1, 11, 111. 4, 44, 444. 5, 55... hvad kommer så?
Spaun finder hurtigt ud af, at det næste tal nok er 555. Helt dum er den altså ikke. Faktisk er Spaun nok den bedste simulerede hjerne, der hidtil er konstrueret. En hjerne i en computer.
– Den hjernemodel, vi har konstrueret i mit laboratorium, er en computersimulering, hvor 2,5 millioner affyrende neuroner er simuleret individuelt, fortæller professor Chris Eliasmith fra University of Waterloo i Canada.
Han leder centeret for teoretisk neurovidenskab, hvor forskerne har brugt rigtig mange arbejdstimer på Spaun (Semantic Pointer Architecture Unified Network).
Hjernen er en analog computer
Det er nemlig ikke nemt at bygge en kunstig hjerne. Slet ikke en, der minder om vores egen, for menneskehjernen er uhyre kompleks. Den er en fantastisk, kompakt og energieffektiv supercomputer, der er i stand til samtidigt at lagre og bearbejde information i en forrygende fart. Vores hjerne rummer omkring 86 milliarder hjerneceller kaldet neuroner, der er forbundet til hinanden på kryds og tværs via flere tusinde gange så mange synapser.
– Spauns neuroner kommunikerer i et stort netværk ved hjælp af neurotransmittere, spændingsforskelle, dendritter og så videre, lige som i en virkelig hjerne. Al beregning udføres ved at sende impulser mellem neuronerne i netværket, siger Chris Eliasmith.
Hver neuron modtager signaler fra andre neuroner via udløbere kaldet dendritter. Når en neuron er blevet tilstrækkeligt stimuleret af signalerne fra andre neuroner, affyrer den et signal gennem en udløber kaldet en axon. Den har forbindelse til andre neuroners dendritter via synapser. Signalet overføres gennem særlige kemiske forbindelser kaldet neurotransmittere.
I en model af hjernen skal alle disse elementer modelleres matematisk.
– Hver forbindelse er vægtet – det er forskelligt, i hvilket omfang den afsendende neuron påvirker den modtagende. Netværkets struktur og vægtene bestemmer, hvad der bliver beregnet. Det er lidt ligesom i en computer, hvor en masse transistorer snakker sammen. Men signalerne i vores model er ikke digitale, og forbindelserne er mere parallelle og komplekse. I modsætning til transistorer er hver neuron nemlig ofte forbundet til tusindvis af andre neuroner, siger Chris Eliasmith.
Et øje og en arm
En hjerne er ikke meget bevendt, hvis den ikke får noget at tygge på. Spaun modtager input via et digitalkamera, der optager video med en beskeden opløsning på 28 x 28 pixels. Output er virtuelle bevægelser af en simuleret arm. Modellen tegner sine svar på de opgaver, den bliver stillet.
Spaun kan meget mere end blot at gætte næste tal i en talrække. Faktisk har forskerne for nyligt demonstreret, at den kan løse otte forskellige opgaver, lige fra at kopiere eller genkende et håndskrevet tal til at tælle og svare på et bestemt ciffers placering i en talrække.
På den måde viser modellen, hvordan hjernen kan være fleksibel og i stand til at løse mange former for opgaver, selv om der kun er et begrænset antal neuroner og hjerneområder til rådighed. Og den kan faktisk også vise hjernens begrænsninger.
Menneskelige fejl
Når Spaun bliver bedt om at huske en talrække for derefter at gentage den, er der grænser for, hvor mange cifre den kan huske. Og som hos mennesker glemmer den typisk de midterste cifre, mens de første og sidste er nemmere at huske.
Spaun kan heller ikke huske et ciffer, som den har fået præsenteret i mindre end 150 millisekunder. Tallet når simpelthen ikke at blive lagret i arbejdshukommelsen. Omtrent sådan er det også for mennesker. Spaun efterligner således menneskelig opførsel ved at modellere den underliggende fysiologi, og det er ikke set før.
For at simulere en menneskehjerne skal man allerførst vide, hvordan den enkelte neuron fungerer og kommunikerer med andre neuroner. Modellen har krævet en præcis matematisk beskrivelse af neuronernes egenskaber og funktioner, og sådan en nervecelle er ikke spor simpel. Bagefter skal hjernecentre med forskellige opgaver samt forbindelserne mellem dem simuleres.
Kan ikke lære nye opgaver
Det kræver en masse regnekraft, og Spaun er ikke vanvittigt hurtig, idet den er begrænset af den traditionelle hardware. Modellen blev afviklet på et par supercomputere, der var cirka 2,5 timer om at simulere hvert sekunds hjerneaktivitet. Forskernes drøm er selvfølgelig at skrue op for hastigheden:
– Jeg kunne rigtigt godt tænke mig store, specialdesignede chips, der kan afvikle modeller lige så omfattende som Spaun i realtid, siger Chris Eliasmith og fortsætter:
– På det mere teoretiske plan vil vi gerne finde ud af, hvordan kognitive systemer kan lære helt nye opgaver i et realistisk miljø, med naturligt input. En model som Spaun kan lære os noget om, hvordan vores hjerne fungerer – hvordan den formår at løse forskellige opgaver hurtigt og effektivt ved hjælp af fleksible neurale netværk.
Modellen er i stand til at lære af sine erfaringer inden for en opgave, men den nuværende version kan til gengæld ikke lære at løse helt nye opgaver uden at få nye instruktioner. Og Spaun er meget langt fra at kunne fortælle forskerne, hvordan den uhyre komplekse menneskehjerne udvikler sig i livmoderen og gennem barndommen – hvordan det tænkende menneske opstår.
En hjerne bygget fra bunden
Spaun er ikke alene om at forsøge at simulere en hjerne. Det mest ambitiøse projekt er nok Blue Brain, der siden 2005 har hørt hjemme på det tekniske universitet Ecole polytechnique fédérale de Lausanne i Schweiz. Her er det erklærede mål at bygge en komplet model af menneskehjernen baseret på den nyeste neurovidenskab – at rekonstruere hjernen helt fra bunden, trin for trin og i alle detaljer, blot i software.
Hver eneste simulerede neuron kræver en regnekraft svarende til den, en bærbar computer kan levere, så der er nok at gå i gang med. Blue Brain-projektet har en IBM Blue Gene/P supercomputer med 16.384 processorkerner til rådighed, og foreløbig er forskerne nået til at modellere en ganske lille del af en rottes hjernebark, omkring en million neuroner forbundet med en milliard synapser, i computeren. Når denne mikrohjerne stimuleres med elektriske signaler, opstår der bølger og svingninger, som ligner dem, der findes i rigtige hjerner.
En milliard euro til projektet
Hvis alt går efter planen, har forskerne en hel rottehjerne klar i 2014, og så kommer turen til menneskehjernen. Ifølge Henry Markram, der leder projektet, kan sådan en model være klar i 2023. Det kræver blot, at computerne er blevet 1.000 gange så hurtige som i dag, og at der er penge til projektet.
Penge burde der faktisk være nok af. Ved en pressekonference i Bruxelles den 28. januar bekendtgjorde Europa-Kommisionen, at Blue Brain – eller rettere The Human Brain Project, som det hedder i EU-systemet – har fået del i en enorm forskningspulje kaldet Future and Emerging Technologies Flagships.
Projektet vil modtage i omegnen af 100 millioner euro hvert år de næste 10 år. Det er nok til at aflønne hundredvis af forskere og betale en ny og langt hurtigere supercomputer.
Sindets sygdomme skal forklares
I modsætning til Spaun er Blue Brain ikke i stand til at udføre særlige opgaver, for det er den ikke designet til. Meningen er så at sige at bygge en uhyre detaljeret model af en hjerne og se, hvad der sker – hvad der opstår af fænomener, som forhåbentlig ligner dem, man kan iagttage i en rigtig hjerne.
Blue Brain skal fortælle os, hvad der egentlig foregår, når vi opfatter omverdenen, føler, tænker, tager beslutninger og handler på dem. Hvordan hjernen virker, helt ned til det allermest fundamentale, molekylære plan.
Forskerne håber, at en biologisk præcis model af menneskehjernen kan føre til en langt bedre forståelse af psykiske sygdomme som demens, skizofreni, depression og autisme. De regner med at kunne føre et virtuelt mikroskop dybt ind i hjernens kringelkroge og finde ud af præcis, hvor det går galt, når sygdommene opstår.
Tænksomme avatarer
Selvfølgelig forsøger forskere som Henry Markram at sælge ideen om en kunstig hjerne ved at fremhæve de medicinske muligheder, men man skal ikke have set mange science fiction-film, før andre fremtidsperspektiver åbenbarer sig.
Det er svært ikke at filosofere om, hvad der mon sker, hvis en kunstig hjerne med samme kompleksitet som menneskehjernen får omtrent samme input som mennesker. Og folkene bag Blue Brain har da også tænkt tanken. De forestiller sig, at man i første omgang kan koble en kompleks, fremtidig hjernemodel til en virtuel robot – en avatar – som får lov til at boltre sig i en virtuel verden.
Her kan avataren få lov til at sanse, lære, huske og tænke ved hjælp af hjernemodellen, og så er spørgsmålet, om den vil begynde at træffe beslutninger og udføre handlinger, der kan opfattes som intelligente. Hvis det er tilfældet, kan forskerne dykke ned i modellen og finde ud af, hvordan den sofistikerede, komplekse opførsel opstod.
To slags kunstig intelligens
De kunstige hjerner kan på længere sigt føre til intelligente robotter, som i store træk opfører sig som mennesker. Men det er endnu alt for tidligt at sige, om modellering af en hjerne er den rette vej at gå, hvis man vil have maskiner, der kan tænke. Der er nemlig flere veje at gå, fortæller Thomas Bolander, der er lektor ved DTU Informatik og ekspert i kunstig intelligens.
– Simulering af hjernen er kun én måde at opnå kunstig intelligens. I stedet kan man mere direkte bruge computeren til at efterligne de højere kognitive processer i hjernen, sådan noget med at bruge sprog og ræsonnere logisk. Her er man egentlig ligeglad med, hvad der foregår i hjernen. Man kigger på, hvad det er for problemer, vi gerne vil løse, og hvordan vi får computeren til at gøre det. Det er to ret forskellige skoler inden for kunstig intelligens.
Thomas Bolander hælder mest til den sidste metode, men han er fascineret af de resultater, som forskerne bag Spaun har opnået.
– Det allermest spændende er måske de fejl, som Spaun laver. De kan bringe mere lys over, hvordan den menneskelige hjerne fungerer. Men der er et stykke vej endnu, før man kan bruge den form for kunstig intelligens som et værktøj, som man for eksempel kan have i sin mobiltelefon.
Computeren tænker som os
– På lang sigt kan simulerede hjerner være meget, meget spændende. Det er en rigtig god måde at komme tæt på noget, der er naturligt for os at interagere med – systemer, der tænker på samme måde som os.
Thomas Bolander påpeger, at en computer, der er skruet fundamentalt anderledes sammen, end vi er, ser nogle helt andre mønstre på en helt anden måde end vi mennesker. Den vil for eksempel opbygge et sprog på en anden måde, fordi vores sprog er baseret på, at vi mennesker ser verden på den samme måde.
– Her kan det have enorm stor værdi, hvis man i stedet kan lave noget, der ligner den menneskelige hjerne så meget, at den tænker lidt på samme måde, som vi gør. Den vil selvfølgelig være uperfekt og have de samme fejl som os, så på den måde vil en kunstig hjerne måske ikke være den ultimative personlige assistent, men der er spændende perspektiver.
Robotter får bevidsthed
Science fiction-filmenes avancerede robotter, androider og replikanter er endnu et godt stykke ude i fremtiden, men maskiner med menneskelignende intelligens og en form for bevidsthed er ikke helt utopisk, fortæller Thomas Bolander.
– Man kan godt forestille sig, at en form for bevidsthed opstår, når man simulerer tilstrækkeligt store neurale netværk. Man forsøger jo at skabe et system, der kan lave en model af sin omverden. Og når modellen af virkeligheden bliver tilstrækkelig kompleks, så begynder den i stadig højere at inkludere sig selv. Måske har det noget med bevidsthed at gøre, siger han.
Ifølge Thomas Bolander starter man som menneke med at modellere andre, for eksempel sin mor og sin far. Efter et stykke tid indser man, at man er et menneske – et individ for sig selv
– og så kan man begynde at bygge en model af sig selv op. Og det er måske her, bevidstheden kommer i spil. Hvis det er tilfældet, så kan systemer med kunstig intelligens også få bevidsthed, hvis de får mulighed for at komme ud i verden og observere sig selv – hvis den kunstige intelligens er til stede i sin egen verden og kan få sig selv som input, vurderer han.
En videreudvikling af kunstige hjerner kan altså føre til robotter med bevidsthed. Chris Eliasmith har da også allerede taget kontakt til folkene bag den menneskelignende robot iCub for at høre, om Spaun kan gøre sådan en robot mere lærenem og intelligent. I fremtiden kommer androider måske til at drømme om elektriske får.
[Billedtekst, Eliasmith.jpg]
Professor Chris Eliasmith står i spidsen for Spaun – den hidtil mest komplekse model af en hjerne. Den udfører opgaver på samme måde som mennesker.
***
[Boks]
Barnerobot lærer at tale
DeeChee er på størrelse med et treårigt barn, men ikke helt så kvik. Præcis som en baby kan robotten, der bor på University of Hertfordshire i England, sige simple lyde, som ikke giver meget mening. Den pludrer løs i selskab med forsøgspersoner, som tålmodigt prøver at lære den navnene på former og farver – præcis som man ville gøre det med et barn.
DeeChee lytter til læreren og lægger specielt mærke til de lyde, der optræder oftest. Disse lyde bruger den nu i højere grad i sin pludren. Indimellem lykkes det at få DeeChee til at sige et forståeligt ord som "green" eller "cross". Så bliver den opmuntret af læreren. Well done, DeeChee!
Nu lagrer robotten ordet i sin hukommelse, så den kan bruge det en anden gang. DeeChee har tilegnet sig en smule sprog på omtrent samme måde, som mennesker gør det.
DeeChee er en del af iCub-projektet, der går ud på at lære en humanoid robot på størrelse med et treårigt barn nye tricks. En iCub-robot kan se og høre, den sanser sin krops position og sine bevægelser, og snart får den også følesans. Den kan udtrykke følelser gennem ansigtsudtryk, og den kan gribe om små objekter.
Ideen er, at det er nemmere at lære en robot at opføre sig som et menneske og opnå en form for intelligens, når den også fysisk ligner et menneske og interagerer med omverdenen på samme måde. Med den rette software kan den langsomt lære at begå sig i verden, ligesom et barn møjsommeligt lærer det.
Engang vil en robot som DeeChee blive udstyret med en model af menneskehjernen, og så vil den måske hurtigere lære nye ting. Måske vil den også begynde at tænke og ligefrem få en bevidsthed.
[Billedtekst, Deechee.jpg]
Det kræver en del tålmodighed at lære DeeChee navnene på former og farver. Men indimellem lykkes det. Foto: Pete Stevens.
[Billedtekst, Connectom.jpg]
Sådan ser hjernens hovedveje ud. Det har forskerne fundet ud af ved at skanne hjernen hos forsøgspersoner. Illustration: Lawrence Wald og Van Wedeen, MGH-UCLA Human Connectome Project.
[Billedtekst, memristor.jpg]
Siden 2008 har forskere fra HP fremstillet memristorer som disse 17, og det varer ikke længe, før de kan få praktiske anvendelser. Mikroskopi: R. Stanley Williams, HP.
[Boks]
Vigtigste kilder:
Interview, professor Chris Eliasmith, University of Waterloo i Canada
Interview, lektor Thomas Bolander, DTU
www.kurzweilai.net/henry-markram-simulating-the-brain-next-decisive-years
www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0038236
www.humanconnectomeproject.org
news.sciencemag.org/scienceinsider/2013/01/graphene-and-brain-modeling-proj.html
Nature Materials, 16. december 2012
