Мозг компьютера это что: мозг компьютера. Сравнение процессора с мозгом человека

Содержание

мозг компьютера. Сравнение процессора с мозгом человека

Компьютеры, стали для нас повседневностью. Я даже не говорю об персональных стационарных ПК и ноутбуках. Технологии так и скачут в бешеной карусели, пытаясь уцепиться за собственный хвост. А между тем компьютеры стали, как люди. Нет, они не живые, пока что, но уже проникли всюду. Вот вы читаете статью, а рядом с Вами лежит эта штука с прямым выходом в сеть интернет и не одна кстати. И куда бы Вы ни пошли, возьмите свой телефон с собой, а лучше планшет у него мощности больше!!!

Каждый компьютер обладает доступом к неограниченной информации. Его никто не остановит!
— Кого спросите вы?
Ведь компьютеры во всем своем разнообразии работают по программе, и не могу развиваться, пока. Слова «пока» упрямо язвит. А почему? Вы готовы?

Немного настоящего, и маленькая крупица «пока»

Процессор — мозг компьютера известное выражение. Что собой представляет современный процессор? Эта замечательная штука, которая способна обрабатывать огромное количество информации в любое время, круглосуточно. Процессор работает, как и наш мозг. Но Вы, конечно, скажете, что это ерунда! Мол, процессор работает только по команде пользователя и бла бла бла.

Как работает процессор?! Обратимся к компьютерному доктору! А что? Сейчас столько мастерских, которые делают ремонт компьютеров, сколько докторов для людей. И это тоже немного гнетет, но сейчас не об этом.

Вначале была программа и команда. С программами все ясно, алгоритмы не самое интересное. А вот команда между тем также сложная вещь. Команда состоит из операционной и операндной составляющей. Первая говорит ПК о том, что он должен сделать, а вторая дает операнды – это то, с чем ему придется работать. После чего выполняется серия действий: выработка, декодирование и выполнение самой командой с обращением в ОЗУ-память компьютера и жесткий диск. Работа процессора идет в пять тактов, этот конвейер крутиться с невероятной скоростью, и чем больше его частота, тем выше скорость с которой происходит обработка команд. И процессор, надо сказать, не устает, ему и спать то нет необходимости.

— Ну, вот же, процессор работает по нашей команде!

Да он работает так, но только по одной причине. Процессору негде взять информацию для составления команды, кроме команд пользователя. А нашему мозгу для этого даны пять источников!

И пусть есть куча датчиков для этих целей, которые совершенствуются, но пока процессор не научили принимать решения, в зависимости от раздражителей, он не сможет выполнять и примитивные задачи, которые даны нашему мозгу. Там есть слово «пока» правда? Уже сегодня сотни лучших умов нашего мира трудятся день и ночь, чтобы сделать такой процессор. Чтобы обдумать всё хорошенько пересмотрите фильм трилогию Матрица.

И не много о мозгах

— Ха! Да этот кусок пластика беспомощен!
— Пока не переведет деньги с Вашего банковского счета, или не отключит тормоза Вашего автомобиля.

И как долго остается до того момента, когда процессор станет самостоятельным и будет принимать решения круглые сутки. Фантасты всё фантазируют вот только многие фантазии прошлого, уже ожили в настоящем.

«Мозг» компьютера: процессор, видеокарта и оперативная память

На сегодняшний день сложно найти хотя бы одну квартиру, в которой нет компьютер. Популярность компьютеров вполне закономерна, ведь с их помощью можно решать самые различные задачи. При этом, порой, возможностей компьютера недостаточно для того, чтобы справиться с этой или иной задачей. В этом случае, практически каждый начинает задумываться о покупке нового компьютера.

Заходя в компьютерный магазин и выбирая новый компьютер, советуем уделить пристальное внимание трем таким важнейшим составляющим, как: процессор, видеокарта и оперативная память. При выборе процессора следует принимать во внимание следующие 4 составляющие:

• Количество ядер,

• Частота каждого ядра,

• Уровни кеша,

• Частота шины.

От частоты процессора зависит производительность компьютера, соответственно, чем выше частота, тем больше производительность. В том случае, если вы планируете работать на вашем компьютере с серьезными приложениями или играть в игры, которые требуют высокой производительности компьютера, то советуем остановить свой выбор на процессоре Intel Core i5 или i7.

Кешем называют промежуточный буфер между ЦП и ОЗУ. На сегодняшний день выделяют 3 уровня кеш-памяти. Самый быстродействующий – это 1 уровень, 2 считают промежуточным, 3 – самым медленным, несмотря на это, ее скорость выше, нежели скорость ОЗУ. В процессорах с тремя и более ядрами используется в основном 3 уровень кеш-памяти.

Под частотой шины понимают тактовую частоту, с которой происходит обмен данными между процессором и шиной компьютера. Оптимальным вариантом является частота выше 1600Mhz.

Видеокарта также подбирается в зависимости от тех задач, которые планируется решать при помощи компьютера, чем больше и сложнее задачи, тем мощнее должна быть видеокарта. Для компьютера средней производительности можно остановить выбор на мультимедийной видеокарте, которая поддерживает DirectX11, в карте должна наличествовать память в размере, как минимум, 1 Gb.

При покупке оперативной памяти следует выяснить ее тип, объем модуля, тактовую частоту, пропускную способность, латентность. Помните о том, что оперативная память должна быть совместимой с вашей материнской платой. Как правило, материнская плата работает только с одним типом памяти: DDR2 или DDR3. Лидером по производительности сегодня является DDR3. Данный вид памяти отличается высокой тактовой частотой и пониженным энергопотреблением.

Относительно новым типом памяти является DDR4, по своим характеристикам этот тип памяти превосходит все, существующие на сегодняшний день, ведь DDR4 поддерживает частоты от 2133 и до 4266 МГц. Массовая продажа планируется осенью этого года.

Что называют мозгом компьютера. Почему человеческий мозг ученые называют биологическим компьютером Мозг компьютеру и компьютер мозгу

Привет! начинающие «компьютерные гении». Пишу в основном для старшего поколения, людей по жизни не связанных с компьютерами, а сегодня желающих понять, как же работает этот странный механизм, уже понимающий нашу речь и своим приятным голосом отвечающий на наши вопросы.

Человечество всегда подражало природе в создании механизмов.

Она (природа) подсказывала, как создать крылья самолетов и вертолетов, реактивные двигатели ракет и прочие изобретения. Все они созданы по подобию животных, птиц, насекомых и прочих земноводных. Пришло, наконец, время создать подобие «Homo sapiens» и вот это подобие разумного человека у нас на столе, в кармане, в автомобиле. Все эти умные устройства (гаджеты) имеют разные тела и лица, но устроены и работают по одним правилам, часто скопированным с человека.

Компьютер и человек – что общего?

Конечно, сравнить компьютер с человеком, что сравнить птицу с самолетом, но все – же…

Самое главное в человеке – это его мозг. Пока , жив и человек. В нашем мозге есть отделы управляющие картинкой полученной от глаз, и других органов восприятия. Вся информация перерабатывается, часть откладывается во временную память, часть записывается (запоминается) в долгую память, а часть удаляется в «корзину» с возможностью последующего восстановления.

Мозг компьютера это его процессор. Процессор, так же как и мозг считывает информацию с видеокамер, микрофонов, команд компьютерной мышки или голосовых команда, а за тем, после обработки процессором, выдает нам картинку на монитор или звук в колонки. В компьютере так же имеется временная память (КЭШ), оперативная память и долговременная память, хранящаяся на различных дисках (флэшках). Всю ненужную информацию, мы в любое время можем удалить сначала в корзину, а по прошествии времени очистить её содержимое за ненадобностью или восстановить нечаянно удаленные документы.

Система питания компьютера и человека

Человек — изделие, работающее на электрохимических процессах. Каждый из нас это объект управляемый слабыми электрическими полями, и химическими реакциями. Энергию мы вырабатываем с получением биологической пищи. У нас имеется сложная система питания.

Компьютер, как известно, работает от электричества, его систему питания обеспечивает блок питания или батареи питания (аккумуляторы). Вся система питания компьютера связана сверхтонкими проводниками, у человека это сосуды,мышцы, нервы и прочие связи.

Обучение человека и компьютера.

Компьютеры зародились во второй половине прошлого века. В отличие от рожденного человека, первые компьютеры занимали огромные площади. Таким образом, если человек с возрастом умнел и вырастал, компьютеры становились умнее и меньше. Поначалу для компьютеров создавались маленькие программы для вычисления. Со временем, программисты объединяли готовые программы в группы независимых программ. Система превращалась в союз тысяч программ, работающих вместе для решения сложных задач. Так человечество совместными усилиями создало мощные процессоры, управляемые миллионами программ.

В наше время компьютер это уже вполне зрелый юноша землян. Впереди у него фантастические возможности- соединения с человеком. Не могу с уверенностью сказать, хорошо это или плох.Уверен,что «СОЗДАТЕЛЬ»человечества не погубить свое творение. Надеюсь статья оказалась кому то полезной.

За ранее благодарен всем кто поделился информацией в социальных сетях.

Орган, координирующий и регулирующий все жизненные функции организма и контролирующий поведение. Все наши мысли, чувства, ощущения, желания и движения связаны с работой мозга, и если он не функционирует, человек переходит в вегетативное состояние: утрачивается способность к каким-либо действиям, ощущениям или реакциям на внешние воздействия.

Компьютерная модель мозга

В Университете Манчестера приступили к постройке первого компьютера нового типа, конструкция которого имитирует устройство человеческого мозга, передает BBC . Стоимость модели составит 1 миллион фунтов .

Компьютер, построенный по биологическим принципам, считает профессор Стив Фёрбер (Steve Furber), должен демонстрировать значительную устойчивость в работе. «Наш мозг продолжает функционировать, несмотря на постоянные отказы нейронов , из которых состоит нервная ткань, говорит Фёрбер. – Это свойство представляет громадный интерес для конструкторов, которые заинтересованы в том, чтобы сделать компьютеры более надежными».

Мозговые интерфейсы

Для того, чтобы при помощи одной только ментальной энергии поднять стакан на несколько футов , волшебникам приходилось тренироваться по несколько часов в день.
Иначе принцип рычага легко мог выдавить мозг через уши.

Терри Пратчетт, «Цвет Волшебства»

Очевидно, венцом человеко-машинного интерфейса должна стать возможность управления машиной одним только усилием мысли. А получение данных прямо в мозг — это уже вершина того, чего может достичь виртуальная реальность . Идея эта не нова и уже много лет фигурирует в самой разнообразной фантастической литературе. Тут и практически все киберпанки с прямым подключением к кибердекам и биософтами. И управление любой техникой посредством стандартного мозгового разъема (например, у Сэмюэля Дэлани в романе «Нова»), и масса всяких других интересных вещей. Но фантастика — это хорошо, а что делается в реальном мире?

Оказывается, разработка мозговых интерфейсов (BCI или BMI — brain-computer interface и brain-machine interface) идет полным ходом, хотя об этом мало кто знает. Конечно, успехи весьма далеки от того, про что пишут в фантастических романах, но, тем не менее, они вполне заметны. Сейчас работы над мозговыми и нервными интерфейсами, в основном, ведутся в рамках создания различных протезов и устройств для облегчения жизни частично или полностью парализованным людям. Все проекты можно условно поделить на интерфейсы для ввода (восстановление или замена поврежденных органов чувств) и вывода (управление протезами и другими устройствами).

Во всех случаях прямого ввода данных необходимо производить операцию по вживлению в мозг или нервы электродов. В случае вывода можно обойтись внешними датчиками для съема электроэнцефалограммы (ЭЭГ). Впрочем, ЭЭГ — инструмент достаточно ненадежный, поскольку череп сильно ослабляет мозговые токи и получить можно только очень сильно обобщенную информацию. В случае вживления электродов можно снимать данные непосредственно с нужных мозговых центров (например, двигательных). Но такая операция — дело нешуточное, так что пока эксперименты ведутся только на животных.

На самом деле, человечество уже давно обладает таким «единым» компьютером. По мнению одного из основателей журнала Wired Кевина Келли, миллионы подключенных к Интернету ПК, мобильные телефоны, КПК и другие цифровые устройства,можно рассматривать, как компоненты Единого компьютера. Ее центральный процессор — это все процессоры всех подключенных устройств, ее жесткий диск — жесткие диски и флэш-накопители всего мира, а оперативная память — суммарная память всех компьютеров. Ежесекундно этот компьютер обрабатывает объем данных, равный всей информации, содержащейся в библиотеке Конгресса, а ее операционной системой является Всемирная паутина.

Вместо синапсов нервных клеток она использует функционально похожие гиперссылки. И те и другие отвечают за создание ассоциаций между узловыми точками. Каждая единица измерения мыслительного процесса, например идея, растет по мере того, как возникают все новые и новые связи с другими мыслями. Также и в сети: большее количество ссылок на определенный ресурс (узловую точку) означают большую значимость ее для Компьютера в целом. Более того, количество гиперссылок во Всемирной сети вплотную приближается к количеству синапсов в человеческом мозге. По оценкам Келли, к 2040 году общепланетарный компьютер будет располагать вычислительной мощностью, соизмеримой с коллективной мощностью мозгов всех 7 млрд. человек, которые к тому моменту будут населять Землю.

А что же, собственно человеческий мозг? Давно устаревший биологический механизм. Наше серое вещество работает со скоростью самого первого процессора Pentium, образца 1993 года. Иными словами, наш мозг работает на частоте 70 мГц. Кроме того, наши мозги действуют по аналоговому принципу, так что о сравнении с цифровым методом обработки данных и речи быть не может. Вот в этом и заключается основное отличие синапсов от гиперссылок: синапсы, реагируя на окружающую их среду и поступающую информацию, искусно изменяют организм, который никогда не имеет двух одинаковых состояний. Гиперссылка, же, напротив, всегда одинакова, в противном случае начинаются проблемы.

Тем не менее, нельзя не признавать, что наш мозг значительно превосходить по эффективности любую искусственную систему, созданную людьми. Совершенно таинственным образом все гигантские вычислительные способности мозга помещаются в нашей черепной коробке, весит чуть больше килограмма и при этом для его функционирования необходимо всего 20 Вт энергии. Сравните эти показатели с теми 377 млрд. Вт, которые сейчас, по примерным вычислениям, потребляет Единый Компьютер. Это, между прочим, целых 5% общемирового производства электроэнергии.

Один лишь факт такого чудовищного энергопотребления, никогда не позволит Единому компьютеру даже близко сравниться с человеческим мозгом по эффективности. Даже в 2040 году, когда вычислительные мощности компьютеров станут заоблачными, их энергопотребление будет неизменно возрастать.

Илья

817

Центральный процессор или ЦПУ – центральное процессорное устройства (англ. CPU – central processing unit, или центральное обрабатывающее устройство, если дословно) – самый важный компонент любого компьютера, это мозг компьютера. Эго еще часто называют просто микропроцессором или процессором. Какую роль процессор играет в системе компьютера? Ответ на этот вопрос прост – самую главную! Именно процессор выполняет все вычисления и обработку информации.

Цены в интернет-магазинах:

Electrozon 4 990 Р

Микропроцессоры, отличаются один от одного по таким основным характеристикам как тактовая частота, которая измеряется в (МГц и ГГц), и производительность. На сегодняшний день, как правило, используются процессоры, разработанные известными фирмами Intel и AMD.

Как и все другие компоненты компьютера, микропроцессоры тоже прошли стадию развития от самого создания и до сегодняшних дней. И этот процесс бесконечен, пока идет развитие технологий.
Давайте же коротко рассмотрим историю создания и развития микропроцессоров.Так самые первые процессоры были изобретены, еще в далеких 1940-х годах. Тогда для создания процессоров использовали вакуумные лампы, ферритовые сердечники (устройства памяти) и электромеханические реле. Такие процессоры были ненадежные, имели низкое быстродействие. Тогда в средине 1950-х 60-х стало возможно внедрения транзисторов, которые монтировались к современной на то время плате. А со временем стало использование микросхем, которые ускорили быстродействие и надежность тогдашних процессоров.

Цены в интернет-магазинах:

compyou.ru 6 030 Р

В начале 1970-х годов благодаря стремительному развитию технологий стало возможным создание микропроцессора — микросхемы, на кристалле которой располагались все основные блоки и элементы процессора. А уже 15 ноября 1971 году фирма Intel презентовала свой первый в мире 4-разрядный микропроцессор, 4004 который использовался в микрокалькуляторах. Содержал такой процессор 2300 транзисторов, а тактовая частота составляла 92,6 кГц, и стоил он 300 долларов!

На смену уже устаревшему 4-разрядному процессору пришли более современные 8-разрядные Intel 8080 и 16-разрядный 8086 (включавший в себя 29 тысяч транзисторов и работал на частоте 4,77 МГц), заложившие основы архитектуры всех современных настольных процессоров.Первый же персональный компьютер от IBM бил оснащен 8-разрядным процессором i8088 (из 8-розрядной шиной).
В 1982 году, компания Intel представила новый i80286 с тактовой частотой (до 20МГц) и содержал уже около 134 тис. транзисторов.А далее уже починается гонка за первенство на рынке процессоров между компаниями Intel и AMD, которая и дала толчок к очень быстрому и стремительному развитию технологий. Но это уже другая история.

Рассказать друзьям

Мозг любого человека является чем-то особенным, невероятно сложным чудом природы, созданным благодаря миллионам лет эволюции. Сегодня наш мозг часто называют настоящим компьютером. И это выражение используется отнюдь не зря.

И сегодня мы постараемся разобраться в том, почему человеческий мозг ученые называют биологическим компьютером, и какие интересные факты о нем существуют.

Почему мозг – биологический компьютер

Ученые называют мозг биологическим компьютером по вполне очевидным причинам. Мозг, как и главный процессор любой компьютерной системы, отвечает за работу всех элементов и узлов системы. Как в случае с оперативной памятью, винчестером, видеокартой и другими элементами ПК, мозг человека управляет зрением, дыханием, памятью и любым другим процессом, происходящим в организме человека. Он обрабатывает полученные данные, принимает решения и выполняет всю интеллектуальную работу.

Что же касается характеристики «биологический», то её наличие также является вполне очевидным, ведь, в отличие от обычной компьютерной техники, человеческий мозг имеет биологическое происхождение. Так и получается, что мозг – это самый настоящий биологический компьютер.

Как и у большинства современных компьютеров, у мозга человека присутствует огромное количество функций и возможностей. И некоторые наиболее интересные факты о них мы предлагаем ниже:

  • Даже в ночное время, когда наш организм отдыхает, мозг не засыпает, а наоборот – находится в более активном состоянии, чем днем;
  • Точный объем места или памяти, которая может храниться в человеческом мозге, на данный момент неизвестен ученым. Однако они предполагают, что этот «биологический жесткий диск» способен вместить в себе до 1000 терабайт информации;
  • Средняя масса мозга – полтора килограмма, и его объем увеличивается, как и в случае с мышцами, от тренировок. Правда, в данном случае тренировки подразумевают получение новых знаний, улучшение памяти и т.д.;
  • Несмотря на то, что именно мозг реагирует на любые поражения тела, отправляя в соответствующие участки тела болевые сигналы, сам он не чувствует боли. Когда мы чувствуем головную боль, это лишь болевые ощущения в тканях и нервах черепной коробки.

Теперь вы знаете, почему мозг называется биологическим компьютером, а значит – произвели небольшую тренировку своего мозга. Не останавливайтесь на этом, и систематически узнавайте что-нибудь новое.

Процессоры для персональных компьютеров подразделяются на несколько критериев:

  • производитель;
  • семейство;
  • модель внутри семейства.

Выбор процессора начинается с выбора производителя. Основными производителями процессоров считаются две компании: Intel и AMD. К выбору процессора надо подходить стратегически, т.к. процессоры и соответственно платформы взаимно не совместимы. То есть процессор одного семейства нельзя заменить процессором другого семейства одной и той же фирмы – придется менять всю платформу.

Архитектура процессора

Законы конкуренции привели к тому, что внимание разработчиков было направлено на поиск повышения производительности. Было найдено два новых направления:

расширение разрядности существующих 32-битных процессоров до 64 бит;интеграция в процессор двух и более ядер, которые занимаются непосредственно вычислениями.

Разрядность процессора
– длина одновременно обрабатывающих данных (в битах).

Ядро процессора
– совокупность арифметическо-логических устройств, блоков управления и кэш-памяти, выполненная в рамках единой микроархитектуры процессора.

Рабочая частота
– частота переключения транзисторов в ядре процессора. Получается умножением тактовой частоты системной шины на коэффициент, заданный специальным блоком процессора.

Тактовая частота
– опорная частота, генерируемая специальным устройством системной шины. Используется для синхронизации процессора и шины.

Современные процессоры имеют архитектуру «неймановского» типа:

арифметическо-логическое устройство;блок управления;блок памяти;устройство ввода-вывода.

Ядро процессора

Главным элементом процессора, выполняющим обработку данных является арифметическо-логическое устройство (АЛУ). Процессор имеет специальные ячейки памяти, которые называются регистры. В них хранятся и поступают данные с огромной скоростью. По мере обработки данные из регистра поступают и возвращаются.

Все современные микропроцессоры являются синхронными, то есть меняют состояние элементов в момент поступления тактовых импульсов. В каждом цикле есть сигнал, который переключает определенные триггеры. Например, в регистры данные загружаются лишь по фронту импульса, а считываются только по спаду. Именно поэтому АЛУ может в течение одного цикла и считать, и записать данные в регистр.

Блок управления, АЛУ и кэш-память образуют ядро процессора.

Системная шина

Как данные, так и команды для их обработки процессор получает из ячеек оперативной памяти по системной шине. В составе системной шины различают: шину данных, адресную шину, шину управления. По шине данных в регистры процессора копируются данные из ячеек памяти. По адресной шине процессор выбирает, начиная с какой именно ячейки он должен получить данные. По шине управления процессор получает из оперативной памяти команды для обработки данных.

Кэш-память

Внутри процессора все операции происходят в десятки раз быстрее, чем при обмене данными с оперативной памятью. Это означает, что чем реже процессор обращается к памяти за данными и командами, тем быстрее он способен работать. Чтобы сократить количество обращений, в процессор встраивают сравнительно небольшой блок сверхоперативной памяти, способной работать на частоте ядра. Этот блок памяти называют кэш-памятью.

При обращении к ячейкам оперативной памяти процессор получает не только те данные, которые требуются немедленно для загрузки в регистры, но и еще что-то «про запас». Этот запас записывается в кэш­-память. Если запасенные данные потребуются в следующем цикле, процессор заберет их из кэш-памяти. Если же потребуются иные данные, процессор обратится к оперативной памяти, и содержимое кэша обновится. Как правило, современные процессоры имеют два блока внутренней кэш-памяти. Первый блок (кэш-память первого уровня, 11) обычно разделен на кэш данных и кэш инструкций. Второй блок (кэш-память второго уровня, 12) служит только для хранения данных. В некоторых моделях процессоров (например, Pentium 4 Extreme Edition) используется кэш-память третьего уровня.

Процессорный разъем

Для подключения кэш-памяти, блоков ввода-вывода, тактовых сигналов, питания процессору требуются сотни линий. Поэтому ядро и другие блоки процессора размещают в герметичном корпусе, оснащенном множеством контактных ножек или площадок. Корпус вставляют в процессорный разъем (Зоскет.) на системной плате, а уже от разъема шины идут к другим устройствам компьютера.

Процессорные разъемы принято маркировать по числу контактов, например Socked 775 или Socked 939. Процессоры одного семейства и одной архитектуры могут иметь разные корпуса и разные процессорные разъемы, несовместимые друг с другом. А вот обратная картина (один разъем для процессоров разной архитектуры) встречается очень редко.

Зачем процессорному разъему сотни контактов? В основном — для электропитания. Шина данных в процессоре Pentium 4 насчитывает 64-разряда и требует наличия 64 линий. Шина адреса занимает 36 линий. 124 линии отведено для служебных нужд, а 28 выводов зарезервировано. Все оставшиеся контакты используются для подачи питания. Так, в разъеме Socked 775 линий питания — 523.

Такое количество линий питания объясняется особенностями архитектуры процессоров. Современный процессор насчитывает свыше 150 миллионов транзисторов. Их надо обеспечить током: небольшим, в доли микроампера, но каждый из полутора сотен миллионов транзисторов. В итоге получается, что суммарный ток потребления процессора составляет десятки ампер. Например, максимальный потребляемый ток для процессора Pentium 4 с ядром Prescott равен 119 А. Для сравнения — максимально допустимый ток в бытовой электросети обычно не превышает 16 А.

плохо справляется с математикой, и хорошо – со всем остальным / Хабр

Все мы помним со школы мучительные упражнения в арифметике. На то, чтобы перемножить числа вроде 3 752 и 6 901 при помощи карандаша и бумаги, уйдёт не меньше минуты. Конечно же, сегодня, когда под рукой у нас телефоны, мы быстро можем проверить, что результат нашего упражнения должен равняться 25 892 552. Процессоры современных телефонов могут выполнять более 100 млрд таких операций в секунду. Более того, эти чипы потребляют всего несколько ватт, что делает их гораздо эффективнее наших медленных мозгов, потребляющих 20 Вт и требующих гораздо большего времени на достижение того же результата.

Конечно же, мозг эволюционировал не для того, чтобы заниматься арифметикой. Поэтому у него это получается плохо. Но он прекрасно справляется с обработкой постоянного потока информации, идущего от нашего окружения. И он реагирует на неё – иногда быстрее, чем мы можем это осознать. И неважно, сколько энергии будет потреблять обычный компьютер – он с трудом будет справляться с тем, что легко даётся мозгу – например, с пониманием языка или с бегом по лестнице.


Если бы могли создать машины, вычислительные способности и энергетическая эффективность которых были бы сравнимы с мозгом, то всё поменялось бы кардинально. Роботы бы ловко двигались в физическом мире и общались бы с нами на естественном языке. Крупномасштабные системы собирали бы огромные объёмы информации по бизнесу, науке, медицине или управлению государством, обнаруживая новые закономерности, находя причинно-следственные связи и делая предсказания. Умные мобильные приложения типа Siri и Cortana могли бы меньше полагаться на облака. Такая технология могла бы позволить нам создать устройства с небольшим энергопотреблением, дополняющие наши чувства, обеспечивающие нас лекарствами и эмулирующие нервные сигналы, компенсируя повреждение органов или паралич.

Но не рано ли ставить себе такие смелые цели? Не слишком ограничено ли наше понимание мозга для того, чтобы мы могли создавать технологии, работающие на основе его принципов? Я считаю, что эмуляция даже простейших особенностей нервных контуров может резко улучшить работу множества коммерческих приложений. Насколько точно компьютеры должны копировать биологические детали строения мозга, чтобы приблизиться к его уровню быстродействия – это пока открытый вопрос. Но сегодняшние системы, вдохновлённые строением мозга, или нейроморфные, станут важными инструментами для поисков ответа на него.

Ключевая особенность обычных компьютеров – физическое разделение памяти, хранящей данные и инструкции, и логики, обрабатывающей эту информацию. В мозгу такого разделения нет. Вычисления и хранение данных происходят одновременно и локально, в обширной сети, состоящей из примерно 100 млрд нервных клеток (нейронов) и более 100 трлн связей (синапсов). По большей части мозг определяется этими связями и тем, как каждый из нейронов реагирует на входящий сигнал других нейронов.

Говоря об исключительных возможностях человеческого мозга, обычно мы имеем в виду недавнее приобретение долгого эволюционного процесса – неокортекс (новую кору). Этот тонкий и крайне складчатый слой формирует внешнюю оболочку мозга и выполняет очень разные задачи, включающие обработку поступающей от чувств информации, управление моторикой, работу с памятью и обучение. Такой широкий спектр возможностей доступен довольно однородной структуре: шесть горизонтальных слоёв и миллион вертикальных столбиков по 500 мкм шириной, состоящих из нейронов, интегрирующих и распределяющих информацию, закодированную в электрических импульсах, вдоль растущих из них усиков – дендритов и аксонов.

Как у всех клеток человеческого тела, у нейрона существует электрический потенциал порядка 70 мВ между внешней поверхностью и внутренностями. Это мембранное напряжение изменяется, когда нейрон получает сигнал от других связанных с ним нейронов. Если мембранное напряжение поднимается до критической величины, он формирует импульс, или скачок напряжения, длящийся несколько миллисекунд, величиной порядка 40 мВ. Этот импульс распространяется по аксону нейрона, пока не доходит до синапса – сложной биохимической структуры, соединяющей аксон одного нейрона с дендритом другого. Если импульс удовлетворяет определённым ограничениям, синапс преобразует его в другой импульс, идущий вниз по ветвящимся дендритам нейрона, получающего сигнал, и меняет его мембранное напряжение в положительную или отрицательную сторону.

Связность – критическая особенность мозга. Пирамидальный нейрон – особенно важный тип клеток человеческого неокортекса – содержит порядка 30 000 синапсов, то есть 30 000 входных каналов от других нейронов. И мозг постоянно приспосабливается. Нейрон и свойства синапса – и даже сама структура сети – постоянно изменяются, в основном под воздействием входных данных с органов чувств и обратной связи окружающей среды.

Современные компьютеры общего назначения цифровые, а не аналоговые; мозг классифицировать не так-то просто. Нейроны накапливают электрический заряд, как конденсаторы в электронных схемах. Это явно аналоговый процесс. Но мозг использует всплески в качестве единиц информации, а это в основе своей двоичная схема: в любое время в любом месте всплеск либо есть, либо его нет. В терминах электроники, мозг – система со смешанными сигналами, с локальными аналоговыми вычислениями и передачей информацией при помощи двоичных всплесков. Поскольку у всплеска есть только значения 0 или 1, он может пройти большое расстояние, не теряя этой основной информации. Он также воспроизводится, достигая следующего нейрона в сети.

Ещё одно ключевое отличие мозга и компьютера – мозг справляется с обработкой информации без центрального тактового генератора, синхронизирующего его работу. Хотя мы и наблюдаем синхронизирующие события – мозговые волны – они организуются сами, возникая как результат работы нейросетей. Что интересно, современные компьютерные системы начинают перенимать асинхронность, свойственную мозгу, чтобы ускорить вычисления, выполняя их параллельно. Но степень и цель параллелизации двух этих систем крайне различны.

У идеи использования мозга в качестве модели для вычислений глубокие корни. Первые попытки были основаны на простом пороговом нейроне, выдающем одно значение, если сумма взвешенных входящих данных превышает порог, и другое – если не превышает. Биологический реализм такого подхода, задуманного Уорреном Маккалохом и Уолтером Питтсом в 1940-х, весьма ограничен. Тем не менее, это был первый шаг к применению концепции срабатывающего нейрона в качестве элемента вычислений.

В 1957 году Фрэнк Розенблатт предложил другой вариант порогового нейрона, перцептрон. Сеть из взаимосвязанных узлов (искусственных нейронов) составляется слоями. Видимые слои на поверхности сети взаимодействуют с внешним миром в качестве входов и выходов, а скрытые слои, находящиеся внутри, выполняют все вычисления.

Розенблатт также предложил использовать основную особенность мозга: сдерживание. Вместо того, чтобы складывать все входы, нейроны в перцептроне могут вносить и отрицательный вклад. Эта особенность позволяет нейросетям использовать единственный скрытый слой для решения задач на XOR в логике, в которых выход равен истине, если только один из двух двоичных входов истинный. Этот простой пример показывает, что добавление биологического реализма может добавлять и новые вычислительные возможности. Но какие функции мозга необходимы для его работы, а какие – бесполезные следы эволюции? Никто не знает.

Нам известно, что впечатляющих вычислительных результатов можно добиться и без попыток создать биологический реализм. Исследователи глубинного обучения продвинулись очень далеко в деле использования компьютеров для анализа крупных объёмов данных и выделения определённых признаков из сложных изображений. Хотя созданные ими нейросети обладают большим количеством входов и скрытых слоёв, чем когда бы то ни было, они всё-таки основаны на крайне простых моделях нейронов. Их широкие возможности отражают не биологический реализм, а масштаб содержащихся в них сетей и мощность используемых для их тренировки компьютеров. Но сетям с глубинным обучением всё ещё очень далеко до вычислительных скоростей, энергетической эффективности и возможностей обучения биологического мозга.

Огромный разрыв между мозгом и современными компьютерами лучше всего подчёркивают крупномасштабные симуляции мозга. За последние годы было сделано несколько таких попыток, но все они были жёстко ограничены двумя факторами: энергией и временем симуляции. К примеру, рассмотрим симуляцию, проведённую Маркусом Дайсманом с его коллегами несколько лет назад при использовании 83 000 процессоров на суперкомпьютере К в Японии. Симуляция 1,73 млрд нейронов потребляла в 10 млрд раз больше энергии, чем эквивалентный участок мозга, хотя они и использовали чрезвычайно упрощённые модели и не проводили никакого обучения. И такие симуляции обычно работали более чем в 1000 раз медленнее реального времени биологического мозга.

Почему же они такие медленные? Симуляция мозга на обычных компьютерах требует вычисления миллиардов дифференциальных уравнений, связанных между собой, и описывающих динамику клеток и сетей: аналоговые процессы вроде перемещения заряда по клеточной мембране. Компьютеры, использующие булевскую логику – меняющую энергию на точность – и разделяющие память и вычисления, крайне неэффективно справляются с моделированием мозга.

Эти симуляции могут стать инструментом познания мозга, передавая полученные в лаборатории данные в симуляции, с которыми мы можем экспериментировать, а затем сравнивать результаты с наблюдениями. Но если мы надеемся идти в другом направлении и использовать уроки нейробиологии для создания новых вычислительных систем, нам необходимо переосмыслить то, как мы разрабатываем и создаём компьютеры.

Нейроны в кремнии.

Копирование работы мозга при помощи электроники может быть более выполнимым, чем это кажется на первый взгляд. Оказывается, что на создание электрического потенциала в синапсе тратится примерно 10 фДж (10-15 джоулей). Затвор металл-оксид-полупроводникового (МОП) транзистора, значительно более крупного и потребляющего больше энергии, чем те, что используются в ЦП, требует для заряда лишь 0,5 фДж. Получается, что синаптическая передача эквивалентна зарядке 20 транзисторов. Более того, на уровне устройств биологические и электронные схемы не так уж сильно различаются. В принципе можно создать структуры, подобные синапсам и нейронам, из транзисторов, и соединить их так, чтобы получить искусственный мозг, не поглощающий таких вопиющих объёмов энергии.

Идея о создании компьютеров при помощи транзисторов, работающих как нейроны, появилась в 1980-х у профессора Карвера Мида из Калтеха. Одним из ключевых аргументов Мида в пользу «нейроморфных» компьютеров было то, что полупроводниковые устройства могут, работая в определённом режиме, следовать тем же физическим законам, что и нейроны, и что аналоговое поведение можно использовать для расчётов с большой энергоэффективностью.

Группа Мида также изобрела платформу для нейрокоммуникаций, в которой всплески кодируются только их адресами в сети и временем возникновения. Эта работа стала новаторской, поскольку она первой сделала время необходимой особенностью искусственных нейросетей. Время – ключевой фактор для мозга. Сигналам нужно время на распространение, мембранам – время на реакцию, и именно время определяет форму постсинаптических потенциалов.

Несколько активных сегодня исследовательских групп, например, группа Джиакомо Индивери из Швейцарской высшей технической школы и Квабены Боахен из Стэнфорда, пошли по стопам Мида и успешно внедрили элементы биологических корковых сетей. Фокус в том, чтобы работать с транзисторами при помощи тока низкого напряжения, не достигающего их порогового значения, создавая аналоговые схемы, копирующие поведение нервной системы, и при этом потребляющие немного энергии.

Дальнейшие исследования в этом направлении могут найти применение в таких системах, как интерфейс мозг-компьютер. Но между этими системами и реальным размером сети, связности и способностью к обучению животного мозга существует огромный разрыв.

Так что в районе 2005 году три группы исследователей независимо начали разрабатывать нейроморфные системы, существенно отличающиеся от изначального подхода Мида. Они хотели создать крупномасштабные системы с миллионами нейронов.

Ближе всех к обычным компьютерам стоит проект SpiNNaker, руководимый Стивом Фёрбером из Манчестерского университета. Эта группа разработала собственный цифровой чип, состоящий из 18 процессоров ARM, работающих на 200 МГц – примерно одна десятая часть скорости современных CPU. Хотя ядра ARM пришли из мира классических компьютеров, они симулируют всплески, отправляемые через особые маршрутизаторы, разработанные так, чтобы передавать информацию асинхронно – прямо как мозг. В текущей реализации, являющейся частью проекта Евросоюза «Человеческий мозг» [Human Brain Project], и завершённой в 2016 году, содержится 500 000 ядер ARM. В зависимости от сложности модели нейрона, каждое ядро способно симулировать до 1000 нейронов.

Чип TrueNorth, разработанный Дармендра Мода и его коллегами из Исследовательской лаборатории IBM в Альмадене, отказывается от использования микропроцессоров как вычислительных единиц, и представляет собой на самом деле нейроморфную систему, в которой переплелись вычисления и память. TrueNorth всё равно остаётся цифровой системой, но основана она на специально разработанных нейроконтурах, реализующих определённую модель нейрона. В чипе содержится 5,4 млрд транзисторов, он построен по 28-нм технологии Samsung КМОП (комплементарная структура металл-оксид-полупроводник). Транзисторы эмулируют 1 млн нейроконтуров и 256 млн простых (однобитных) синапсов на одном чипе.

Я бы сказал, что следующий проект, BrainScaleS, отошёл довольно далеко от обычных компьютеров и приблизился к биологическому мозгу. Над этим проектом работали мы с моими коллегами из Гейдельбергского университета для европейской инициативы «Человеческий мозг». BrainScaleS реализует обработку смешанных сигналов. Он комбинирует нейроны и синапсы, в роли которых выступают кремниевые транзисторы, работающие как аналоговые устройства с цифровым обменом информацией. Полноразмерная система состоит из 8-дюймовых кремниевых подложек и позволяет эмулировать 4 млн нейронов и 1 млрд синапсов.

Система может воспроизводить девять различных режимов срабатывания биологических нейронов, и разработана в тесном сотрудничестве с нейробиологами. В отличие от аналогового подхода Мида, BrainScaleS работает в ускоренном режиме, его эмуляция в 10 000 раз быстрее реального времени. Это особенно удобно для изучения процесса обучения и развития.

Обучение, скорее всего, станет критическим компонентом нейроморфных систем. Сейчас чипы, сделанные по образу мозга, а также нейросети, работающие на обычных компьютерах, тренируются на стороне при помощи более мощных компьютеров. Но если мы хотим использовать нейроморфные системы в реальных приложениях – допустим, в роботах, которые должны будут работать бок о бок с нами, они должны будут уметь учиться и адаптироваться на лету.

Во втором поколении нашей системы BrainScaleS мы реализовали возможность обучения, создав на чипе «обработчики гибкости». Они используются для изменения широкого спектра параметров нейронов и синапсов. Эта возможность позволяет нам точно подстраивать параметры для компенсации различий в размере и электрических свойствах при переходе от одного устройства к другому – примерно как сам мозг подстраивается под изменения.

Три описанных мной крупномасштабных системы дополняют друг друга. SpiNNaker можно гибко настраивать и использовать для проверки разных нейромоделей, у TrueNorth высока плотность интеграции, BrainScaleS разработана для постоянного обучения и развития. Поиски правильного способа оценки эффективности таких систем пока продолжаются. Но и ранние результаты многообещающие. Группа TrueNorth от IBM недавно подсчитала, что синаптическая передача в их системе отнимает 26 пДж. И хотя это в 1000 раз больше энергии, требующейся в биологической системе, зато это почти в 100 000 раз меньше энергии, уходящей на передачу в симуляции на компьютерах общего назначения.

Мы всё ещё находимся на ранней стадии понимания того, что могут делать такие системы и как их применять к решению реальных задач. Одновременно мы должны найти способы комбинировать множество нейроморфных чипов в крупные сети с улучшенными возможностями к обучению, при этом понижая энергопотребление. Одна из проблем – связность: мозг трёхмерный, а наши схемы – двумерные. Вопрос трёхмерной интеграции схем сейчас активно изучают, и такие технологии могут нам помочь.

Ещё одним подспорьем могут стать устройства, не основанные на КМОП – мемристоры или PCRAM (память с изменением фазового состояния). Сегодня веса, определяющие реакцию искусственных синапсов на входящие сигналы, хранятся в обычной цифровой памяти, отнимающей большую часть кремниевых ресурсов, необходимых для построения сети. Но другие виды памяти могут помочь нам уменьшить размеры этих ячеек с микрометровых до нанометровых. И основной трудностью современных систем будет поддержка различий между разными устройствами. Для этого смогут помочь принципы калибровки, разработанные в BrainScaleS.

Мы только начали свой путь по дороге к практичным и полезным нейроморфным системам. Но усилия стоят того. В случае успеха мы не только создадим мощные вычислительные системы; мы даже можем получить новую информацию о работе нашего собственного мозга.

Мозг и компьютер: что у них общего?

14 марта Детский лекторий Политеха приглашает детей от семи лет на лекцию «Как компьютер помнит». Это вторая лекция цикла «Как работает компьютер», а третья состоится через субботу, 21 марта, и будет посвящена тому, как компьютер думает.

Люди всегда проводили параллели между механизмами работы мозга и различными изобретениями. Древние, например, считали, что мозг похож на водяные часы. Связка «мозг – компьютер» стала в последнее время общим местом, но похожи ли они на самом деле?

1. И мозгу, и компьютеру нужна энергия. Мозг нуждается в питательных веществах, таких как глюкоза, компьютеру необходима электроэнергия. Оба используют сигналы для передачи сообщений: мозг задействует для этого химические вещества, компьютер – электричество. Скорость передачи сигнала у компьютера гораздо быстрее, чем в мозге человека.

2. Оба передают и обрабатывают информацию. Компьютер использует для этого двоичный код. Любая команда, которая обрабатывается процессором компьютера, кодируется при его помощи. Передача информации по нервным клеткам, или нейронам, головного мозга устроена иначе: каждый нейрон постоянно получает от других клеток информацию с помощью синаптических контактов.

3. У обоих есть память. Компьютерная память наращивается с помощью чипов. А человеку очень сложно забыть что-либо специально.

4. И компьютер, и мозг способны учиться. На сегодняшний день мозг это делает гораздо лучше, зато компьютер лучше справляется с мультизадачностью. Например, очень трудно одновременно читать вслух наизусть «Евгения Онегина» и умножать даже простые числа. Скорость работы процессора в компьютере такова, что он практически одновременно может решать несколько задач. Что-то похожее делает и мозг, задействуя вегетативную систему, которая осуществляет контроль за дыханием, частотой сердечных сокращений и кровяным давлением. А при этом мозг еще способен думать. И компьютер, и мозг могут решать логические задачи. Компьютер делает это быстрее и лучше, но он начисто лишен важнейшего человеческого свойства, столь необходимого для научных открытий – воображения.

5. Оба подвержены повреждениям, например, и компьютер, и мозг могут заразиться вирусом. Компьютер починить сравнительно просто, а мозг в случае серьезных поражения – практически невозможно. Тем не менее мозг обладает мощной системой самоисцеления, регенерации. Пока обладатель мозга жив, тот все время функционирует. Даже во сне мозг совершает большую работу. Компьютер же можно просто отключить от сети.

Почему мозг — не компьютер

Почему размер мозга не связан с умом, как в нейронах возникает электричество и зачем мы все время тормозим. В гостях у ведущего передачи «Вопрос науки» Алексея Семихатова доктор биологических наук, профессор биологического факультета МГУ Вячеслав Альбертович Дубынин.

Мозг — не компьютер, потому что в нем есть штука под названием «синапсы», где сигналы передаются химическими веществами, и это тот принцип, которого нет в компьютере. Мозг — электрический и химический.

Пока сигнал бежит по нейрону — это электрический импульс, а когда он между нейронами — это химическое вещество. В тот момент, когда передаются химические сигналы от разных синапсов, возникает то, что мы можем назвать принятием решения, а иногда — мышлением. Нервная клетка считывает, сравнивает сигналы, часть из них заставляет ее реагировать, а часть, наоборот, говорит: не реагируй.

Нейроны все время тревожат друг друга, передают информацию при помощи химических веществ. Если информация передается с помощью слабых химических сигналов, она очень легко теряется и ваша мысль, которую вы начали думать, до конца не дойдет. И поэтому «умнеть» — это, как правило, означает, что некие контакты в синапсе начинают в системе работать более эффективно. То есть, когда мы учимся и умнеем, это в наших нейросетях синапсы начинают работать более эффективно. И это, как правило, означает изменение именно на химическом уровне.

Сам нейрон — это здоровенная вычислительная машина. А элементарной структурно-функциональной единицей мозга является именно синапс. И, собственно, вычислительные возможности мозга — это не его вес, не число нейронов, а число синапсов на единицу объема.

Нейронов может быть не так много, но контактов они образуют большое количество, и эта штука будет очень эффективно считать. Иногда маленький мозг работает мощнее, чем большой. Ну так же, как компьютер. Хороший пример — это птицы. Ведь у них каждый грамм на счету, они должны летать. Поэтому они создают такие очень компактные «ноутбуки», где вычислительные ресурсы очень плотно спрессованы. Ворона или попугай по интеллекту не уступают собаке, а местами и превосходят.

Бразильская исследовательница Сюзана Херкулано-Хузел научилась очень точно считать количество нейронов в разных отделах. И последние десять лет она публикует совершенно фантастические статьи. У нее получается, что наша линия, линия приматов, как раз обладает повышенной плотностью нейронов, повышенной плотностью синапсов. А у птиц это врановые и попугаи.

Синапс срабатывает за 2–3–5 миллисекунд, это медленно. Компьютер бы просто смеялся. Вернее, он бы ждал. Мы за счет чего выскакиваем? У нас мозг так работает, что мы — не один процессор, а сотни, тысячи параллельно работающих сопроцессоров. Как идет сложный процесс — например, зрительное восприятие? Сигнал разбрасывается на разные центры, и один считает форму, второй — размер, третий — расстояние, а также объем, движение. И потом после этого ассоциативная теменная кора создает целостность.

Откуда в голове берется электричество? Начинается все с того, что мы едим глюкозу. Дальше все это попадает в митохондрии, которые все это превращают в особые энергоемкие молекулы, они называются АТФ. Это микробатарейки для внутреннего пользования нейронов. От них нейрон получает отрицательный заряд цитоплазмы. А положительный выбрасывается из клетки.

Когда говорится, что мозг потребляет до 20% энергии, — это в основном энергия на постоянную подзарядку этих внутренних батареек, на сохранение постоянного отрицательного заряда нейронов. Каждый раз, когда идет передача информации и возникает импульс, мы часть этого заряда тратим.

Эти заряды или потенциалы можно измерить. Для удобства работают с нервными клетками, которые просто выросли в чашке Петри, как микробы. Вы под микроскопом вводите в культуру клеток тончайшую стеклянную трубочку, там внутри раствор калий-хлор. И когда вы протыкаете мембрану, заряд прыгает вниз, показания вашего вольтметра меняются и составляют где-то –70 милливольт, или –0,07 вольта. Немного, но вполне осязаемо. Когда импульс идет по нейрону, он использует этот отрицательный заряд для того, чтобы генерировать очередную ступеньку тока. И вот эта ступенька бежит по нервной клетке. По сути это почти двоичный код. Все наши мысли, чувства, эмоции кодируются такими ступеньками. Если мы воткнемся в правильное место нейросети и будем такие ступеньки подавать, мы можем у человека вызвать иллюзию положительных эмоций. Или какого-то зрительного образа. Или движение запустить.

И когда такой импульс добегает до окончания нервной клетки, он запускает движение специальных пузырьков. Там вещество — медиатор, по-русски посредник. И этот посредник влияет на мембрану следующей нервной клетки. Пузырек прилипает к наружной мембране и лопается. Медиаторы выбрасываются в узкую щель между двумя нервными клетками. Она называется «синаптическая щель». Дальше эти медиаторы доплывают до следующей клетки и нажимают на специальные чувствительные белки. Если медиатора достаточно много, тогда следующий нейрон сгенерирует импульс и это будет означать, что какой-то кусочек информации благополучно миновал синапс.

Просто так информацию никто не проводит, иначе наш мозг будет зашумлен. Сигнал должен быть достаточно сильным. Для того чтобы возник импульс на следующей клетке, надо, чтобы эти волны дошли до уровня где-то –50 милливольт. Одиночное срабатывание синапса обычно дает только половину, а то и треть от этого. Чтобы сигнал прошел, нужно повторное подтверждение: да, это значимо, да, это значимо… Это называется «временная суммация», когда по одному каналу идет несколько пинков. Срабатывание сразу нескольких каналов называется пространственной суммацией. В реальном мозге работают и пространственная, и временная.

Но кроме возбуждающих синапсов есть еще тормозные, которые мешают работать возбуждающим. При работе тормозных синапсов возникает противоположное течение зарядов. И волна торможения вычитается из волны возбуждения.

Когда стали изучать мозг, то увидели, что половина нейронов занимается торможением. Очень важно проводить информацию и не менее важно не проводить. Когда важно не проводить информацию? Например, школьник спокойно сидит за партой и не чешется, не крутится, смотрит на доску. Или вы просто идете, у вас из 400 мышц работают только 10%, а остальные надо подтормаживать. У нас главная двигательная структура находится в мозжечке, и там самые крупные нейроны — именно тормозные. Они блокируют лишние движения.

Чтобы хорошо двигаться, нужно начать с того, что себя блокировать, а уже потом разблокировать. Наши двигательные центры так организованы, что над ними все время тормозная завеса. Потому что это очень критичная на самом деле штука — движение. Ведь мы, если совершили неподходящий шаг, можем погибнуть просто мгновенно. Поэтому в сенсорной системе, в центрах памяти, эмоций возбуждение возникает гораздо легче. Там это не так критично — подумаешь, там что-то послышалось!

Можно привести такой пример: апельсин на прилавке магазина. Вы видите, что да, это апельсин, вы чувствуете его запах, а еще центры голода говорят: неплохо бы поесть! И вот вы уже почти его схватили. А в это время тормозные нейроны сообщают: это вообще-то не ваш апельсин. Вы его еще не купили. И денег у вас нет. И воровать нехорошо. Вот если эти волны вниз так вычтутся из волн вверх, что мы не дойдем до порога запуска импульса, то ничего не будет. А если возбуждение все-таки победит — вы схватите апельсин и попытаетесь убежать.

Наша работа нейронов — это все время вот такая конкуренция возбуждения и торможения. Это даже мышлением назвать немного стыдно. И таких процессов происходит невероятное, безумное количество. Потому что счет синапсов идет на триллионы.

Мозг, издание дополненное. Можно ли соединить мозг с компьютером и зачем

Интерфейсы «мозг-компьютер» сами по себе не новы. Такие устройства считывают электрическую активность мозга и позволяют человеку, который научился эту активность частично контролировать, делать что-нибудь полезное, например набирать текст или управлять механизмами. Поскольку для этого требуется точное лабораторное оборудование, а иногда и вживление электродов в мозг, к таким технологиям прибегают лишь тогда, когда у человека нет другого способа взаимодействовать с окружающим миром.

Те устройства, которые предназначены для здоровых людей и продаются в интернете, тоже считывают электрическую активность мозга, но они весьма примитивны и не тянут на звание полноценных интерфейсов «мозг-компьютер». Однако Neuralink, Facebook и другие компании собираются каким-то образом это исправить.

О том, как сейчас развиваются научные исследования в этом направлении и могут ли интерфейсы «мозг-компьютер» действительно стать реальностью для обычных людей, «Чердак» поговорил с нейрофизиологом Михаилом Лебедевым из Университета Дьюка (США), редактором сборника статей «Расширение функций мозга: факты, выдумки и полемика», опубликованного издательством Frontiers.

 — О чем ваш сборник?

— Сегодня почти каждый день можно прочитать в новостях, что какая-нибудь компания обещает соединить живой мозг с компьютером и улучшить человечество при помощи искусственного интеллекта. Наш сборник к этим вопросам подходит с научной точки зрения. У нас накопилось 149 статей по разным способам расширения функций мозга: от фармакологических до интерфейсов «мозг-компьютер», а также по связанным с этим философским и этическим вопросам.

— Как вы оцениваете планы Neuralink и Facebook?

— Наука ведет себя более скромно, но я могу констатировать, что развитие идет, и довольно быстрое. Десяток лет назад имплантировать 100 электродов в мозг обезьяны казалось великим достижением, а сейчас уже поговаривают о миллионах электродов, причем их можно будет впрыскивать через шприц, так чтобы электродная наносетка растекалась по мозгу.

Впрочем, в последнее время говорят, что благодаря защитникам животных на людях экспериментировать становится проще, чем на обезьянах, ведь у человека можно взять согласие на эксперимент. Действительно, появляется все больше работ, где парализованным людям имплантируют инвазивные электроды, и они что-то делают — двигают механической рукой или даже своей собственной. На здоровых людях такие эксперименты пока не проводятся, но я думаю, нашлось бы много волонтеров.

— Какие есть ограничения?

— Имплантированные человеку электроды могут работать как минимум год. Проблема в том, что пока не существует полностью имплантируемой системы, которая бы включала и батарейку, и передатчик. Потом все это нужно закрыть кожей, чтобы из головы не торчали провода. Для человека торчащие провода — это очень плохо, потому что наш организм неэффективно борется с инфекциями, это у обезьян крепкая иммунная система, им все нипочем. Поэтому человеку обычно вживляют электроды на определенный срок, например 30 дней, а после вынимают обратно.

— Могут ли стать эти технологии частью повседневной жизни?

— Если это направление будет развиваться дальше, то появятся люди, которые смогут выводить сигнал собственного мозга на телефон, например. А уж как он будет обрабатываться, зависит от фантазии разработчиков софта.

Сигналов мозга очень много, и они разные. Сейчас, например, в основном имплантируют электроды в моторную и соматосенсорную области, но можно задействовать и другие участки мозга. В ближайшие 20 лет, я думаю, эти технологии будут использоваться для восстановления зрения при помощи имплантированных камер, которые будут передавать сигналы в зрительную кору мозга.

— Будет ли это все работать в условиях увеличивающегося количества источников электромагнитного излучения вокруг?

— Электромагнитные помехи, бесспорно, проблема. Ведь современные интерфейсы тестируют, как правило, в лаборатории, где такие помехи минимальны, а в реальной ситуации множество источников излучения. С этим можно бороться с помощью фильтрации сигнала. Более радикальный способ был бы подключаться к нейронам внутриклеточно, возможно, подобные технологии получат развитие.

— Вы упомянули фармакологические методы улучшения мозговых функций. Что имеется в виду?

— Это, например, ноотропные препараты, которыми активно пользуются студенты во время сессии. У нас есть по этому поводу хороший обзор в сборнике, но авторы предупреждают, что все эти препараты сначала улучшают работу мозга, дают бодрость и работоспособность, а потом она падает. В целом прием таких препаратов вреден, так как может привести к нежелательным пластическим изменениям в мозге.

— Какие с этими исследования связаны этические проблемы?

— Основная — это, конечно, внедрение в человеческую личность. Как раз недавно в Science появилась статья, где упоминаются связанные с этим проблемы:

  • робот, управляемый мозгом, может «наломать дров», и непонятно, кто за это должен отвечать;
  • из мозга может быть украдена личная информация;
  • использование устройств, опробованных только в лаборатории, для широких групп пациентов может иметь непредсказуемые последствия.

 Екатерина Боровикова

Почему ваш мозг не компьютер | Неврология

Мы переживаем одно из величайших научных начинаний — попытку понять самый сложный объект во Вселенной — мозг. Ученые накапливают огромное количество данных о структуре и функциях огромного множества мозгов, от самых маленьких до наших. Десятки тысяч исследователей тратят огромное количество времени и энергии на размышления о том, что делает мозг, и удивительные новые технологии позволяют нам как описывать, так и управлять этой деятельностью.

Теперь мы можем заставить мышь вспомнить что-то о запахе, с которым она никогда не сталкивалась, превратить плохую память мыши в хорошую и даже использовать электрический разряд, чтобы изменить восприятие лиц людьми. Мы составляем все более подробные и сложные функциональные карты мозга человека и других людей. У некоторых видов мы можем по желанию изменять саму структуру мозга, в результате меняя поведение животного. Некоторые из самых глубоких последствий нашего растущего мастерства можно увидеть в нашей способности позволить парализованному человеку управлять роботизированной рукой силой своего разума.

Каждый день мы слышим о новых открытиях, проливающих свет на то, как работает мозг, а также об обещаниях — или угрозах — новых технологий, которые позволят нам делать такие надуманные вещи, как читать мысли, обнаруживать преступников или даже быть загруженным в компьютер. Неоднократно выпускаются книги, каждая из которых утверждает, что по-разному объясняет работу мозга.

И все же среди некоторых нейробиологов растет убежденность в том, что наш будущий путь не ясен. Трудно понять, к чему мы должны двигаться, кроме как просто собрать больше данных или рассчитывать на последний захватывающий экспериментальный подход.Как сказал немецкий нейробиолог Олаф Спорнс: «Нейробиологии по-прежнему не хватает организационных принципов или теоретической основы для преобразования данных мозга в фундаментальные знания и понимание». Несмотря на накопление огромного количества фактов, наше понимание мозга, похоже, заходит в тупик.

В 2017 году французский нейробиолог Ив Френьяк сосредоточился на нынешней моде сбора огромных объемов данных в дорогостоящих крупномасштабных проектах и ​​утверждал, что цунами данных, которые они производят, ведет к серьезным узким местам, отчасти потому, что он выразился лаконично: «большие данные — это не знания».

«Всего 20–30 лет назад нейроанатомической и нейрофизиологической информации было относительно мало, в то время как понимание процессов, связанных с сознанием, казалось, было вполне достижимым», — писал Френьяк. «В настоящее время мы тонем в потоке информации. Парадоксально, но всякое чувство глобального понимания находится под угрозой исчезновения. Каждое преодоление технологических барьеров открывает ящик Пандоры, выявляя скрытые переменные, механизмы и нелинейности, добавляя новые уровни сложности ».

Нейробиологи Энн Черчленд и Ларри Эбботт также подчеркнули наши трудности в интерпретации огромного количества данных, которые производятся лабораториями по всему миру: «Для получения глубокого понимания этого натиска потребуются, помимо умелого и творческого применения. экспериментальных технологий, существенного прогресса в методах анализа данных и интенсивного применения теоретических концепций и моделей.

Существуют теоретические подходы к работе мозга, в том числе к самому загадочному, что может делать человеческий мозг — создавать сознание. Но ни одна из этих рамок не получила широкого признания, поскольку ни одна из них еще не прошла решающую проверку экспериментальным исследованием. Возможно, что неоднократные призывы к новой теории могут быть благочестивой надеждой. Можно утверждать, что не существует единой теории функционирования мозга, даже у червя, потому что мозг — это не что-то одно. (Ученым даже трудно дать точное определение того, что такое мозг.)

По наблюдениям Фрэнсиса Крика, соавтора двойной спирали ДНК, мозг представляет собой интегрированную, эволюционировавшую структуру, различные части которой появляются в разные моменты эволюции и адаптированы для решения различных задач. Наше нынешнее понимание того, как все это работает, крайне частичное — например, большинство сенсорных исследований в области нейробиологии было сосредоточено на зрении, а не на запахе; запах концептуально и технически более сложен. Но то, как работают обоняние и зрение, различается как в вычислительном, так и в структурном отношении.Сосредоточившись на зрении, мы развили очень ограниченное понимание того, что делает мозг и как он это делает.

Природа мозга — одновременно интегрированный и составной — может означать, что наше будущее понимание неизбежно будет фрагментировано и состоять из разных объяснений для разных частей. Черчленд и Эбботт объяснили это следующим образом: «Глобальное понимание, когда оно придет, скорее всего, примет форму очень разнообразных панелей, свободно сшитых вместе в лоскутное одеяло.


На протяжении более полувека все эти весьма разнообразные панели лоскутного шитья, над которыми мы работали, были созданы, полагая, что мозговые процессы включают что-то вроде тех, что выполняются в компьютере. Но это не значит, что эта метафора будет полезна и в будущем. В самом начале цифровой эпохи, в 1951 году, нейробиолог-пионер Карл Лэшли выступил против использования каких-либо машинных метафор.

«Декарт был впечатлен гидравлическими фигурами в королевских садах, и он разработал гидравлическую теорию действия мозга», — писал Лэшли.«С тех пор у нас были теории телефона, теории электрического поля, а теперь и теории, основанные на вычислительных машинах и автоматических рулях направления. Я предполагаю, что мы с большей вероятностью узнаем о том, как работает мозг, изучая сам мозг и явления поведения, чем прибегая к надуманным физическим аналогиям ».

Это отказ от метафоры недавно пошел еще дальше французским нейробиологом Роменом Бреттом, который бросил вызов самой фундаментальной метафоре функции мозга: кодированию.С момента своего появления в 1920-х годах идея нейронного кода стала доминировать в нейробиологическом мышлении — за последние 10 лет было опубликовано более 11000 статей по этой теме. Фундаментальная критика Бретта заключалась в том, что, размышляя о «коде», исследователи непреднамеренно уходят от технического смысла, в котором существует связь между стимулом и активностью нейрона, к репрезентативному чувству, согласно которому нейронные коды представляют этот стимул. .

Неустановленное значение в большинстве описаний нейронного кодирования состоит в том, что активность нейронных сетей представляется идеальному наблюдателю или читателю в мозгу, часто описываемым как «нисходящие структуры», которые имеют доступ к оптимальному способу декодирования сигналов.Но способы, которыми такие структуры на самом деле обрабатывают эти сигналы, неизвестны и редко предполагаются явно, даже в простых моделях функций нейронных сетей.

МРТ головного мозга. Фотография: Getty / iStockphoto

Обработка нейронных кодов обычно рассматривается как последовательность линейных шагов — как ряд домино, падающих один за другим. Однако мозг состоит из очень сложных нейронных сетей, которые связаны между собой и связаны с внешним миром для осуществления действий.Сосредоточение внимания на наборах сенсорных и обрабатывающих нейронов без привязки этих сетей к поведению животного упускает смысл всей этой обработки.

Рассматривая мозг как компьютер, который пассивно реагирует на ввод и обрабатывает данные, мы забываем, что это активный орган, часть тела, которая вмешивается в мир и имеет эволюционное прошлое, которое сформировало его структуру и функция. Такой взгляд на мозг был изложен венгерским нейробиологом Дьёрдь Бужаки в своей недавней книге «Мозг изнутри».По словам Бужаки, мозг не просто пассивно поглощает стимулы и представляет их через нейронный код, но, скорее, активно ищет альтернативные возможности для проверки различных вариантов. Его вывод, сделанный учеными еще в 19 веке, заключается в том, что мозг не представляет информацию: он ее конструирует.

Метафоры нейробиологии — компьютеры, кодирование, электрические схемы и так далее — неизбежно частичны. Такова природа метафор, которые интенсивно изучаются философами науки и учеными, поскольку они кажутся столь важными для образа мышления ученых.Но метафоры также богаты и позволяют проникнуть в суть и сделать открытия. Наступит момент, когда понимание, которое они допускают, будет перевешиваться ограничениями, которые они налагают, но в случае вычислительных и репрезентативных метафор мозга нет согласия, что такой момент наступил. С исторической точки зрения, сам факт проведения этих дебатов предполагает, что мы действительно приближаемся к концу вычислительной метафоры. Однако неясно, что его заменит.

Ученые часто приходят в восторг, когда понимают, как их взгляды формировались с помощью метафор, и понимают, что новые аналогии могут изменить их понимание своей работы или даже дать им возможность разрабатывать новые эксперименты. Придумывать эти новые метафоры сложно — большинство из тех, что использовались в прошлом в отношении мозга, были связаны с новыми видами технологий. Это может означать, что появление новых и проницательных метафор для мозга и того, как он функционирует, зависит от будущих технологических прорывов, наравне с гидроэнергетикой, телефонной станцией или компьютером.Нет никаких признаков такого развития; Несмотря на последние модные слова — блокчейн, квантовое превосходство (или квантовое что угодно), нанотехнологии и так далее — маловероятно, что эти области изменят технологии или наше представление о том, что делает мозг.


Одним из признаков того, что наши метафоры могут терять свою объяснительную силу, является широко распространенное предположение, что многое из того, что делает нервная система, от простых систем до появления сознания у людей, может быть объяснено только как эмерджентные свойства — вещи, которые вы не может предсказать из анализа компонентов, но которые появляются как функции системы.

В 1981 году британский психолог Ричард Грегори утверждал, что использование эмерджентности как способа объяснения функции мозга указывает на проблему с теоретической структурой: «Появление« эмерджентности »вполне может быть признаком того, что более общая (или как минимум другая) нужна концептуальная схема … Хорошие теории должны убрать видимость эмерджентности. (Таким образом, объяснения с точки зрения появления ложны.) »

При этом не учитывается тот факт, что существуют разные виды появления: слабые и сильные.Слабые эмерджентные особенности, такие как движение стаи крошечных рыбок в ответ на акулу, можно понять с точки зрения правил, управляющих поведением их составных частей. В таких случаях очевидно загадочное групповое поведение основывается на поведении особей, каждый из которых реагирует на такие факторы, как движение соседа, или внешние раздражители, такие как приближение хищника.

Этот вид слабого возникновения не может объяснить активность даже простейших нервных систем, не говоря уже о работе вашего мозга, поэтому мы возвращаемся к сильному возникновению, когда возникающее явление не может быть объяснено активностью отдельных компонентов.И вы, и страница, на которой вы это читаете, состоите из атомов, но ваша способность читать и понимать проистекает из особенностей, которые возникают через атомы в вашем теле, формируя структуры более высокого уровня, такие как нейроны и их схемы возбуждения, а не просто из атомы взаимодействуют.

Сильная эмерджентность недавно подверглась критике со стороны некоторых нейробиологов как рискованная «метафизическая неправдоподобность», потому что нет ни очевидного причинного механизма, ни какого-либо единственного объяснения того, как возникает эмерджентность.Как и Грегори, эти критики утверждают, что использование эмерджентности для объяснения сложных явлений предполагает, что нейробиология находится на ключевом историческом этапе, подобном тому, который видел медленное превращение алхимии в химию. Но столкнувшись с тайнами нейробиологии, мы часто прибегаем к эмерджентности. И это не так уж и глупо — удивительные свойства программ глубокого обучения, которые, по сути, не могут быть объяснены людьми, которые их разрабатывают, по сути являются эмерджентными свойствами.

Интересно, что в то время как некоторые нейробиологи сбиты с толку метафизикой эмерджентности, исследователи искусственного интеллекта упиваются этой идеей, полагая, что явная сложность современных компьютеров или их взаимосвязь через Интернет приведет к тому, что драматично называют необычность.Машины станут сознательными.

Существует множество вымышленных исследований этой возможности (в которых вещи часто заканчиваются плохо для всех заинтересованных лиц), и этот предмет, безусловно, будоражит воображение публики, но кроме нашего незнания того, как работает сознание, нет никаких оснований полагать, что это произойдет в ближайшее время. В принципе, это должно быть возможно, потому что рабочая гипотеза состоит в том, что разум является продуктом материи, которую мы, следовательно, должны иметь возможность имитировать в устройстве.Но масштаб сложности даже простейшего мозга превосходит любую машину, которую мы сейчас можем себе представить. В ближайшие десятилетия — столетия — сингулярность будет предметом научной фантастики, а не науки.

Родственный взгляд на природу сознания превращает метафору мозга как компьютера в строгую аналогию. Некоторые исследователи рассматривают разум как своего рода операционную систему, реализованную на нейронном оборудовании, подразумевая, что наш разум, рассматриваемый как особое вычислительное состояние, может быть загружен на какое-то устройство или в другой мозг.В том виде, как это обычно преподносят, это неправильно или, в лучшем случае, безнадежно наивно.

Рабочая гипотеза материалистов состоит в том, что мозг и разум людей, личинок и всего остального идентичны. Нейроны и поддерживаемые ими процессы, включая сознание, — это одно и то же. В компьютере программное обеспечение и оборудование разделены; тем не менее, наш мозг и наш разум состоят из того, что лучше всего можно описать как «мокрое ПО», в котором то, что происходит, и то, где это происходит, полностью взаимосвязаны.

Представление о том, что мы можем перепрофилировать нашу нервную систему для запуска других программ или загрузки нашего разума на сервер, может показаться научным, но за этой идеей скрывается нематериалистическая точка зрения, восходящая к Декарту и не только. Это означает, что наш разум каким-то образом плавает в нашем мозгу и может быть перенесен в другую голову или заменен другим разумом. Можно было бы придать этой идее видимость научной респектабельности, представив ее в терминах чтения состояния набора нейронов и записи этого на новый субстрат, органический или искусственный.

Но чтобы даже представить себе, как это может работать на практике, нам потребуется как понимание нейронных функций, выходящее далеко за рамки того, что мы можем сейчас себе представить, и потребует невообразимо огромных вычислительных мощностей, так и моделирование, которое точно имитировало бы структуру рассматриваемый мозг. Чтобы это было возможно даже в принципе, нам сначала нужно было бы полностью смоделировать деятельность нервной системы, способной удерживать одно состояние, не говоря уже о мысли.Мы так далеки от этого первого шага, что возможность загрузки вашего разума может быть отвергнута как фантастика, по крайней мере, до далекого будущего.


На данный момент метафора «мозг как компьютер» сохраняет свое доминирующее значение, хотя существуют разногласия по поводу того, насколько сильна эта метафора. В 2015 году робототехник Родни Брукс выбрал вычислительную метафору мозга как свою домашнюю ненависть в своем вкладе в сборник эссе под названием This Idea Must Die. Менее драматично, но делая аналогичные выводы, два десятилетия назад историк С. Райан Йоханссон утверждал, что «бесконечные споры об истинности или ложности метафор вроде« мозг — это компьютер »- пустая трата времени.Предлагаемые отношения являются метафорическими, и они приказывают нам что-то делать, а не пытаются сказать нам правду ».

С другой стороны, американский эксперт в области искусственного интеллекта Гэри Маркус выступил в защиту компьютерной метафоры: «В двух словах, компьютеры представляют собой систематические архитектуры, которые принимают входные данные, кодируют и обрабатывают информацию, а также преобразуют их. в выходы. Насколько мы можем судить, мозг именно так. На самом деле вопрос не в том, является ли мозг процессором информации как таковой, а скорее в том, как мозг хранит и кодирует информацию и какие операции он выполняет с этой информацией после того, как она закодирована.

Маркус продолжал утверждать, что задача нейробиологии — «реконструировать» мозг, во многом так же, как можно изучать компьютер, исследуя его компоненты и их взаимосвязи, чтобы расшифровать, как он работает. Это предложение существует уже некоторое время. В 1989 году Крик признал ее привлекательность, но почувствовал, что она потерпит неудачу из-за сложной и запутанной эволюционной истории мозга — он резко заявил, что это все равно что пытаться реконструировать часть «инопланетной технологии». Он утверждал, что попытки найти общее объяснение того, как работает мозг, логически вытекает из его структуры, обречены на провал, потому что отправная точка почти наверняка неверна — общей логики нет.

Обратный инжиниринг компьютера часто используется в качестве мысленного эксперимента, чтобы показать, как в принципе мы могли бы понять мозг. Эти мысленные эксперименты неизбежно оказываются успешными, побуждая нас следовать этому способу понимания мягких органов в нашей голове. Но в 2017 году пара нейробиологов решила провести эксперимент на реальном компьютерном чипе, который имел реальную логику и реальные компоненты с четко спроектированными функциями. Дела пошли не так, как ожидалось.

Дуэт — Эрик Джонас и Конрад Пол Кординг — использовали те самые методы, которые они обычно использовали для анализа мозга, и применили их к процессору MOS 6507, который использовался в компьютерах конца 70-х — начала 80-х годов, что позволяло этим машинам запускать такие видеоигры, как как Donkey Kong и Space Invaders.

Во-первых, они получили коннектом микросхемы путем сканирования содержащихся в нем транзисторов режима улучшения 3510 и моделирования устройства на современном компьютере (включая запуск игровых программ в течение 10 секунд). Затем они использовали весь спектр нейробиологических методов, таких как «повреждения» (удаление транзисторов из моделирования), анализ «пиковой» активности виртуальных транзисторов и изучение их связности, наблюдая влияние различных манипуляций на поведение системы. , если судить по его способности запускать каждую из игр.

Несмотря на развертывание этого мощного аналитического арсенала и несмотря на то, что существует четкое объяснение того, как работает чип (это «основная истина», говоря техноязыком), исследование не смогло выявить иерархию обработки информации, которая происходит внутри чип. Как выразились Джонас и Кординг, эти методы не привели к «значительному пониманию». Их вывод был мрачным: «В конечном итоге проблема не в том, что нейробиологи не могут понять микропроцессор, проблема в том, что они не поймут его, учитывая подходы, которые они сейчас используют.

Этот отрезвляющий результат говорит о том, что, несмотря на привлекательность компьютерной метафоры и тот факт, что мозг действительно обрабатывает информацию и каким-то образом представляет внешний мир, нам все же необходимо совершить значительные теоретические открытия, чтобы добиться прогресса. Даже если бы наш мозг был спроектирован в соответствии с логическими линиями, а это не так, наши нынешние концептуальные и аналитические инструменты были бы совершенно неадекватными для задачи их объяснения. Это не означает, что проекты моделирования бессмысленны — моделируя (или моделируя), мы можем проверять гипотезы, и, связывая модель с хорошо зарекомендовавшими себя системами, которыми можно точно управлять, мы можем получить представление о том, как функционирует реальный мозг.Это чрезвычайно мощный инструмент, но требуется определенная степень скромности, когда дело касается заявлений, сделанных для таких исследований, и необходим реализм в отношении трудностей, связанных с проведением параллелей между мозгом и искусственными системами.

Современные методы «обратного проектирования» не могут дать правильного понимания микросхемы консоли Atari, не говоря уже о человеческом мозге. Фотография: Radharc Images / Alamy

Даже такая очевидная вещь, как определение емкости памяти мозга, разваливается, когда это делается.Подобные расчеты чреваты концептуальными и практическими трудностями. Мозг — это естественное эволюционное явление, а не цифровое устройство. Хотя часто утверждается, что определенные функции тесно локализованы в головном мозге, как в машине, эта уверенность неоднократно подвергалась сомнению новыми нейроанатомическими открытиями неожиданных связей между областями мозга или удивительными примерами пластичности, в которых люди могут функционировать. обычно без кусочков мозга, якобы посвященных определенному поведению.

На самом деле сами структуры мозга и компьютера совершенно разные. В 2006 году Ларри Эбботт написал эссе под названием «Где на этой штуке переключатели?», В котором он исследовал потенциальные биофизические основы самого элементарного компонента электронного устройства — переключателя. Хотя тормозящие синапсы могут изменять поток активности, делая нижележащий нейрон невосприимчивым, такие взаимодействия в мозге относительно редки.

Нейрон — это не бинарный переключатель, который можно включать или выключать, образуя электрическую схему.Вместо этого нейроны реагируют аналогично, изменяя свою активность в ответ на изменения в стимуляции. Нервная система изменяет свою работу, изменяя паттерны активации в сетях клеток, состоящих из большого числа единиц; именно эти сети направляют, переключают и шунтируют активность. В отличие от любого устройства, которое мы когда-либо представляли, узлы этих сетей не являются стабильными точками, такими как транзисторы или вентили, а являются наборами нейронов — сотнями, тысячами, десятками тысяч — которые могут последовательно реагировать как сеть с течением времени, даже если компонент клетки демонстрируют непоследовательное поведение.

Понимание даже самых простых из таких сетей в настоящее время недоступно. Ева Мардер, нейробиолог из Университета Брандейса, провела большую часть своей карьеры, пытаясь понять, как несколько десятков нейронов в желудке омара вызывают ритмичное измельчение. Несмотря на огромные усилия и изобретательность, мы все еще не можем предсказать эффект изменения одного компонента в этой крошечной сети, которая даже не является простым мозгом.

Это большая проблема, которую мы должны решить. С одной стороны, мозг состоит из нейронов и других клеток, которые взаимодействуют друг с другом в сети, на активность которых влияет не только синаптическая активность, но и различные факторы, такие как нейромодуляторы.С другой стороны, очевидно, что функция мозга включает сложные динамические паттерны нейрональной активности на популяционном уровне. Я подозреваю, что найти связь между этими двумя уровнями анализа будет проблемой на протяжении большей части оставшегося века. А перспектива правильного понимания того, что происходит в случаях психического заболевания, еще дальше.

Не все нейробиологи пессимистичны — некоторые уверенно заявляют, что применение новых математических методов позволит нам понять бесчисленные взаимосвязи в человеческом мозге.Другие, такие как я, предпочитают изучать животных на другом конце шкалы, сосредотачивая наше внимание на крошечных мозгах червей или личинок и используя хорошо зарекомендовавший себя подход, заключающийся в стремлении понять, как работает простая система, а затем применять эти уроки к большему количеству людей. сложные случаи. Многие нейробиологи, если они вообще задумываются о проблеме, просто считают, что прогресс неизбежно будет постепенным и медленным, потому что не существует великой единой теории мозга, скрывающейся за углом.

Есть много альтернативных сценариев того, как может развиваться будущее нашего понимания мозга: возможно, различные вычислительные проекты будут успешными, и теоретики взломают функционирование всего мозга, или коннектомы раскроют принципы работы мозга, которые являются в настоящее время скрыто от нас. Или теория каким-то образом всплывет из огромного количества данных изображений, которые мы генерируем. Или мы постепенно соберем теорию (или теории) из серии отдельных, но удовлетворительных объяснений.Или, сосредоточившись на простых принципах нейронной сети, мы поймем организацию более высокого уровня. Или какой-нибудь радикально новый подход, объединяющий физиологию, биохимию и анатомию, прольет решающий свет на то, что происходит. Или новые сравнительные эволюционные исследования покажут, как другие животные обладают сознанием, и дадут представление о функционировании нашего собственного мозга. Или невообразимые новые технологии изменят все наши взгляды, предоставив радикально новую метафору для мозга. Или наши компьютерные системы предоставят нам новую тревожную информацию, став сознательными.Или новая структура появится из кибернетики, теории управления, теории сложности и динамических систем, семантики и семиотики. Или мы согласимся с тем, что теории не существует, потому что у мозга нет общей логики, а есть только адекватные объяснения каждой крошечной части, и нам придется этим удовлетвориться. Или —

Это отредактированный отрывок из книги Мэтью Кобба «Идея мозга», которая будет опубликована в Великобритании 12 марта на сайте Profile и 21 апреля на сайте Basic Books в США и доступна в магазине guardianbookshop.com

Подпишитесь на длинное чтение в Твиттере по адресу @gdnlongread и подпишитесь на длинное еженедельное электронное письмо здесь.

Компьютерный мозг | HowStuffWorks

Базой операций для мозга компьютера является материнская плата . Материнская плата служит буквальным фундаментом для многих других элементов вашего компьютера. Это большая печатная плата. На материнской плате есть разъемы и разъемы, которые позволяют другим компонентам взаимодействовать друг с другом.Материнские платы бывают разных форм и размеров — материнская плата портативного компьютера может отличаться от платы настольного компьютера.

Компьютерный мозг — это микропроцессор, называемый центральным процессором ( CPU ). ЦП — это микросхема, содержащая миллионы крошечных транзисторов. Задача ЦП — выполнять вычисления, необходимые для работы компьютера — транзисторы ЦП манипулируют данными. Вы можете думать о ЦП как о принимающем решение.

Еще одним важным компонентом компьютеров является память.Двумя наиболее важными типами памяти являются постоянная память ( ROM ) и оперативная память ( RAM ). Компьютеры могут читать данные, хранящиеся в ПЗУ, но не могут записывать в них новые данные. С ОЗУ компьютеры могут читать и записывать в эту память. Без компьютерной памяти все вычисления на компьютере были бы без состояния . Это означает, что не будет возможности сохранять информацию от одного момента к другому, и каждый процесс начнется с чистого листа.Это бесполезно, если вы хотите создавать сложные программы.

Многие настольные ПК имеют емкость для дополнительной оперативной памяти. Пользователь просто должен открыть компьютер и вставить чипы RAM в соответствующие гнезда на материнской плате. Но другие компьютеры — это закрытые системы — вы не должны открывать их и вносить изменения, поэтому вы в значительной степени застряли на том, что у вас есть.

Микросхема, называемая базовой системой ввода-вывода ( BIOS ), тесно взаимодействует с процессором. BIOS — это особый вид ПЗУ.Если вы думаете о ЦП как о мозге компьютера, тогда вы можете рассматривать BIOS как позвоночник. Задача BIOS — обрабатывать взаимодействие между программным обеспечением, работающим на компьютере, и аппаратными компонентами машины.

Материнская плата, ЦП, ПЗУ, ОЗУ и BIOS берут на себя большую часть тяжелой работы, связанной с компьютерными процессами. Они несут ответственность за распределение ресурсов для приложений, чтобы они работали без сбоев. Они также принимают ввод с таких устройств, как клавиатуры, мыши и другие компьютерные аксессуары.

Внутри вашего компьютера много других компонентов. В следующем разделе давайте разберемся с внутренностями компьютера.

Угасающая мечта компьютерного мозга

Двенадцать лет назад, когда я закончил колледж, я хорошо знал о шумихе Кремниевой долины, но считал, что методы продаж частных технологических компаний — это мир, далекий от объективных истин о биологии человека. преподавали в классах нейробиологии. В то время я видел, как нейробиолог Генри Маркрам заявил в своем выступлении на TED, что он придумал способ смоделировать весь человеческий мозг на суперкомпьютере за 10 лет.Этот смоделированный компьютером орган позволит ученым мгновенно и неинвазивно протестировать новые методы лечения расстройств и заболеваний, что уведет нас от исследований, которые зависят от экспериментов на животных и тонких вмешательств на живых людях, к подходу in silico к нейробиологии.

Мой 22-летний разум не воспринял это как чрезмерно раздутое предложение. Напротив, это было захватывающим и смелым моментом, который превращает далекую научную несбыточную мечту во внезапно осязаемую цель и побуждает спонсоров и коллег-исследователей мыслить масштабнее.Так я начал 10-летний документальный проект, посвященный Маркраму и его проекту «Синий мозг», причем начало фильма совпало с началом эры большой нейробиологии, когда гудящие черные ящики, произведенные Кремниевой долиной, стали рассматриваться как великие новая надежда разобраться в черных ящиках между нашими ушами.

В моем десятилетнем путешествии по документированию видения Маркрама нет четких ответов, кроме, пожалуй, одного: яркие презентации и явные амбиции — плохие индикаторы успеха, когда дело доходит до понимания сложных биологических механизмов мозга.Сегодня, когда мы являемся свидетелями того, как обезьяна управляет разумом игры в Понг в рамках типично напыщенной демонстрации стартапа Илона Маска Neuralink, существует как никогда большая потребность в том, чтобы раскрутить круговорот ажиотажа, чтобы избавиться от шумихи. бороться с тем, что будущее мозговых технологий и нейробиологии уготовлено человечеству.

Подобного рода ажиотаж часто полагается на избирательную амнезию невыполненных обещаний прошлого, чтобы энтузиазм по поводу научно-технического прогресса мог быть восполнен заново.Мое собственное первоначальное волнение по поводу обещаний проекта «Голубой мозг» осталось со мной, но превратилось в более беспорядочный и сложный опыт. Критика и технологические ограничения, с которыми я столкнулся за десять лет после выступления Маркрама на TED, превратили каждый новый цикл нейро-ажиотажа в мощное напоминание об этих ранних энтузиазмах и об опасности неправильного обращения с ними.

Мой первый сдвиг в мышлении произошел примерно через три года после того, как я начал документировать проект «Синий мозг». Дела шли не так, как планировалось: были великолепные визуализации первого квадратного миллиметра смоделированного мозга крысы, установленного на Голубой Дунай , доступного в комнате для просмотра посетителей, но явное отсутствие прогресса по дорожной карте в направлении человеческий мозг.Вскоре заговорили о необходимом, более крупном предприятии, известном как проект «Человеческий мозг», который потребует больше денег, но, наконец, предоставит ресурсы, необходимые для достижения цели. Были поданы предложения, и проект получил финансирование в размере миллиарда евро от Европейского Союза, но через год после того, как открытое письмо было подписано более 800 нейробиологами, которые не согласились с основным видением того, как моделировать человеческий мозг и возражает против стиля руководства своего создателя и директора Маркрама.

По мере того, как научные споры и межличностные споры постепенно показали мне, что 10-летний план воссоздания человеческого мозга на компьютере, возможно, был все время несбыточной мечтой, я начал брать интервью у большего числа критиков этого начинания и начал исследовать его. Более подробно, что даже означало сказать, что вы хотели сделать такую ​​вещь. Принстонский нейробиолог Себастьян Сын задал мне вопрос во время нашего интервью, который со временем стал меня раздражать, указав на научные, этические и моральные ловушки, к которым стремительно приближалась эта работа. вопрос о моем собственном времени, пока я снимался в проекте «Голубой мозг», и о природе части смоделированного мозга мыши, которую исследователи проекта визуализировали в великолепных визуализациях.«Они показали вам симуляцию некой нейронной активности внутри. Предположим, это выглядело иначе; как ты узнаешь, что это правильно или неправильно? » Сидя за камерой, я ответил: «Ну, не знаю». Сын повторил: «Хорошо, а как кто-нибудь может узнать, что было неправильным или правильным образцом деятельности?»

Проблемы возникают, когда кто-то начинает задавать вопросы о том, что «правильное» повлечет за собой в этой ситуации, поскольку воссоздание глубоко зашумленной биологической системы внутри контуров идеально запрограммированной машины, кажется, в конечном итоге решает фундаментальную проблему платформы.Биология работает на двигателе непредсказуемых «ошибок», известных как мутации, которые порождают изменчивость, наблюдаемую у отдельных особей вида, и взаимодействуют с окружающей средой, чтобы стимулировать эволюционные изменения посредством естественного отбора. Также известно, что нейроны являются шумными элементами, генерирующими потенциалы действия, которые далеки от совершенно предсказуемого события. В компьютерах же структурные ошибки, известные как «ошибки», быстро исправляются, чтобы освободить место для идеального кода для решения поставленной задачи.

Конечно, многие элементы человеческого мозга можно смоделировать, исследовать и извлечь из них общие сведения, точно так же, как мы это сделали с человеческим сердцем, чтобы создать устройство, которое могло бы функционировать в моем или вашем теле, поддерживая нас в живых.Но когда дело доходит до создания полной симуляции индивидуального человеческого мозга, который «имел бы сознание» и «говорил бы на языках», как сказал мне Маркрам в нашем первом интервью, как может детерминированная система программного обеспечения, работающего на компьютерах, когда-либо зафиксировать действительно непредсказуемые ошибки, наблюдаемые на всех уровнях биологической жизни, от мутаций в нашей ДНК до активности синапсов?

Хотя ученые, с которыми я беседовал на протяжении многих лет, разделили ряд точек зрения на острые проблемы шума и хаоса в компьютерном моделировании биологии, я услышал только об интервью с более младшим нейробиологом из проекта Blue Brain Project. ответ, который прорезал позитивистский блеск связей с общественностью.На вопрос, как можно найти «правильный» вид изменчивости в моделировании биологического организма, она ответила: «Это хороший вопрос, потому что правильный тип, мы никогда не сможем узнать, что такое правильный тип изменчивости».

Если мы никогда не сможем узнать правильный тип изменчивости, похоже, что на самом деле мы говорим, пытаясь смоделировать биологические структуры на компьютерах, — это цифровая система, которая делает именно то, что хотят ее создатели. Принимая во внимание ИИ, вычислительная нейробиология постепенно оставляет позади биологический мозг в поисках совершенных алгоритмов, которые, как и его кузены в глубоком обучении, могут в конечном итоге создавать больше черных ящиков, которые выполняют задачи, но остаются внутренне непостижимыми.

В залах серверных ферм и нейробиологических лабораторий, намеревающихся воспроизвести биологические функции на цифровых машинах, этическая ответственность за идентичность симуляции становится центральной проблемой. Моделирование нейронной активности далеки от объективной реконструкции «человеческого мозга», а в конечном итоге отражает предубеждения их создателей. А когда дело доходит до технологических компаний, которые считают, что понимание системы не является необходимым для манипулирования ею или воспроизведения ее версии с целью получения прибыли, что это будет значить, когда рассматриваемой системой является человеческий мозг?

Одной из причин, по которой Маркрам хотел ускорить нейробиологию в направлении полной симуляции человеческого мозга, была беспомощность, которую он почувствовал, когда столкнулся с диагнозом аутизма своего сына.Действительно, для многих исследователей в этой области намерения, лежащие в основе работы, могут быть глубоко личными и, по крайней мере, теоретически, широко полезными — вот почему меня по-прежнему привлекает способность улучшать условия жизни человека с помощью экспериментов и научных амбиций. Тем не менее, по мере того, как технологии стремительно идут вперед, а определенное напряжение технократического умения продавать продолжает управлять коллективным человеческим ухом, грань между вымыслом и реальностью будет по-прежнему размываться, что приведет к циклам шумихи и разочарования, которые угрожают долгосрочному доверию общественности к науке.

Это аналитическая и аналитическая статья.

Мозг как компьютер: плохо в математике, хорошо во всем остальном


Иллюстрация: Чад Хаген

Болезненные упражнения по основам арифметики — яркая часть наших воспоминаний о начальной школе. Умножение, подобное 3,752 × 6,901, выполняемое простым карандашом и бумагой, может занять до минуты. Конечно, сегодня, имея всегда под рукой мобильный телефон, мы можем быстро проверить, что результат нашего небольшого упражнения составляет 25 892 552 человека.Действительно, процессоры в современных мобильных телефонах могут вместе выполнять более 100 миллиардов таких операций в секунду. Более того, чипы потребляют всего несколько ватт энергии, что делает их намного более эффективными, чем наш медленный мозг, который потребляет около 20 ватт и требует значительно больше времени для достижения того же результата.

Конечно, мозг не развился для выполнения арифметических операций. Так что делает это довольно плохо. Но он отлично справляется с обработкой непрерывного потока информации из нашего окружения.И он действует на эту информацию — иногда гораздо быстрее, чем мы думаем. Независимо от того, сколько энергии потребляет обычный компьютер, он будет бороться с задачами, которые мозг считает легкими, такими как понимание языка и бег по лестнице.

Если бы мы могли создавать машины с вычислительными возможностями и энергоэффективностью мозга, это бы изменило правила игры. Роботы смогут мастерски перемещаться по физическому миру и общаться с нами простым языком.Крупномасштабные системы могут быстро собирать большие объемы данных от бизнеса, науки, медицины или правительства, чтобы обнаруживать новые закономерности, обнаруживать причинно-следственные связи или делать прогнозы. Интеллектуальные мобильные приложения, такие как Siri или Cortana, будут меньше полагаться на облако. Та же технология может привести к созданию устройств с низким энергопотреблением, которые могут поддерживать наши чувства, доставлять лекарства и имитировать нервные сигналы, чтобы компенсировать повреждение органов или паралич.

Но не слишком ли рано для такой смелой попытки? Разве наши знания о мозге не слишком ограничены, чтобы начать создавать технологии, основанные на его работе? Я считаю, что эмуляция даже самых базовых функций нейронных схем может дать значительный импульс многим коммерчески значимым приложениям.Насколько точно компьютеры должны будут имитировать биологические детали, чтобы приблизиться к уровню производительности мозга, остается открытым вопросом. Но сегодняшние нейроморфные системы, вдохновленные мозгом, станут важными исследовательскими инструментами для ответа на этот вопрос.

Ключевой особенностью обычных компьютеров является физическое разделение памяти, в которой хранятся данные и инструкции, от логики, которая обрабатывает эту информацию. Мозг не проводит таких различий. Вычисления и хранение данных выполняются вместе локально в обширной сети, состоящей примерно из 100 миллиардов нейронных клеток (нейронов) и более 100 триллионов соединений (синапсов).Большая часть того, что делает мозг, определяется этими связями и тем, как каждый нейрон реагирует на входящие сигналы от других нейронов.

Когда мы говорим о необычных способностях человеческого мозга, мы обычно имеем в виду только последнее добавление в долгом эволюционном процессе, в результате которого он был построен: неокортекс. Этот тонкий, сильно сложенный слой образует внешнюю оболочку нашего мозга и выполняет разнообразный набор задач, включая обработку сенсорных сигналов, моторный контроль, память и обучение.Этот широкий диапазон возможностей достигается с помощью довольно однородной структуры: шести горизонтальных слоев и миллиона вертикальных столбцов шириной 500 микрометров, построенных из нейронов, которые интегрируют и распределяют электрически закодированную информацию по отходящим от них усикам — дендритам и аксонам.

Как и все клетки человеческого тела, нейрон обычно имеет электрический потенциал около –70 милливольт между его внутренней и внешней частью. Это мембранное напряжение изменяется, когда нейрон получает сигналы от других подключенных к нему нейронов.И если напряжение на мембране повышается до критического порога, оно формирует импульс напряжения, или всплеск, длительностью несколько миллисекунд и значением около 40 мВ. Этот спайк распространяется вдоль аксона нейрона, пока не достигнет синапса, сложной биохимической структуры, которая соединяет аксон одного нейрона с дендритом другого. Если спайк соответствует определенным критериям, синапс преобразует его в другой импульс напряжения, который проходит вниз по структуре ветвящихся дендритов принимающего нейрона и вносит положительный или отрицательный вклад в напряжение его клеточной мембраны.

Связь — важнейшая функция мозга. Например, пирамидная клетка — особенно важный вид клеток неокортекса человека — содержит около 30 000 синапсов и, следовательно, 30 000 входов от других нейронов. И мозг постоянно адаптируется. Свойства нейронов и синапсов — и даже сама структура сети — всегда меняются, в основном за счет сенсорного ввода и обратной связи из окружающей среды.

В наши дни универсальные компьютеры являются цифровыми, а не аналоговыми, но их мозг не так легко разделить на категории.Нейроны накапливают электрический заряд так же, как конденсаторы в электронных схемах. Это явно аналоговый процесс. Но мозг также использует пики в качестве единиц информации, и они по своей сути бинарны: в любом месте и в любое время пики либо есть, либо нет. С точки зрения электроники, мозг представляет собой систему со смешанными сигналами, с локальными аналоговыми вычислениями и связью с двоичными импульсами. Такое сочетание аналогового и цифрового помогает мозгу преодолевать потери при передаче. Поскольку спайк по существу имеет значение 0 или 1, он может перемещаться на большое расстояние без потери этой базовой информации; он также регенерируется, когда достигает следующего нейрона в сети.

Еще одно важное различие между мозгом и компьютером заключается в том, что мозг выполняет всю обработку информации без центральных часов, которые бы ее синхронизировали. Хотя мы наблюдаем события синхронизации — мозговые волны — они являются самоорганизующимися, возникающими продуктами нейронных сетей. Интересно, что современные вычисления начали использовать асинхронность, подобную мозгу, чтобы ускорить вычисления за счет параллельного выполнения операций. Но степень и цель параллелизма в двух системах сильно различаются.

Искусственная нейронная сеть: сегодня в ряде приложений машинного обучения используются разработки этого подхода, при котором взаимосвязанные узлы выполняют базовую обработку.

Идея использования мозга в качестве модели вычислений имеет глубокие корни. Первые усилия были сосредоточены на простом пороговом нейроне, который дает одно значение, если сумма взвешенных входных данных выше порогового значения, и другое, если оно ниже. Биологический реализм этой схемы, задуманной Уорреном Маккалоком и Уолтером Питтсом в 1940-х годах, очень ограничен.Тем не менее, это был первый шаг к принятию концепции запускающего нейрона как элемента вычислений.

В 1957 году Фрэнк Розенблатт предложил разновидность порогового нейрона, названного перцептроном. Сеть интегрирующих узлов (искусственных нейронов) устроена по слоям. «Видимые» слои на краях сети взаимодействуют с внешним миром как входы или выходы, а «скрытые» слои, которые выполняют основную часть вычислений, находятся между ними.

Розенблатт также представил важную особенность мозга: торможение.Вместо простого сложения входных данных нейроны в сети перцептронов также могут вносить отрицательный вклад. Эта функция позволяет нейронной сети использовать только один скрытый слой для решения проблемы XOR в логике, в которой вывод является истинным только в том случае, если истинно ровно один из двух двоичных входов. Этот простой пример показывает, что добавление биологического реализма может добавить новые вычислительные возможности. Но какие функции мозга важны для того, что он может делать, а какие — просто бесполезные остатки эволюции? Никто не знает.

Мы действительно знаем, что некоторые впечатляющие вычислительные возможности могут быть выполнены, не прибегая к большому биологическому реализму. Например, исследователи глубокого обучения добились больших успехов в использовании компьютеров для анализа больших объемов данных и выявления особенностей на сложных изображениях. Хотя создаваемые ими нейронные сети имеют больше входов и скрытых слоев, чем когда-либо прежде, они по-прежнему основаны на очень простых моделях нейронов. Их огромные возможности отражают не их биологический реализм, а масштаб сетей, которые они содержат, и очень мощные компьютеры, которые используются для их обучения.Но сети глубокого обучения еще далеки от вычислительной производительности, энергоэффективности и обучаемости биологического мозга.

Большой разрыв между мозгом и современными компьютерами, возможно, лучше всего можно выявить, посмотрев на крупномасштабные симуляции мозга. За прошедшие годы было предпринято несколько таких попыток, но все они были сильно ограничены двумя факторами: энергией и временем моделирования. В качестве примера рассмотрим моделирование, которое Маркус Дисманн и его коллеги провели несколько лет назад с использованием почти 83 000 процессоров на суперкомпьютере K в Японии.Моделирование 1,73 миллиарда нейронов потребляло в 10 миллиардов раз больше энергии, чем часть мозга эквивалентного размера, даже несмотря на то, что использовались очень упрощенные модели и не выполнялось никакого обучения. И эти симуляции обычно выполнялись со скоростью менее одной тысячной скорости биологического реального времени.

Почему так медленно? Причина в том, что для моделирования мозга на обычном компьютере требуются миллиарды дифференциальных уравнений, объединенных вместе, чтобы описать динамику клеток и сетей: аналоговые процессы, такие как движение зарядов через клеточную мембрану.Компьютеры, использующие булеву логику — в которой энергия обменивается на точность — и которые разделяют память и вычисления, по-видимому, очень неэффективны для подлинной имитации мозга.

Эти компьютерные симуляции могут быть инструментом, помогающим нам понять работу мозга, путем преобразования знаний, полученных в лаборатории, в симуляции, с которыми мы можем экспериментировать и сравнивать с реальными наблюдениями. Но если мы надеемся пойти в другом направлении и использовать уроки нейробиологии для создания новых мощных вычислительных систем, мы должны переосмыслить то, как мы проектируем и строим компьютеры.

Копирование операций мозга в электронике может оказаться более осуществимым, чем кажется на первый взгляд. Оказывается, затраты энергии на создание электрического потенциала в синапсе составляют около 10 фемтоджоулей (10 -15 джоулей). Затвор металл-оксид-полупроводниковый (МОП) транзистор, который значительно больше и более энергоемкий, чем те, которые используются в современных процессорах, требует для зарядки всего 0,5 фДж. Таким образом, синаптическая передача эквивалентна зарядке не менее 20 транзисторов.Более того, на уровне устройства биологические и электронные схемы не сильно отличаются. Итак, в принципе, мы должны иметь возможность создавать из транзисторов такие структуры, как синапсы и нейроны, и соединять их, чтобы создать искусственный мозг, который не потреблял бы огромное количество энергии.

Идея создания компьютеров , заставляющих транзисторы работать как нейроны, возникла в 1980-х годах профессором Калифорнийского технологического института Карвером Мидом. Одним из основных аргументов в пользу того, что Мид назвал «нейроморфными» вычислениями, было то, что полупроводниковые устройства при работе в определенном режиме могут следовать тем же физическим правилам, что и нейроны, и что это аналоговое поведение можно использовать для вычислений с высоким уровнем энергоэффективности.

Группа Мид также изобрела структуру нейронной связи, в которой всплески кодируются только их сетевыми адресами и временем, в которое они возникают. Это была новаторская работа, потому что она впервые сделала время важной функцией искусственных нейронных сетей. Время является ключевым фактором в мозге: требуется время, чтобы сигналы распространялись и мембраны реагировали на меняющиеся условия, а время определяет форму постсинаптических потенциалов.

Несколько исследовательских групп, довольно активно действующих сегодня, например, группы Джакомо Индивери из ETH Zurich и Квабены Боахен из Стэнфорда, последовали подходу Мида и успешно внедрили элементы биологических кортикальных сетей.Хитрость заключается в том, чтобы управлять транзисторами ниже их порога включения с чрезвычайно низкими токами, создавая аналоговые схемы, имитирующие поведение нейронов, при этом потребляя очень мало энергии.

Дальнейшие исследования в этом направлении могут найти применение в таких системах, как интерфейсы мозг-компьютер. Но это был бы огромный скачок к схемам, которые имеют что-то вроде размера сети, возможностей подключения и способности к обучению, как у всего мозга животного.

Итак, примерно в 2005 году три группы независимо друг от друга начали разрабатывать нейроморфные системы, которые существенно отличаются от первоначального подхода Мида, с целью создания крупномасштабных систем с миллионами нейронов.

Наиболее близким к традиционным вычислениям является проект SpiNNaker, возглавляемый Стивом Фербером из Манчестерского университета в Англии. Эта группа разработала индивидуальный полностью цифровой чип, который содержит 18 ядер микропроцессора ARM, работающих с тактовой частотой 200 мегагерц, что примерно в десять раз меньше скорости современных процессоров. Хотя ядра ARM являются классическими компьютерами, они имитируют всплески, которые отправляются через специализированные маршрутизаторы, предназначенные для асинхронной связи, как это делает мозг. Текущая реализация, часть проекта Европейского Союза Human Brain Project, была завершена в 2016 году и включает 500 000 ядер ARM.В зависимости от сложности модели нейрона каждое ядро ​​может моделировать до 1000 нейронов.

Чип TrueNorth, разработанный Дхармендрой Модха и его коллегами из исследовательской лаборатории IBM в Алмадене, Калифорния, отказывается от использования микропроцессоров в качестве вычислительных блоков и представляет собой действительно нейроморфную вычислительную систему, в которой вычисления и память взаимосвязаны. TrueNorth по-прежнему является полностью цифровой системой, но она основана на настраиваемых нейронных схемах, реализующих очень специфическую модель нейрона.Чип содержит 5,4 миллиарда транзисторов, построенных по 28-нанометровой технологии Samsung CMOS. Эти транзисторы используются для реализации 1 миллиона нейронных цепей и 256 миллионов простых (1-битных) синапсов на одном кристалле.

Я бы сказал, что наиболее далекой от обычных вычислений и ближе всего к биологическому мозгу является система BrainScaleS, которую мы с коллегами разработали в Гейдельбергском университете в Германии для проекта Human Brain Project. BrainScaleS — это реализация со смешанными сигналами.То есть он объединяет нейроны и синапсы, сделанные из кремниевых транзисторов, которые работают как аналоговые устройства с цифровой связью. Полноразмерная система построена из 20 неразрезанных 8-дюймовых кремниевых пластин, чтобы создать в общей сложности 4 миллиона нейронов и 1 миллиард синапсов.

Система может воспроизводить восемь различных режимов активации биологических нейронов, полученных в тесном сотрудничестве с нейробиологами. В отличие от аналогового подхода, впервые примененного Мидом, BrainScaleS работает в ускоренном режиме, примерно в 10 000 раз быстрее, чем в реальном времени.Это делает его особенно подходящим для изучения обучения и развития.

Обучение, вероятно, станет важнейшим компонентом нейроморфных систем в будущем. В настоящее время чипы, созданные мозгом, а также нейронные сети, реализованные на обычных компьютерах, обучаются где-то еще на более мощных компьютерах. Но если мы хотим использовать нейроморфные системы в реальных приложениях, например, для энергетических роботов, которые будут работать вместе с нами, они должны будут уметь учиться и адаптироваться на лету.

В нашей системе BrainScaleS второго поколения мы с коллегами реализовали возможности обучения, построив на кристалле «процессоры пластичности», которые используются для изменения широкого набора параметров нейронов и синапсов, когда это необходимо.Эта возможность также позволяет нам точно настраивать параметры, чтобы компенсировать различия в размерах и электрических свойствах от устройства к устройству, так же, как мозг компенсирует различия.

Три описанные мною крупномасштабные системы представляют собой взаимодополняющие подходы. SpiNNaker обладает широкими возможностями настройки и поэтому может использоваться для тестирования множества различных моделей нейронов, TrueNorth имеет очень высокую плотность интеграции, а BrainScaleS предназначен для непрерывной работы по обучению и развитию. Поиск правильного способа оценки производительности таких систем — это постоянные усилия.Но первые результаты указывают на многообещающие. Например, группа IBM TrueNorth недавно подсчитала, что синаптическая передача в ее системе стоит 26 пикоджоулей. Хотя это примерно в тысячу раз больше энергии того же действия в биологической системе, это приближается к 1/100 000 энергии, которая была бы потреблена при моделировании, проводимой на обычной машине общего назначения.

Мы все еще только начинаем выяснять, на что способны такие системы и как их можно применить в реальных приложениях.В то же время мы должны найти способы объединить множество нейроморфных чипов в более крупные сети с улучшенными возможностями обучения, одновременно снижая потребление энергии. Одна из проблем — это просто возможность подключения: мозг трехмерен, и мы строим цепи из двух. В этом может помочь трехмерная интеграция схем — область, которая активно исследуется.

Еще одним фактором, способствующим достижению этой цели, будут устройства без КМОП, такие как мемристоры или ОЗУ с фазовым переходом. Сегодня значения весов, которые определяют, как искусственные синапсы реагируют на входящие сигналы, хранятся в обычной цифровой памяти, которая доминирует над кремниевыми ресурсами, необходимыми для построения сети.Но другие формы памяти могут позволить нам уменьшить эти клетки с микрометрового до нанометрового масштаба. Как и в современных системах, ключевой задачей будет устранение различий между отдельными устройствами. Стратегии калибровки, разработанные с помощью BrainScaleS, могут помочь.

Мы только начинаем путь к пригодным для использования и полезным нейроморфным системам. Но усилия того стоят. Если мы добьемся успеха, мы не сможем просто построить мощные вычислительные системы; мы можем даже получить представление о нашем собственном мозге.

Эта статья опубликована в июньском выпуске 2017 года под названием «Мозг как компьютер».

Об авторе

Карлхайнц Майер — профессор экспериментальной физики в Гейдельбергском университете в Германии и содиректор проекта Европейского Союза по человеческому мозгу.

Да, мозг — это компьютер…. Нет, это не метафора | Блейк Ричардс | Spike

Второй веселый мозг в виде компьютерного изображения, доступный для загрузки

Когда я публично высказал этот аргумент, я столкнулся с рядом возражений, некоторые из которых были очень сильными и заслуживающими внимания, другие указывают на фундаментальное непонимание логики.Я постараюсь вкратце оспорить общие возражения, с которыми я столкнулся здесь, переходя от возражений, основанных на непонимании, к обоснованным возражениям, с которыми необходимо оспаривать:

Возражение 1. Мозги не похожи на машины Тьюринга (или ноутбуки), поэтому они не компьютеры

Это возражение вызвано неправильным пониманием приведенных выше определений. Ничто в определении «алгоритма», «вычислимой функции» или «компьютера» не утверждает, что компьютеры должны быть похожи на машины Тьюринга или машины с архитектурой фон Неймана.Компьютер не должен работать с двоичными кодами, ему не нужно использовать процессы с дискретным временем, ему не нужны регистры, банки памяти или пошаговые инструкции — он не должен быть удаленным, как наши ноутбуки. телефонов, чтобы применить определения.

Определения просто говорят, что алгоритмы — это вещи, которые вы можете делать с помощью машины Тьюринга, а компьютеры — это вещи, которые запускают алгоритмы. Важно отметить, что эти определения не устанавливают каких-либо практических ограничений на то, как машина Тьюринга может это сделать.Так, например, если у вас есть алгоритм, который использует аналоговые, непрерывные процессы (например, алгоритм рыбок данио для плавания вверх по течению, вероятно, делает), то соответствующая ему машина Тьюринга должна будет работать потенциально очень долго, чтобы приблизиться к этому аналоговому процессу. с достаточной точностью. Но машины Тьюринга — не настоящие машины! Это математические конструкции, так что с этим нет проблем. Ничто в определении «алгоритма» не говорит о том, что реализация алгоритма с помощью машины Тьюринга должна быть экономичной.Пока вы решаете вычислимые функции, у вас есть компьютер, на котором работают алгоритмы. Таким образом, не имеет значения, что мозг — это не что иное, как машина Тьюринга (на самом деле ничто) или ваш ноутбук. Да, мозг — это нагромождение клеток, использующих напряжения, нейротрансмиттеры, распределенные представления и т. Д. Да, у него нет программиста, и да, он сформирован эволюцией и жизненным опытом. Все это не имеет значения. До тех пор, пока нам не требуется бесконечная точность в описании нейронных процессов (а я не вижу причин полагать, что это так), мозг — это компьютер, выполняющий алгоритмы, согласно определениям, данным в тезисе Черча-Тьюринга.

Возражение 2. Тот факт, что вы можете моделировать мозг с помощью машины Тьюринга, не делает мозг компьютером

Это возражение связано с первым возражением, поскольку оно проистекает из непонимания определений и роли Машины Тьюринга в этих определениях. Суть этого возражения состоит в том, что даже если мы можем запускать машину Тьюринга столько, сколько захотим, чтобы реализовать аналоговые процессы, на самом деле мы всего лишь моделируем этих процессов с помощью машины Тьюринга, поэтому мы не можем сказать, что они учитываются. как что-то, на что способна машина Тьюринга.Таким образом, машина Тьюринга на самом деле не может делать то, что делает мозг, поэтому мозг не выполняет алгоритмы.

Рискуя прозвучать как побитый рекорд, здесь следует вернуться к тому, что машины Тьюринга не являются машинами . Мы не моделируем ничего, с помощью машин Тьюринга, точно так же, как мы не «моделируем» вещи с помощью лямбда-исчисления. Мы используем машины Тьюринга, чтобы математически определить, считается ли конкретный процесс алгоритмом или нет. Следовательно, если мы можем математически продемонстрировать, что данный аналоговый процесс может быть реализован машиной Тьюринга с любой произвольной степенью точности, то мы продемонстрировали, что у нас есть алгоритм.Да, мы моделируем многие вещи, в том числе мозг, с помощью наших машин фон Неймана. Но машины фон Неймана не являются машинами Тьюринга . Это важно помнить, потому что многие люди попадают в ловушку, полагая, что компьютеры определяются как машины Тьюринга, хотя это определенно не так. Ни один физический объект не является машиной Тьюринга, так же как никакой физический объект не является алгеброй.

Возражение 3. Компьютеры не могут объяснить разум, следовательно, мозг — это не компьютер.

Этот аргумент сложен, потому что это сложный философский аргумент, и то, как на него реагировать, зависит от философской позиции.Многие философы утверждали, что чисто механические объяснения мозга не могут объяснить разум, и, учитывая, что определение компьютера, приведенное выше, является в значительной степени механическим, верно, что если разум не может быть объяснен чисто механическими средствами, тогда должно быть чего-то не хватает, когда я говорю «мозг — это компьютер».

В конечном счете, как я уже отмечал во введении, у меня нет времени бороться с долгими дебатами по этому вопросу в философии разума и когнитивной науке.Все, что я скажу, это то, что я, , лично нахожу все философские возражения против идеи о том, что разум может возникнуть в результате механических процессов, неубедительными. Будь то аргумент Сирла о китайской комнате, зомби Чалмера или Мэри-ученый Джексона, я никогда не был убежден, что в этих мысленных экспериментах есть что-то действительно достойное серьезного рассмотрения нейробиологами. Меня гораздо больше убеждают работы таких философов, как Дэниел Деннет и Патрисия Черчленд, которые кажутся мне более проницательными и логичными.Но послушайте, это моя точка зрения. Если кто-то отвергает идею о том, что разум можно свести к физическому механизму, тогда я признаю, что мои приведенные выше аргументы неубедительны. Но любой, кому нравится редукционизм и кто понимает приведенные выше определения, должен также признать, что мозг — это компьютер по определению.

Возражение 4. Мозг может выполнять невычислимые функции, поэтому мозг — это не компьютер.

Это очень интересный аргумент, который выдвигался разными людьми.Физик Роджер Пенроуз утверждал, что люди обладают различными способностями и поведением, которые требуют вычислений, не связанных с Тьюрингом, и квантовых эффектов для объяснения. Как и Деннет, я считаю утверждения Пенроуза сомнительными. Из научных данных не ясно, что человеческое поведение требует радикального переосмысления вычислений или физиологии.

Но есть и другие, более серьезные попытки в этом направлении. Примечательно, что Хава Зигельманн, которая предоставила одно из доказательств того, что рекуррентные нейронные сети являются полными по Тьюрингу, также опубликовала статью в Science, в которой утверждала, что рекуррентные нейронные сети на самом деле могут быть супер-Тьюрингом .Это означает, что они могут решать набор вычислимых функций (как определено машинами Тьюринга) и еще , , то есть они могут реализовывать алгоритмы, которые машины Тьюринга не могут. Это очень интересный результат. Я признаю, что нахожу доказательство Зигельмана в этой статье трудным для понимания, поэтому я предпочитаю оставаться агностиком относительно того, является ли это общепринятым фактом. (Однако отмечу, что, если доказательство Зигельмана справедливо, оно требует пересмотра тезиса Черча Тьюринга, поэтому мне интересно, почему компьютерная наука, по-видимому, не сделала этого скачка.)

Но, ради аргументации, предположим, что доказательство Зигельмана верно и что рекуррентные нейронные сети являются супертьюринговыми. Это говорит о том, что мозг тоже супер-Тьюринг. Если пространство возможных мозгов супер-Тьюринговое, тогда кто-нибудь когда-нибудь сможет заниматься вычислениями, которые никогда не сможет сделать ни один ноутбук. В этом случае, возможно, мозг — это не просто компьютер, это суперкомпьютер . Это только укрепит мои аргументы в пользу того, что мозг — это компьютер сильнее.

Возражение 5.Мозг имеет множество ограничений, наложенных эволюцией, которые не позволяют ему быть полным по Тьюрингу

Это возражение поднимает несколько важных моментов. Конечно, мы знаем, что эволюция может идти странными путями, чтобы добраться до определенных физиологических функций, и мозг, вероятно, не исключение. Более того, мозг сталкивается с серьезными энергетическими ограничениями, как пространственными, так и временными, и возможностями памяти, ограниченными размером нашей мнемонической сети. Таким образом, шансы, что весь набор вычислимых функций может быть реализован любым реальным мозгом, равны нулю.

Все это правда, но не учитывается, что многое из того же можно сказать о наших верных машинах фон Неймана. Хотя мы, кажется, мало заботимся об использовании энергии как вид, реальность такова, что мы не можем отдавать бесконечную энергию нашим цифровым компьютерам. Более того, хотя облако быстро растет, у нас все еще нет бесконечных возможностей памяти (по крайней мере, не у нас, простых смертных, которые не управляют крупными технологическими компаниями). Таким образом, ваш ноутбук также имеет множество функций, которые он не может рассчитать для вас при разумных ограничениях энергии и памяти.Это не мешает вам называть свой ноутбук «компьютером», потому что это по-прежнему невероятно мощная машина для решения вычислимых функций с помощью алгоритмов, как и наш мозг.

Конечно, энергетические и эволюционные ограничения, которые воздействуют на мозг, сильно отличаются от ограничений на наших машинах фон Неймана, и это также важно. Когда мы будем компилировать принципы вычисления нейронных сетей в грядущем столетии, некоторые из этих принципов, несомненно, будут иметь отношение к уникальным ограничениям, с которыми сталкивается мозг.Но это не делает мозг некомпьютером, а делает его особым видом компьютера, сформированным в результате эволюции.

Возражение 6. Эти определения бесполезны и потенциально вводят в заблуждение

Это возражение потенциально обосновано. Как я уже отмечал, технические определения «компьютера» и «алгоритма» настолько абстрактны, что их можно применить ко всему во Вселенной. Как я утверждал выше, я думаю, что разумно ограничить их использование машинами, такими как мозг, которые не только решают функции физики, но и гораздо больший массив вычислимых функций, потенциально даже все из них (при условии, что пространство возможных мозгов является полным по Тьюрингу).Но чего мы достигаем, применяя к мозгу слова «компьютер» и «алгоритм»? Как это помогает нам понять мозг, учитывая, что формальные определения не зависят от механизмов? Если многие люди не знают этих формальных определений и думают, что «компьютеры» — это машины с архитектурой фон Неймана, а «алгоритмы» — это дискретные пошаговые инструкции для машин с архитектурой фон Неймана, то мы рискуем сильно ввести этих людей в заблуждение. когда мы используем эти слова по отношению к мозгу.Мой ответ на это возражение двоякий.

Во-первых, есть много терминов, для которых ученые используют формальные определения, но которые многие люди используют неправильно. Например, термин «значительный» означает что-то очень конкретное при проверке статистических гипотез, хотя его использование в обычном языке означает все, что «большое», «значимое» или «действенное». Должны ли мы тогда перестать использовать термин «значительный»? Я так не думаю. Я думаю, нам просто нужно быть осторожными, чтобы ясно сформулировать людям, что мы имеем в виду, когда используем это слово.

Я думаю, что то же самое с «компьютером» и «алгоритмом». Когда мы используем эти слова, нам нужно четко понимать, с какими определениями мы оперируем. Если говорить с непрофессионалами, это означает подчеркнуть тот факт, что мозг — это не компьютер, который ничем не отличается от их ноутбуков или телефонов, чтобы они не думали иначе. Если говорить с другими учеными, это означает четкую формулировку формальных определений и утверждение только о том, что мозг реализует большой набор алгоритмов для решения множества различных вычислимых функций.

Во-вторых, я думаю, мы действительно кое-что получаем, когда говорим, что мозг — это компьютер. В информатике существует множество теорий, не зависящих от механизмов, включая теорию вычислимости, теорию сложности вычислений и теорию информации. Когда мы замечаем, что мозг — это компьютер, мы подчеркиваем, что эти теории применимы к мозгу — а это так! Нейробиологи могут и исследуют, как мозг реализует различные алгоритмы, как он справляется с вычислительно трудноразрешимыми функциями и как он делает такие вещи, как хранение, сжатие или передача информации.Вся эта научная деятельность полезна и основана на нашем понимании того, что мозг — это компьютер.

Желание отвергнуть утверждение «мозг — это компьютер» из опасения, что оно вводит в заблуждение тех из нас, кто не совсем понимает или не знает определения, выбрасывает ребенка вместе с водой в ванну. Разве мы не можем просто усердно работать над тем, чтобы наши определения были точными и прозрачными? Нужно ли нам отвергать истинное утверждение, которое питает различные потоки научных исследований, просто потому, что некоторые люди на самом деле не понимают, что оно означает? Мне это кажется слишком близоруким и пессимистичным.Я думаю, что нейробиологи могут и должны использовать формальные определения «алгоритма» и «компьютера», предоставленные информатикой, и просто быть осторожными, чтобы не преувеличивать значение этих слов.

Определение интерфейса компьютер-мозг — Глоссарий по информационным технологиям Gartner

Название компании

Страна
UNITED STATESUNITED KINGDOMCANADAAUSTRALIAINDIA —— AfghanistanÅland IslandsAlbaniaAlgeriaAmerican SamoaAndorraAngolaAnguillaAntarcticaAntigua и BarbudaArgentinaArmeniaArubaAustriaAzerbaijanBahamasBahrainBangladeshBarbadosBelarusBelgiumBelizeBeninBermudaBhutanBoliviaBonaire, Синт-Эстатиус и SabaBosnia и HerzegovinaBotswanaBouvet IslandBrazilBritish Индийский океан TerritoryBrunei DarussalamBulgariaBurkina FasoBurundiCambodiaCameroonCape VerdeCayman IslandsCentral африканских RepublicChadChileChinaChristmas IslandCocos (Килинг) IslandsColombiaComorosCongoCongo, Демократическая Республика theCook IslandsCosta RicaCôte D’IvoireCroatiaCubaCuraçaoCuraçaoCyprusCzech RepublicDenmarkDjiboutiDominicaDominican RepublicEcuadorEgyptEl SalvadorEquatorial ГвинеяЭритреяЭстонияЭфиопияФолклендские острова (Мальвинские острова) Фарерские островаФиджиФинляндияФранцияФранцузская ГвианаФранцузская ПолинезияФранцузские Южные территорииГабонГамбияГрузияГерманияГанаГибралтарствоГрецияГренландияГренадаГваделупа-ГуамГватемалаГерна Бисау, Гайана, Гаити, Херд, острова Макдональд.HondurasHong KongHungaryIcelandIndonesiaIran, Исламская Республика ofIraqIrelandIsle из ManIsraelItalyJamaicaJapanJerseyJordanKazakhstanKenyaKiribatiKorea, Корейская Народно-Демократическая Республика ofKorea, Республика ofKuwaitKyrgyzstanLao Народная Демократическая RepublicLatviaLebanonLesothoLiberiaLibyaLiechtensteinLithuaniaLuxembourgMacaoMacedonia, бывшая югославская Республика ofMadagascarMalawiMalaysiaMaldivesMaliMaltaMarshall IslandsMartiniqueMauritaniaMauritiusMayotteMexicoMicronesia, Федеративные Штаты ofMoldova, Республика ofMonacoMongoliaMontenegroMontserratMoroccoMozambiqueMyanmarNamibiaNauruNepalNetherlandsNetherlands AntillesNew CaledoniaNew ZealandNicaraguaNigerNigeriaNiueNorfolk IslandNorthern Mariana IslandsNorwayOmanPakistanPalauPalestine, Государственный ofPanamaPapua Новый GuineaParaguayPeruPhilippinesPitcairnPolandPortugalPuerto RicoQatarRéunionRomaniaRussian FederationRwandaSaint BarthélemySaint Елены, Вознесения и Тристан-да-Кунья, Сент-Китс и Невис, Сент-Люсия, Сент-Мартен (Французская часть), Сен-Пьер и MiquelonSaint Винсент и GrenadinesSamoaSan MarinoSao Томе и PrincipeSaudi ArabiaSenegalSerbiaSerbia и MontenegroSeychellesSierra LeoneSingaporeSint Маартен (Голландская часть) SlovakiaSloveniaSolomon IslandsSomaliaSouth AfricaSouth Джорджия и Южные Сандвичевы IslandsSouth SudanSpainSri LankaSudanSurinameSvalbard и Ян MayenSwazilandSwedenSwitzerlandSyrian Arab RepublicTaiwanTajikistanTanzania, Объединенная Республика ofThailandTimor-LesteTogoTokelauTongaTrinidad и TobagoTunisiaTurkeyTurkmenistanTurks и Кайкос IslandsTuvaluUgandaUkraineUnited Арабские EmiratesUnited Штаты Экваторияльная Острова УругвайУзбекистан ВануатуВатикан Венесуэла, Боливарианская Республика Вьетнам Виргинские острова, Британские Виргинские острова, U.С.Уоллис и Футуна, Западная Сахара, Йемен, Замбия, Зимбабве.

Ученые впервые подключают человеческий мозг к компьютеру по беспроводной сети.

Первые беспроводные команды для компьютера были прорывом для людей с параличом.

Система способна передавать сигналы мозга с «разрешением одного нейрона и с полной широкополосной точностью», говорят исследователи из Университета Брауна в США.

В клинических испытаниях технологии BrainGate использовался небольшой передатчик, который подключается к моторной коре головного мозга человека.

Участники испытания с параличом использовали систему для управления планшетным компьютером, сообщает журнал IEEE Transactions on Biomedical Engineering .

Участники смогли достичь такой же скорости набора текста и точности «укажи и щелкни», что и при использовании проводных систем.

Подробнее:

Джон Симерал, доцент кафедры инженерии Университета Брауна: «Мы продемонстрировали, что эта беспроводная система функционально эквивалентна проводным системам, которые были золотым стандартом.

«Сигналы записываются и передаются с аналогичной точностью, что означает, что мы можем использовать те же алгоритмы декодирования, которые мы использовали с проводным оборудованием.

«Единственное отличие состоит в том, что людям больше не нужно физически привязываться к нашему оборудованию, что открывает новые возможности с точки зрения использования системы».

Это последнее достижение в быстрорастущей области технологий нейронных интерфейсов, которое привлекло таких людей, как Илон Маск и Facebook.

Маск недавно сообщил, что его стартап Neuralink уже протестировал беспроводной чип в мозгу обезьяны, который позволяет ей играть в видеоигры.

Двое участников последнего исследования — в возрасте 35 и 63 лет — парализованы из-за травм спинного мозга. Они могли использовать беспроводную систему непрерывно до 24 часов дома, а не в лаборатории.

Относительная простота использования означала, что обученные лица, осуществляющие уход, смогли установить беспроводное соединение, а это означало, что исследование можно было продолжить, пока пандемия исключила посещения домов участников.

Оставьте комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *