dag då datorer skulle kunna göra allt som människor gjorde (och göra det bättre) låg inom synhåll. 1962 blev president Kennedy själv övertygad om poängen, och uttalade automatisering (eller som det ofta kallades då, cybernation) 1960-talets kärna inhemska utmaning, på grund av hotet att det skulle sätta människor utan arbete.

Men något spårade ur AI-expressen. Även om datorer kunde fås att hantera enkla objekt i en kontrollerad miljö, misslyckades de med att känna igen komplexa objekt i den naturliga världen. En mikrofon kunde urskilja ljudnivåer men inte sammanfatta vad som hade sagts; en manipulator kan plocka upp ett rent nytt föremål som ligger i en ordnad array men inte ett smutsigt gammalt som ligger i en rörig hög. (Det kunde inte heller, i Marvin Minskys inspirerade exempel, lägga en kudde i ett örngott.) Idag oroar vi oss mycket mer för konkurrens från människor utomlands än om konkurrens från maskiner.

Även om AI:s framsteg har varit långsammare än väntat, har neurovetenskapen blivit mycket mer sofistikerad i sin förståelse av hur hjärnan fungerar. Ingenstans är detta mer uppenbart än i de 37 labben i MIT:s BCS Complex. Grupper här kartlägger de neurala banorna för de flesta av de högre kognitiva funktionerna (och deras störningar), inklusive inlärning, minne, organisering av komplexa sekventiella beteenden, bildning och lagring av vanor, mental bildspråk, nummerhantering och kontroll, måldefinition och planering, bearbetning av begrepp och föreställningar samt förmåga att förstå vad andra tänker. Den potentiella effekten av denna forskning kan bli enorm. Upptäck hur hjärnan fungerar – exakt hur det fungerar, hur vi vet hur en motor fungerar – skulle skriva om nästan varje text i biblioteket. Bara till att börja med skulle det revolutionera straffrätt, utbildning, marknadsföring, föräldraskap och behandlingen av mentala dysfunktioner av alla slag. (Earl Miller hoppas att forskningen som görs i hans labb kommer att hjälpa till med utvecklingen av terapier för inlärningsstörningar.)

Sådana framsteg är en anledning till att den en gång så ljusa gränsen mellan neurovetenskap och AI börjar suddas ut vid MIT – och inte bara i Millers labb. Visionsforskning som pågår vid institutet illustrerar också hur de två disciplinerna börjar samverka. Fälten växte upp separat, säger James DiCarlo, biträdande professor i neurovetenskap, men de kommer inte att vara separata mycket längre. Nuförtiden följer AI-forskare neurovetenskapens frammarsch med stort intresse, och tanken på omvänd-
Att konstruera hjärnan är inte längre så osannolikt som det en gång verkade.

Förstå objektigenkänning

Mycket av arbetet i DiCarlos labb handlar om objektigenkänning, vilket är det som gör att vi kan identifiera ett objekt (som en ko) i många olika presentationer (kor långt borta, kor sett från ovan, kor i gryningen, en ko i en lastbil) utan att missta det för liknande föremål (som till exempel en häst). DiCarlo och doktorand David Cox publicerade forskning i augusti förra året i Naturens neurovetenskap som fokuserade på en av de grundläggande frågorna om objektigenkänning: hur mycket av vår framgång med att känna igen objekt beror på fasta, medfödda kretsar, och hur mycket på inlärda färdigheter?

DiCarlo och Cox genomförde vart och ett av sina experiment på ett dussin personer, en person i taget. Försökspersoner satt framför utrustning som både kunde visa bilder av föremål och spåra riktningen på föremålens blick. Objekten var datorgenererade och såg vagt ut som antropomorfiserade djur, men de var designade för att vara obekanta för försökspersonerna. Ett föremål skulle dyka upp i en av tre positioner på en skärm, och motivet skulle naturligtvis flytta sin blick mot det. För vissa föremål skulle forskarna dock ersätta nya föremål medan försökspersonerna rörde ögonen. Till exempel, låt oss säga att ett objekt som såg ut att vara knäböjt, med pigga öron, introducerades till höger på skärmen medan motivet fokuserade på mitten. När försökspersonens blick skiftade mot huk och pigg, skulle forskarna ersätta föremålet med ett som såg något tunnare ut, med hängigare öron. Eftersom människor är effektivt blinda under blickskiften, märkte inte försökspersonerna bytet. Men det gjorde deras hjärnor.

Efter en eller två timmars exponering för olika föremål, av vilka några konsekvent byttes ut när de dök upp i särskilda positioner, presenterades försökspersonerna med par av föremålen i olika positioner på skärmen och ombads att jämföra dem. Man kan förvänta sig att försökspersonerna skulle särskilja föremålen utan större svårighet. Och så gjorde de, förutom när föremålen hade bytts ut – och nu dök upp igen i samma positioner som bytena inträffade. Försökspersoner tenderade att förvirra dessa objekt: det vill säga, de var mer benägna att bedöma att knäböj och pigg i en position och tunna och hängiga i en annan var ett och samma objekt. DiCarlo tror att sådana fel visar att hjärnans mekanismer för att känna igen samma objekt på olika platser beror på normal visuell upplevelse över rum och tid. Fyndet tyder på att även grundläggande egenskaper hos objektigenkänning kan utvecklas genom visuell upplevelse av vår värld, säger han. DiCarlo och hans team genomför liknande experiment på djur för att undersöka de mönster av neuronal aktivitet som ligger till grund för objektigenkänning. (Ett bra exempel på denna forskning publicerades i numret 4 november 2005 av Vetenskap tidskrift. DiCarlo och tre medarbetare registrerade och analyserade aktiviteten hos hundratals neuroner i makakhjärnor. De kunde visa att mycket tillförlitlig information om objektidentitet och kategori fanns i till och med handfulla neuroner.)

Objektigenkänning har varit ett av de största målen och stora besvikelserna för traditionell AI. Medan maskinseende är en riktig industri, har dess framgångar varit i snävt definierade tillämpningar under mycket kontrollerade förhållanden, såsom avkodning av registreringsskyltar, identifiering av fingeravtryck, igenkänning av tryckta tecken och inspektion av produkter (till exempel identifiera brända potatischips så att de kan blåsas från ett löpande band). Varje maskinseendesystem ser bara en specifik typ av objekt; till exempel skulle maskinen som läser registreringsskyltar inte kunna identifiera fingeravtryck och vice versa. Även om dagens teknik kan vara tillräckligt bra för att ge oss maskiner som känner igen någonting, kräver de flesta jobb inom de flesta branscher – montering, underhåll, hälsovård, transport, säkerhet – mer mångsidighet än så. Arbetare måste kunna känna igen en hammare och en skruvmejsel och en skiftnyckel, trots skillnader i belysning, objektens orientering och det omgivande röran. Misslyckandet med att bygga maskiner som kan göra detta är särskilt frustrerande med tanke på att fåglar som kråkor, och små däggdjur som råttor, rutinmässigt uppvisar en nivå av skicklighet i allmänt erkännande som är långt bortom dagens teknik. Det är något med att inte kunna göra maskiner så smarta som vi är som tröstar vår fåfänga; men att inte kunna göra en så smart som en duva är bara pinsamt.

Så i flera år har AI-forskare arbetat med problemet med att associera visuella mönster med betydelser eller identiteter. Detta är ett av de områden där AI och neurovetenskap har utvecklats mot varandra: neurovetenskap har arbetat med hjärnans roll i objektigenkänning, AI med den allmänna logiken i vad alla system skulle behöva göra för att lösa samma problem. Efter decennier är de nästan på talavstånd. DiCarlo undrar om det kan vara dags att döpa en ny disciplin som hämtar från båda områdena, som biologiskt inspirerat maskinseende.

Inget universitet närmar sig denna korsning snabbare än MIT, där samarbetet mellan teknik och vetenskap är ett institutionellt uppdrag. Och det, säger DiCarlo, är en anledning till att han kom till MIT: han förväntar sig att revolutionen kommer att ske här.

Modellering Omedelbar igenkänning

En slående illustration av DiCarlos poäng finns i Tomaso Poggios labb. Meddirektören för MIT:s Center for Biological and Computational Learning, Poggio har arbetat med vision i fyra decennier, först vid Max Planck Institute i Tübingen, Tyskland, sedan vid MIT:s AI-labb (som blev Computer Science and Artificial Intelligence Lab), och nu vid institutionen för hjärn- och kognitionsvetenskap. (Poggio samarbetade med DiCarlo i makakexperimenten som beskrivs i Vetenskap .) Under mycket av den här tiden ledde Poggio en forskargrupp inom neurovetenskap och en inom maskinseende och såg ingen anledning att sammanföra dem. Vi visste så lite, säger han. Jag har alltid trott att det var ett misstag att förvänta sig mycket av neurovetenskap. Men de senaste resultaten från ett projekt utfört av postdoc Thomas Serre och Aude Oliva, biträdande professor i kognitiv neurovetenskap i BCS, gjorde honom till en konvertit.

Poggios labb fokuserar för närvarande på en typ av objektigenkänning som kallas omedelbar igenkänning. Detta fenomen beskrevs första gången 1969 i en artikel av MIT-läraren Mary Potter (nu professor i psykologi vid BCS) och hennes forskningsassistent, Ellen Levy. Omedelbar igenkänning är den snabbaste kända formen av igenkänning. En person i ett klassiskt experiment med omedelbar igenkänning sätts framför en display och ombeds trycka på en av två tangenter som svar på varje bild i en serie, beroende på om den innehåller ett djur eller inte. För att se till att titta på en bild inte av misstag hjälper försökspersoner att lära sig att se på andra, väljer forskare bilder som är väldigt olika: många arter, i många olika poser och perspektiv, mot ett brett spektrum av bakgrunder. Bilderna kommer och går på några tiondelar av en sekund. I början av en studie kanske en person nästan inte är medveten om att ens visas en bild, än mindre att känna igen vad som finns i den. Men häpnadsväckande nog slår folk på rätt tangenter oftare än inte. De blir stadigt bättre – och blir medvetna om bildernas utseende – med övning. Ändå, till en början kan något i hjärnan känna igen och kategorisera föremål innan motivet ens är medvetet om att se något.

Omedelbar igenkänning är viktigt för forskare eftersom det är det enklaste möjliga fallet med allmän objektigenkänning. Det går för snabbt att involvera att rekrytera massor av neuroner eller bearbeta information intensivt eller att skicka och ta emot impulser över mer än en bråkdel av en centimeter. Information från ögonrörelser, ett nyckelelement i andra typer av igenkänning (som i DiCarlos arbete), kan inte spela någon roll. Men på något sätt trycks de rätta tangenterna ned (för det mesta), vilket betyder att en begränsad form av allmänt föremålsigenkänning måste vara möjlig med ett relativt litet antal neuroner organiserade på ett relativt enkelt sätt.

Bygger vidare på arbete Poggio gjorde med Max Riesenhuber, PhD '00, då doktorand vid MIT och nu professor vid Georgetown University, Serre, Poggio och andra i Poggio's
gruppen utvecklade en teori om den del av den visuella cortex som huvudsakligen ansvarar för omedelbar igenkänning. Deras inställning till visuell bearbetning skilde sig i många avseenden från en maskinseendeingenjörs. Till exempel har de flesta maskinseendeprogram en processor som exekverar en serie instruktioner i följd, en arkitektur som kallas seriell bearbetning. Hjärnan, å andra sidan, använder parallell bearbetning, ett tillvägagångssätt där ett problem bryts upp i många delar, var och en hanteras separat av sin egen processor, varefter resultaten kombineras eller integreras för att få ett enda generellt resultat – säg, uppfattningen av en ko. I teorin skulle ingenjörer kunna använda parallell bearbetning för maskinseendeprogram (och vissa har försökt), men i praktiken är det sällan självklart hur man bryter ner ett problem på ett sätt som gör att de färdiga bitarna kan kombineras sömlöst.

Biologisk syn löser detta problem på flera olika sätt. En, enligt Poggios grupp, är att organisera bearbetningen kring två enkla operationer och sedan alternera dessa operationer på ett ordnat sätt genom lager av nervceller. Lager A kan filtrera de grundläggande insignalerna från synnerven; lager B skulle integrera resultaten från många celler i lager A; C skulle filtrera insignalerna från B; D skulle integrera resultaten från C; och så vidare, kanske ett dussin gånger. När en signal stiger genom lagren, kombineras utsignalerna från de parallelliserade processorerna gradvis, identitet uppstår och brus faller bort.

Serre och Poggio använde denna skiktningsteknik för att göra det möjligt för deras modell att göra parallell bearbetning. Ett annat knep de lånade från biologin var att öka antalet anslutningar som länkar deras grundläggande kopplingsenheter. Omkopplingsenheterna i konventionella datorer har väldigt få anslutningar, vanligtvis runt tre; neuroner, de grundläggande växlingsenheterna i hjärnan, har tusentals eller till och med tiotusentals. Serre och Poggio gav de logiska switcharna i sin modell en biologiskt rimlig grad av anslutning. I fall där vetenskapen ännu inte var känd gjorde de antaganden baserade på deras bredare erfarenhet av neuroanatomi.

För att testa sin teori utvecklade Serre och Poggio ett datorprogram för omedelbar igenkänning som analyserar digitala bilder. När digitala bildfiler matas in i programmet passerar det dem genom flera alternerande lager av filtrerande och integrerande celler, och tränar sig själv i att identifiera och klassificera bilderna. Nyckeln är att bygga komplexitet långsamt, säger Serre. Att introducera intelligens för snabbt är ett stort misstag. Tidiga AI-ansträngningar kan ha försökt att nollställa identiteten för snabbt och kasta ut information som var avgörande för att få rätt svar.

Serre och Poggios tillvägagångssätt var en spektakulär framgång. Ur en neurovetenskaplig synvinkel visade sig vissa av deras antaganden förutsäga verkliga egenskaper, såsom närvaron av celler (kalla dem OR-celler) som plockar den starkaste eller mest konsekventa signalen ur en grupp av ingångar och kopierar den till sina egna. utgående fibrer. (Föreställ dig en grupp med tre neuroner, A, B och C, som alla skickar signaler till ELLER-neuron X. Om dessa signaler var på styrka 1, 2 respektive 3, skulle X undertrycka A och B och kopiera C:s signal till dess Om styrkorna hade varit 3, 2 och 1, skulle den istället ha kopierat A:s signal och undertryckt de för B och C.)

Resultaten var lika dramatiska ur AI-synpunkt. När mänskliga försökspersoner och Serre och Poggios program för omedelbar igenkänning tog djurnärvaro/frånvarotestet, gjorde datorn lika bra som människorna – och bättre än de bästa maskinseendeprogrammen som finns tillgängliga. (Faktiskt, det fick rätt svar 82 procent av gångerna, medan människorna var i genomsnitt bara 80 procent.) Detta är nästan säkert första gången en allmän -visionsprogram har presterat lika bra som människor.

De lovande resultaten har fått Poggio och Serre att tänka bortom omedelbar igenkänning. Poggio misstänker att modellen kan gälla lika väl för auditiv perception. Serre för fram en ännu mer vågad spekulation: att allmän objektigenkänning är kognitionens grundläggande byggsten. Kanske är det därför vi säger att jag ser när vi vill indikera att vi förstår något.

Även om det kommer att kräva en del arbete att utöka sin teori i dessa nya riktningar, har Serre och Poggios modell redan börjat spridas genom både AI- och neurovetenskapsgemenskaperna vid MIT. Elektroteknikstudenten Stan Bileschi avslutade nyligen en doktorsexamen som tillämpade modellen på scenigenkänning, vilket är härledningen av högre ordningsbedömningar – det är en gård! – från igenkännandet av separata föremål – en ladugård, en ko, ett staket med delad räls. Bileschi tror att allmän scenanalys kommer att vara avgörande för många verkliga applikationer för maskinseende – till exempel övervakning.

Omedelbar igenkänning är grunden för övergripande visuell igenkänning, säger Poggio, men det är inte allt som finns. Det finns många nivåer av igenkänning, och omedelbar igenkänning är en av de enklaste. Beroende på sammanhanget kan ett föremål identifieras som en leksak, en docka, en Barbie, en återspegling av amerikansk kultur, en kvinna, en representation av en tjej med en konstig tillväxtstörning, och så vidare, på en lång lista. På samma sätt, i schackproblem, kan det ta sekunder, minuter eller timmar att känna igen det rätta draget, beroende på pjäsens konfiguration. Förmodligen, när problemen blir svårare, kräver att lösa dem rekrytering av högre nivåer av hjärnfunktion – och det tar tid.

En modell för omedelbar igenkänning kan lösa de synproblem som har hindrat utvecklingen av användbara underhålls- och byggrobotar. Eller så kanske vi tycker att för att vara riktigt användbart måste sådana robotar kunna känna igen både anomalier i landskapet och deras orsaker. Den typen av erkännande är helt klart av högre ordning.

Nästa steg är att bygga igenkänningsmodeller som rekryterar allt fler resurser, och därmed kräver mer handläggningstid. Vi vet hur modellen skulle kunna ändras till att inkludera tid, säger Serre. Detta kan föra oss närmare att tänka – bara kanske.

Dölj