Синапс как транзистор – Транзисторы: принцип работы,​ схема подключения, отличие биполярного от полевого

Транзистор, имитирующий синапс головного мозга, создан французскими учеными

Транзистор, имитирующий синапс головного мозга, создан французскими учеными — устройство основано на наночастицах золота с органическим покрытием
Синапс – место контакта между двумя нервными клетками в головном мозгу, где происходит передача сигнала от одной клетки к другой. При этой синаптической передаче параметры сигнала – амплитуда и частота – могут регулироваться, вследствие чего мозг высших животных обладает т.н. синаптической пластичностью, лежащей в основе процессов запоминания и обучения. Соответственно, искусственный синапс может быть использован как для переработки информации по принципам естественных нейронных сетей, т.е. в системах, работающих аналогично головному мозгу, нейрокомпьютерах. Кроме того они могут служить вспомогательной структурой для соединения искусственных управляющих устройств с биологическими объектами. Создатели органического транзистора-синапса – Доминик Вильом (Dominique Vuillaume) из Университета Лилля (University of Lille) с коллегами из французского Национального центра научных исследований (Centre national de la recherche scientifique, CNRS) и Комиссариата атомной энергетики (Commissariat à l’énergie atomique), авторы публикации в журнале Advanced Functional Materials, о которой сообщает сайт международного Института физики (Institute of Physics) physicsworld. Изучая прохождение электрических сигналов через органический транзистор, они обнаружили, что эти импульсы ведут себя точно как биохимические вещества нейромедиаторы, посредством которых в синапсе головного мозга происходит передача сигнала между клетками.
Органический транзистор, о котором идет речь, представляет собой золотые частицы размером от 5 до 20 нанометров, покрытые 35-нанометровой пленкой из полициклического углеводорода пентацена – его молекула состоит из пяти конденсированных бензольных колец. Такая структура органического материала способствует имитации уже упомянутой синаптической пластичности. Наночастицы с пентаценовой оболочкой фиксировались в канале транзистора на подложке из диэлектрика. Все устройство получило название «полевой нанотранзистор органической памяти» или NOMFET (это аббревиатура от английского названия Nanoparticle Organic MemoryField-Effect Transistor) — в нем, как в любом полевом транзисторе, ток изменяется под влиянием перпендикулярного току электрического поля. Аналогом сигнала, предшествующего синапсу, в органическом нанотранзисторе является электрический импульс, заряд которого улавливался наночастицами. Манипулируя подаваемым на наночастицы напряжением, можно контролировать изменения проходящего через них сигнала, т.е. демонстрировать пластичность искусственного синапса, сходную с природной пластичностью синаптической передачи в головном мозгу.

Самообучающийся транзистор работает на основе синапсов мозга

Самообучающийся транзистор работает на основе синапсов мозга

Человеческий мозг очень сложный механизм, полностью имитировать работу которого ученым до сих пор так и не удалось. Но ученые из Гарвардской школы инженерных и прикладных наук немного приблизились к решению данной задачи. Они создали новый тип транзисторов, которые могут имитировать синапсы мозга.

Синапс – место соединения между 2 нейронами в человеческом мозгу. Каждый нейрон образует собой единую параллельную систему, способную адаптироваться к стимуляции, путем усиления и ослабления связей, и таким образом обучаться. Благодаря способности нейронов обучаться, мозг человека способен выполнять различные вычислительные процессы. Новый вид транзисторов как раз модулирует поток информации в цепи и физически адаптируется к изменяющимся сигналам, сообщает extremetech.com.

Сам транзистор состоит из полупроводника из никелата самария, зажатого между 2 платиновыми электродами, прилегающими к небольшому резервуару ионной жидкости. Временные задержки между проходящими сигналами преобразуются здесь в приложенное к ионной жидкости напряжение, которое либо посылает ионы к полупроводнику, либо забирает их оттуда, изменяя таким образом память всего транзистора.

Транзистор реагирует на частоту сигналов, проходящих через него. При высокой частоте он легче пропускает эти сигналы, при низкой – блокирует. Если создать систему из миллионов нейронов, то основное потребление энергии придется на те, которые чаще всего задействуются в работе, остальные же будут довольствоваться только «фоновой» энергией ожидания.

Одной из основных целей создания синоптических транзисторов было желание создать основу для энергоэффективной электроники. Со стремительным развитием электронной вычислительной техники увеличивается и ее энергопотребление. За счет своей обучаемости новое изобретение призвано значительно снизить количество необходимой энергии для вычислений.

Возможно, в будущем такие транзисторы можно будет применять для создания искусственного интеллекта с большим количеством нейронов. Но сами разработчики пока стараются не обсуждать эту тему, а концентрируются на более практичной задаче – создании новых электронных приборов и новых материалов с нестандартными свойствами.

Синапс — Википедия

Си́напс (греч. σύναψις, от συνάπτειν — соединение, связь) — место контакта между двумя нейронами или между нейроном и получающей сигнал эффекторной клеткой. Служит для передачи нервного импульса между двумя клетками, причём в ходе синаптической передачи амплитуда и частота сигнала могут регулироваться. Передача импульсов осуществляется химическим путём с помощью медиаторов или электрическим путём, посредством прохождения ионов из одной клетки в другую.

Термин был введён в 1897 г. английским физиологом Чарльзом Шеррингтоном. Однако сам Шеррингтон утверждал, что получил идею этого термина в разговоре от физиолога Майкла Фостера[1].

Основные элементы электрического синапса (эфапса): а — коннексон в закрытом состоянии; b — коннексон в открытом состоянии; с — коннексон, встроенный в мембрану; d — мономер коннексина, е — плазматическая мембрана; f — межклеточное пространство; g — промежуток в 2-4 нанометра в электрическом синапсе; h — гидрофильный канал коннексона

По механизму передачи нервного импульса[править | править код]

  • химический — это место близкого прилегания двух нервных клеток, для передачи нервного импульса через которое клетка-источник выпускает в межклеточное пространство особое вещество, нейромедиатор, присутствие которого в синаптической щели возбуждает или затормаживает клетку-приёмник.
  • электрический (эфапс) — место более близкого прилегания пары клеток, где их мембраны соединяются с помощью особых белковых образований — коннексонов (каждый коннексон состоит из шести белковых субъединиц). Расстояние между мембранами клетки в электрическом синапсе — 3,5 нм (обычное межклеточное — 20 нм). Так как сопротивление внеклеточной жидкости мало (в данном случае), импульсы через синапс проходят не задерживаясь. Электрические синапсы обычно бывают возбуждающими.
  • смешанные синапсы — пресинаптический потенциал действия создает ток, который деполяризует постсинаптическую мембрану типичного химического синапса, где пре- и постсинаптические мембраны не плотно прилегают друг к другу. Таким образом, в этих синапсах химическая передача служит необходимым усиливающим механизмом.

Наиболее распространены химические синапсы. Для нервной системы млекопитающих электрические синапсы менее характерны, чем химические.

По местоположению и принадлежности структурам[править | править код]
  • периферические
  • центральные
    • аксо-дендритические — с дендритами, в том числе
    • аксо-соматические — с телами нейронов;
    • аксо-аксональные — между аксонами;
    • дендро-дендритические — между дендритами;

Различные варианты расположения химических синапсов Различные варианты расположения химических синапсов

По нейромедиатору[править | править код]

При этом в синапсе не всегда вырабатывается только один медиатор. Обычно основной медиатор выбрасывается вместе с другим, играющим роль модулятора.

По знаку действия синапса[править | править код]

  • возбуждающие
  • тормозные.

Если первые способствуют возникновению возбуждения в постсинаптической клетке (в них в результате поступления импульса происходит деполяризация мембраны, которая может вызвать потенциал действия при определённых условиях), то вторые, напротив, прекращают или предотвращают его появление, препятствуют дальнейшему распространению импульса. Обычно тормозными являются глицинергические (медиатор — глицин) и ГАМК-ергические синапсы (медиатор — гамма-аминомасляная кислота).

Тормозные синапсы бывают двух видов:
1) синапс, в пресинаптических окончаниях которого выделяется медиатор, гиперполяризующий постсинаптическую мембрану и вызывающий возникновение тормозного постсинаптического потенциала;
2) аксо-аксональный синапс, обеспечивающий пресинаптическое торможение.

В некоторых синапсах присутствует постсинаптическое уплотнение — электронно-плотная зона, состоящая из белков. По её наличию или отсутствию выделяют синапсы асимметричные и симметричные. Известно, что все глутаматергические синапсы асимметричны, а ГАМКергические — симметричны.

В случаях, когда с постсинаптической мембраной контактирует несколько синаптических расширений, образуются множественные синапсы.

К специальным формам синапсов относятся шипиковые аппараты, в которых с синаптическим расширением контактируют короткие одиночные или множественные выпячивания постсинаптической мембраны дендрита. Шипиковые аппараты значительно увеличивают количество синаптических контактов на нейроне и, следовательно, количество перерабатываемой информации. «Не-шипиковые» синапсы называются «сидячими». Например, сидячими являются все ГАМК-ергические синапсы.

Механизм функционирования химического синапса[править | править код]

Типичный синапс — аксо-дендритический химический. Такой синапс состоит из двух частей: пресинаптической, образованной булавовидно расширенным окончанием аксона передающей клетки и постсинаптической, представленной контактирующим участком плазматической мембраны воспринимающей клетки (в данном случае — участком дендрита).

Между обеими частями имеется синаптическая щель — промежуток шириной 10—50 нм между постсинаптической и пресинаптической мембранами, края которой укреплены межклеточными контактами.

Часть аксолеммы булавовидного расширения, прилежащая к синаптической щели, называется пресинаптической мембраной. Участок цитолеммы воспринимающей клетки, ограничивающий синаптическую щель с противоположной стороны, называется постсинаптической мембраной, в химических синапсах она рельефна и содержит многочисленные рецепторы.

В синаптическом расширении имеются мелкие везикулы, так называемые синаптические пузырьки, содержащие либо медиатор (вещество-посредник в передаче возбуждения), либо фермент, разрушающий этот медиатор. На постсинаптической, а часто и на пресинаптической мембранах присутствуют рецепторы к тому или иному медиатору.

При деполяризации пресинаптической терминали открываются потенциал-чувствительные кальциевые каналы, ионы кальция входят в пресинаптическую терминаль и запускают механизм слияния синаптических пузырьков с мембраной. В результате медиатор выходит в синаптическую щель и присоединяется к белкам-рецепторам постсинаптической мембраны, которые делятся на метаботропные и ионотропные. Первые связаны с G-белком и запускают каскад реакций внутриклеточной передачи сигнала. Вторые связаны с ионными каналами, которые открываются при связывании с ними нейромедиатора, что приводит к изменению мембранного потенциала. Медиатор действует в течение очень короткого времени, после чего разрушается специфическим ферментом. Например, в холинэргических синапсах фермент, разрушающий медиатор в синаптической щели — ацетилхолинэстераза. Одновременно часть медиатора может перемещаться с помощью белков-переносчиков через постсинаптическую мембрану (прямой захват) и в обратном направлении через пресинаптическую мембрану (обратный захват). В ряде случаев медиатор также поглощается соседними клетками нейроглии.

Открыты два механизма высвобождения: с полным слиянием везикулы с плазмалеммой и так называемый «поцеловал и убежал» (англ. kiss-and-run), когда везикула соединяется с мембраной, и из неё в синаптическую щель выходят небольшие молекулы, а крупные остаются в везикуле. Второй механизм, предположительно, быстрее первого, с помощью него происходит синаптическая передача при высоком содержании ионов кальция в синаптической бляшке.

Следствием такой структуры синапса является одностороннее проведение нервного импульса. Существует так называемая синаптическая задержка — время, нужное для передачи нервного импульса. Её длительность составляет около — 0,5 мс.

Так называемый «принцип Дейла» (один нейрон — один медиатор) признан ошибочным. Или, как иногда считают, он уточнён: из одного окончания клетки может выделяться не один, а несколько медиаторов, причём их набор постоянен для данной клетки.

  • В 1897 году Шеррингтон сформулировал представление о синапсах.
  • За исследования нервной системы, в том числе синаптической передачи, в 1906 году Нобелевскую премию получили Гольджи и Рамон-и-Кахаль.
  • В 1921 австрийский учёный О. Лёви (О. Loewi) установил химическую природу передачи возбуждения через синапсы и роль в ней ацетилхолина. Получил Нобелевскую премию в 1936 г. совместно с Г. Дейлом (Н. Dale).
  • В 1933 советский учёный А. В. Кибяков установил роль адреналина в синаптической передаче.
  • 1970 — Б. Кац (В. Katz, Великобритания), У. фон Эйлер (U. v. Euler, Швеция) и Дж. Аксельрод (J. Axelrod, США) получили Нобелевскую премию за открытие роли норадреналина в синаптической передаче.
  1. French R.D. Some problems and sources in the foundation of modern physiology in Great Britain // Hist. Sci.. — 1971. — № 10. — С. 28-29.
  • Савельев А. В. Методология синаптической самоорганизации и проблема дистальных синапсов нейронов // Журнал проблем эволюции открытых систем. — Казахстан, Алматы, 2006. — Т. 8, № 2. — С. 96—104.
  • Экклз Д. К. Физиология синапсов. — М.: Мир, 1966. — 397 с.

Искусственный синапс позволит создавать похожие на мозг компьютеры

Синапс

Человеческий мозг до сих пор остается самым мощным органическим процессором. Не удивительно, что создатели искусственного интеллекта используют его как пример. Создаваемые ими нейронные сети воспринимают информацию уже очень похожим образом. Теперь ученые Стэнфордского университета сделали еще один шаг в этом направлении, разработав органический искусственный синапс — связующее звено между двумя соседними нейронами.

ИИ на основе нейросетей уже способен классифицировать изображения и звуки, играть наравне с человеком в шахматы и другие интеллектуальные игры, создавать произведения искусства, управлять автомобилем. Основная проблема интеллектуальных программных систем состоит в том, что они очень энергозатратны.

Тестирование искусственного синапса

Ученым Стэнфорда удалось создать искусственный синапс, имитирующий процесс одновременной обработки и хранения информации. Построенный на основе батареи искусственный синапс работает, как транзистор. Устройство состоит из двух тонких пленок и трех электродов, где соленая вода представляет собой электролит между ними. Электрические сигналы передаются между двумя из них, а на третий подается управляющий сигнал.

В то время как обычные транзисторы имеют всего два состояния, искусственный синапс способен принимать до 500 различных запрограммированных состояний, что экспоненциально увеличивает вычислительную мощность.

При переключении между состояниями часть энергии заимствуется из смежных систем, таким образом значительно снижая потребление. Тем не менее, искусственный синапс все еще потребляет в 10000 раз больше энергии, чем органический. Но даже несмотря на это, результаты исследований означают шаг в правильном направлении, который позволит в дальнейшем создавать вычислительные устройства нового поколения.Тестирование искусственного синапса

Разработан первый транзистор, способный самообучаться в процессе работы

Проводя исследования, результатом которых может стать совершенно новый подход к реализации искусственного интеллекта, исследователи из Школы технических и прикладных наук (School of Engineering and Applied Sciences, SEAS) Гарвардского университета разработали новый тип транзистора, транзистора, способного самообучаться в процессе его работы, что делает его подобным нервному синапсу.

Названное синаптическим транзистором, это устройство самооптимизирует свои электрические и электронные характеристики в соответствии с функциями, которые оно выполняло в прошлом.

Одна из наиболее замечательных черт мозга человека или другого высокоорганизованного живого существа заключается в самообучении, в запоминании того, что это делает. Если человека заставить выполнять совершенно новую для него работу, то в первый день он будет действовать беспорядочно и постоянно совершать ошибки. Но, через неделю или две этот человек будет выполнять всю работу на «автопилоте», выполняя весь ряд действий, совершенно не задумываясь над этим.

Все это происходит благодаря пластичности мозга, способности мозга динамически перестраивать свою структуру, образуя новые синаптические связи между нейронами или «перепрофилируя» уже существующие связи.

Большая часть пластичности мозга является последствием изменений приблизительно в 100 триллионах синапсов, которые представляют собой взаимосвязи между нервными клетками мозга. При выполнении человеком однообразных действий, синаптические связи, отвечающие за эту деятельность, крепнут и их количество увеличивается, что приводит к появлению целых «дорог» из синапсов, соединяющих определенные участки мозга.

Рис. 1.

Когда определенный нейрон раз за разом посылает другому нейрону через синапс определенный сигнал, то этот синапс через некоторое время перестраивает свою структуру таким образом, чтобы усилить этот вид передаваемого им сигнала.

Синаптический транзистор, созданный гарвардскими учеными, подражает такому поведению синапса. Для этого транзистор имеет особую структуру, которая во многом повторяет структуру обычного полевого транзистора за исключением небольшого количества специальной ионной жидкости, находящейся в промежутке между изолированным затвором транзистора и его проводящим каналом. Канал синаптического транзистора изготовлен из никелата самария (SmNiO3), а не из легированного кремния, как у обычных полевых транзисторов.

К сожалению, за счет наличия функции самообучения синаптический транзистор имеет более низкую скорость реакции, нежели полевой транзистор. Под реакцией здесь подразумевается изменение силы электрического тока, текущего через канал транзистора, в ответ на изменение электрического потенциала на управляющем электроде, затворе. За счет наличия ионной жидкости транзистор может запомнить то, что он делал в прошлом и откорректировать проводимость его канала, что достигается за счет перемещения ионов кислорода, насыщающих материал канала транзистора.

Электрическим аналогом «укрепления» синапса является увеличение электрической проводимости канала синаптического транзистора. И при смене рода выполняемых транзистором функций, точнее, при изменении характеристик проходящих через него сигналов может произойти и обратная ситуация, когда проводимость канала транзистора будет уменьшена за счет оттока ионов кислорода назад в ионную жидкость.

Рис. 2.

Следует отметить, что синаптический транзистор предназначен для работы с непрерывными аналоговыми сигналами, а не прерывистыми цифровыми данными, с обработкой которых достаточно хорошо справляются простые полевые транзисторы.

Такая способность дает синаптическим транзисторам, которые являются одним из видов искусственных синапсов, большую гибкость в самостоятельном предварительном поиске методов решения определенной задачи и в дальнейшем улучшении своей работы по решению этой же задачи.

К сожалению, физическая структура гарвардского синаптического транзистора не может обеспечить самостоятельного должного управления значением проводимости его канала. Поэтому для создания необходимых временных задержек и формирования импульсов нужной формы, которые обеспечивают перенос ионов кислорода, используются несложные внешние электронные цепи. Тем не менее, это не является препятствием к созданию на основе синаптических транзисторов сложных схем по типу нейронных сетей, которые будут способны самостоятельно выработать особый вид реакции на определенные значения входных сигналов, и выработать эту реакцию не по заранее заложенной в структуре сети программе, а на основании опыта, приобретенного в ходе выполнения других задач.

Новые синаптические транзисторы могут стать точкой отсчета, с которой начнется разработка систем искусственного интеллекта нового поколения, построенного не на «умных» алгоритмах программного обеспечения, а «зашитого» в самой архитектуре компьютера. С другой точки зрения, схемы, собранные из миллионов крошечных синаптических транзисторов смогут перевести технологии параллелизма вычислений на качественно новый уровень эффективности.

Учёные создали искусственный синапс для будущего «мозга на кристалле» / Habr

Мозг человека — самая неизведанная структура во вселенной. 100 миллиардов нейронов передают друг другу нервные импульсы с разной амплитудой и частотой по 100 триллионам синапсов. С помощью этой системы учимся и решаем множество задач с молниеносной скоростью. Команда инженеров Массачусетского технологического института создала искусственный синапс, который лишён одного из главных недостатков существующих образцов — непредсказуемости движения ионов.


В 1906 году Нобелевская премия по медицине была выдана за работы по структуре нервной системы и классификации нервных клеток Камилло Гольджи и Сантья́ге Рамо́н-и-Каха́лю. Учёные и врачи на протяжении последних ста лет сумели узнать многое о нервной системе и мозге человека, но до сих пор не на все вопросы есть ответы. Особенно значимыми стали открытия, сделанные в рамках проекта The Human Brain Project с использованием новейших технологических достижений в области электронной и 3D микроскопии.

В мозге нейроны соединены аксонами — подобием электрических кабелей. Нервные импульсы по аксонам проходят через синапсы с помощью химических медиаторов, электрическим путём, при котором из одной клетки в другую проходят ионы, и смешанным, когда химическая передачи усиливает механизм электрической.

Передача импульсов между двумя нейронами. Департамент здравоохранения США

Учёные, работающие в сфере нейроморфных вычислений, пытаются создать компьютер, который действует схожим с мозгом человека способом. Вместо бинарных вычислений с единицами и нулями они пытаются использовать элементы, которые передают «аналоговые» сигналы с помощью различных «оттенков», как в мозге человека, где сигнал зависит от количества ионов, проходящих через синапс. Если современные вычислительные машины подходят для решения уравнений и запуска алгоритмов, то в случае с взаимодействием с окружением они не способны показать эффективность, доступную человеческому мозгу: в 2012 году Google создала нейросеть для распознавания кошек с помощью 1000 серверов и 16 тысяч ядер. Небольшие нейроморфные чипы смогут параллельно выполнять миллионы вычислений, на которые сегодня способны только суперкомпьютеры.

При создании нейроморфных чипов для симуляции синапса чаще всего используют аморфные материалы. У ионов, которые проходят через них, есть много направлений для движения. В этом и заключается сложность: из-за этого нельзя предсказать, куда именно отправится сигнал и сколько ионов потеряется по дороге.

Инженеры из Массачусетского технологического института спроектировали такой искусственный синапс, в котором смогли контролировать направление проходящего через него электрического сигнала. Вместо аморфных материалов учёные использовали монокристаллический кремний, в котором попытались создать дефект, через который ионы могли бы предсказуемо проходить. На пластину кремния нанесли микроскопический узор в виде сот. На эту пластину нанесли слой германия с аналогичным узором. Два эти материала вместе образуют «воронку», которая заставляет ионы течь по строго определённому пути.

Затем учёные проверили эффективность изобретения: через каждый синапс проходил практически одинаковый поток ионов. Разница между синапсами составляла до 4%, а при испытании одного синапса в течение 700 циклов изменения в проходящем токе составляло до 1% от цикла к циклу. По словам разработчиков, таких результатов пока не удавалось достичь в синапсах, построенных на базе аморфных материалов.

Финальным тестом для разработки стала задача по распознаванию рукописного текста. Команда учёных произвела компьютерное моделирование искусственной нейронной сети из трёх слоёв нейронов, связанных между собой двумя слоями искусственных синапсов, характеристики которых изначально были измерены с построенного ими чипа. В модель были загружены десятки тысяч образцов рукописного текста, которые обычно используют разработчики нейроморфных чипов. Нейросеть распознала образцы в 95% случаев, немного хуже, чем 97% точность существующих программных алгоритмов. Следующая цель команды — изготовить рабочий нейроморфный чип, который смог бы повторить эксперимент, проведённый с помощью симуляции.

«Мы хотим, чтобы чип размером с ноготь заменил один большой суперкомпьютер», — говорит глава команды инженеров.

Мозг и чип: от синапса к synapse’у

Как бы мы ни старались сблизить мозг и процессор, как бы ни старались найти общее в работе нейронных цепей и микросхем, специализации мозга и процессора, организации памяти и управляющих процессов — всё равно различий куда больше, чем сходных черт.

Можно предположить, что корень этого несходства в способности мозга менять свою структуру в зависимости от того, какие внешние и внутренние задачи перед ним стоят. Однако в последнее время были предприняты убедительные попытки воплотить в чиповых микросхемах и эту уникальную особенность мозга…

Где бы мы ни искали, в чём бы ни пытались найти сходство между чипом и мозгом, получалось что-то не то: либо сходство было частичным, либо обнаруживалось в какой-то частности и при переходе на более глобальный уровень терялось. Мы начали с нейронов и чуть было не приравняли их к транзисторам в микросхемах. Но тут оказалось, что сами по себе нейроны, может, и похожи на цифровые устройства с их работой по схеме «всё-или-ничего», однако на уровне сети нейроны действуют скорее как аналоговые устройства, в которых информация кодируется не столько положением «вкл/выкл», сколько частотой импульса. Кроме того, нейрон образует множество синапсов, и его способность отреагировать на возбуждение определяется состоянием последних. То есть возможность изменения поляризации мембраны зависит от соседей нейрона.

Затем мы попытались сравнить мозг и чип по их специализированным отделам и обнаружили, что процессорам до мозга с его множеством областей, частей, зон, извилин и прочим ещё далеко. Собственно говоря, не столько каждая из структур процессора выполняет собственные функции, сколько все вместе решают одну задачу. В случае решения пула задач задействованы сразу все структуры, при этом каждая «работает» в большей или меньшей степени, в зависимости от своего назначения.

Мы обнаружили, что собственная кеш-память процессора довольно похожа на один из видов нашей памяти, но прочие виды памяти, которые можно найти в мозге, в чипе не помещаются, да и вряд ли они нужны ему. Впрочем, по надёжности и быстроте памяти компьютер (весь, а не один лишь процессор) даст нам, конечно, большую фору.

А когда мы дошли до управления собственными действиями, как это происходит в процессоре и в мозге, то и вовсе зашли в тупик, так как в процессоре управление информационными потоками в большей степени зависит от программного обеспечения, тогда как в мозге отделить «программу» от «устройства» невозможно: они постоянно меняют друг друга. Впрочем, некие параллели между мозгом органическим и мозгом натуральным всё же были найдены.

Чтобы глаза мои тебя не слышали, или Про взаимозаменяемость в мозге

Если сказать, не особо задумываясь, что есть у процессора и чего нет у мозга, то это скорость и управляемость (или эффективность, или предсказуемость, как угодно). Вы знаете, что хотите получить от чипа, и непременно получите это — не успеете и глазом моргнуть. Если же попробовать назвать, что есть у мозга и чего нет у процессора, то тут многие, вероятно, подумают про сознание, самосознание, воображение, личность и т. п. Действительно, хотя, как мы говорили в самом начале, тема искусственной личности со своей волей чрезвычайно занимает и «физиков», и «лириков», воплотить в полупроводниковых микросхемах эти психические феномены до сих пор не удалось.

Крохотные выросты, покрывающие дендрит, — дендритные шипики, места формирования синапсов (фото skdevitt).

Ни генетика, ни окружение не позволяют исчерпывающе объяснить нейробиологические особенности мозга и черты характера индивидуума. С другой стороны, учёные до сих пор не могут точно определить структуры, которые отвечали бы за самосознание. До недавнего времени считалось, что оно заключено в корковом треугольнике из островковой области, передней части поясной коры и средней префронтальной коры, но тут в лаборатории оказался человек, у которого все эти участки были повреждены, а сознание всё же присутствовало…

Поэтому всё чаще говорят о том, что сознание и личность, по сути, такие феномены, которые «размазаны» по многим мозговым структурам и не имеют чёткой локализации. А посему мы оказываемся перед ещё одним глобальным различием между мозгом и — будем говорить шире — компьютером, которое несколько противоречит тому, что мы до сих пор обсуждали. В машине функции привязаны к структурным элементам; в мозге же, несмотря на все специальные отделы, зоны и участки, разные элементы могут выполнять совершенно, казалось бы, несвойственные им задачи.

Если в процессоре испортится кеш-память, если в компьютере откажет жёсткий диск, то работать на нём будет невозможно: он просто не запустится. С мозгом будет то же самое, если лишить его мозжечка или гиппокампа: столь крупные потери ничем не компенсировать. Но, например, у глухих от рождения кошек слуховые области коры, за отсутствием профильной информации, начинали обрабатывать зрительные сигналы. Другой пример: если мозгу надо заметить какого-то человека, то этим занимаются не только специальные «человекораспознавательные» зоны коры, но и те её участки, которые отвечают за идентификацию других объектов. Более того, распознаванием занимались не только зрительные зоны, но и те, что отвечают за абстрактное мышление, долговременное планирование и иные высшие когнитивные функции.

Этим примеры нестандартного информационного обмена между разными департаментами мозга не исчерпываются: скажем, до недавнего времени считалось, что соматосенсорные (подробно о соматосенсорной системе тут) и зрительные сигналы не пересекаются, но действительность доказала обратное. Вообще, со времён Финеаса Гейджа, которому железный штырь повредил лобные доли, чем изменил личность, биологи зареклись от железобетонных суждений о функционировании по крайней мере той или иной области коры: до случая с Гейджем считалось, что лобные доли на поведение человека не влияют.

Удивительная травма помогла Финеасу Гейджу стать «восковой знаменитостью» (фото scottnj).

У процессора и компьютера ни физическая структура, ни программная такой пластичностью не обладают: вы ничего не сможете нарисовать в антивирусе, а кеш-память не заменит графическое ядро. Однако аналогию здесь можно усмотреть с обычными, неспециализированными ядрами процессора: они, как мы помним, могут выполнять одни и те же процессы, и одно из ядер, скажем, может вообще отключаться, если для работы хватает меньших ресурсов. С другой стороны, ещё раз подчеркнём, что далеко не все функции мозга можно вот так легко перебрасывать с одного участка на другой. И всё же что касается чипа, то он не способен, подобно мозгу, сидеть на двух стульях – одновременно и быть специализированным, и при необходимости менять свои профессии между отделами.

Что в SyNAPSE’е тебе моём?

Можно долго рассказывать о том, как мозг формирует в себе модули для решения той или иной задачи, как он подчиняет их друг другу, как эти модули, или рабочие группы, объединяются, распадаются и переходят от одного управленческого центра к другому. Можно долго описывать, как всё это влияет на выполнение высших психических функций. И можно долго перечислять разнообразные «креативные» свойства мозга, которых нет у процессоров. Однако, как нам кажется, все эти свойства, способности и функции имеют в своей основе характернейшую черту мозга, на которую мы неоднократно намекали и которую прямо называли. Назовём её ещё раз: это способность мозга самостоятельно перестраивать нейронные сети. То есть мы пришли к тому, о чём говорили в самом начале.

Нейроны, напомним, объединяются в цепочки с помощью особых контактов, называемых синапсами. Однако синапсы эти не есть что-то неизменное, раз навсегда данное, вроде соединения между проводами или, скажем, транзисторами. Один и тот же нейрон может образовывать связи со многими другими нейронами, учитывать при передаче сигналов «мнение» соседей, участвовать сразу в нескольких нейронных контурах, рвать старые синапсы, устанавливать новые и т. д. Словом, представьте себе эту структуру, сложенную из нескольких миллиардов нервных клеток, которые постоянно «дышат», образуя, усиливая, ослабляя и разрывая множество соединений-синапсов, пользуясь так называемой синаптической пластичностью.

Что вызывает перестройки синапсов, изменения в их силе? Всё что угодно. Сенсорные ощущения, мотивация, цели, эмоции, размышления о смысле жизни (нет, последнее, конечно, это наши домыслы, опытов по выявлению зависимости строения мозга от размышлений о смысле жизни, кажется, ещё никто не ставил). Вот, скажем, очень характерный пример: в экспериментах на животных учёные убедились, что секс вызывает перестройки в синапсах, – правда, у разных полов эти изменения выглядят по-разному.

После секса ваш мозг уже никогда не будет прежним! (Фото Shutterstock.)

Стоит, впрочем, заметить, что, когда речь идёт о перестройках в мозге, мы вовсе не всегда имеем в виду лишь приращение синапсов. Иногда для лучшей работы мозг избавляется от лишних соединений, которые только запутывают общую схему; так, уменьшение числа синапсов часто имеет место при запоминании. Кроме того, мозг, к примеру, может усиливать миелинизацию аксонов (подробнее о миелине, об аксонах), чтобы сигнал передавался быстрее, и это происходит не только из-за возросшего потока сенсорных импульсов, но и при увеличении нагрузки на абстрактное мышление. О том, как в зависимости от задачи мозг меняется на макроуровне, можно убедиться на двух замечательных примерах с балеринами и лондонскими таксистами: у тех и у других специфический род занятий привёл к перестройкам в областях мозга, связанных с чувством равновесия (у танцовщиц) и памятью (у таксистов).

Можно и дальше множить примеры пластичности мозга, пытаясь найти в ней разгадку феноменов высшей нервной деятельности, но зачем? Ведь мы и так уже решили, что процессоры о такой пластичности не могут и мечтать, что у них она в принципе невозможна и что никаких «высших психических функций» в компьютерных схемах воплотить нельзя…

Или всё-таки можно?

Про электронную микросхему, копирующую работу гиппокампа, мы говорили в одной из прошлых заметок. Похожую вещь сделали и с мозжечком, который тоже заменили электронным «протезом» — правда, пока только у крыс. Однако конструкторы микросхем замахнулись на большее: они задумали воссоздать в микросхемах сам принцип синаптической пластичности нейронов!

Один из таких проектов — SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics) — реализуется исследовательской лабораторией IBM. Его суть сводится к созданию вычислительных ядер с чистого листа, которые смогли бы имитировать работу мозга. Каждое из них будет содержать «синапс» (память), «нейрон» (вычислительный блок) и «аксон» (коммуникационный канал). Работая параллельно, большой массив таких ядер обеспечит принципиально новые возможности вроде мгновенного распознавания сложных образов, выявления связей между объектами, прогнозирования событий и пр.

Основная цель проекта SyNAPSE — воспроизведение способности мозга к восприятию информации, выполнению действий и обучению при получении сигналов небольшой амплитуды и силы, без программирования. По сути, речь идёт о создании компьютерной архитектуры, не замкнутой в принципах фон Неймана и не ограничивающейся командами типа «если Х, то Y». Разумеется, для работы «нейросинаптических процессоров» потребуются принципиально новые инфраструктура и модели программирования.

Ещё в 2011 году IBM удалось создать прототипы «нейросинаптических вычислительных чипов» на основе электронных цепей. Один из них был наделён 262 144 программируемыми «синапсами», другой — 65 536 обучающимися. Оба прототипа, выполненные по 45-нанометровой технологии, содержали также 256 «цифровых нейронов». Экспериментальные «нейросинаптические ядра» выполнены по КМОП-технологии: они насчитывают в общей сложности 3,8 млн транзисторов, размещённых на площади 4,2 мм². Каждый цифровой «нейрон» имеет размеры 35–95 мкм. Для сравнения: диаметр настоящих нейронов варьируется от 4 до 100 мкм.

Проект SyNAPSE финансируется Управлением перспективных исследований Министерства обороны США (DARPA). В его дальнейшие планы входит увеличение числа «синапсов» до десятков триллионов, а количества «нейронов» — до десятков миллиардов. После этого можно будет говорить о создании «цифрового мозга». Предполагается, что по своим возможностям он будет сравним с мозгом мышей и кошек, и это наконец-то позволит наделить машины зачатками искусственного интеллекта.

Помимо SyNapse, стоит обратить внимание ещё на один интересный проект – когнитивной вычислительной платформы Zeroth. Вместо того чтобы работать по заранее заложенным программным алгоритмам, такие системы будут самообучаться и получать обратную связь от окружающей среды.

В качестве примера (см. видео ниже) показан небольшой робот с чипом Zeroth, помещённый в комнату с разноцветными плитками на полу. Машина самостоятельно научилась выбирать только участки белого цвета, получив положительное подкрепление — событие, поощряющее какое-либо действие и ведущее к увеличению вероятности повторного совершения этого действия. В данном случае таким событием стало обретение характеристики «хороший робот» в тот момент, когда механизм находился на плитке белого цвета.

То есть тут имитируется работа довольно сложного комплекса мозговых центров, который называется системой подкрепления и в который, кстати говоря, входит небезызвестный центр удовольствия. Система подкрепления даёт чувство удовлетворения от выполненной задачи, от вознаграждения, от похвалы и т. п. Как легко догадаться, эта система играет не последнюю роль в обучении, и вот — её сумели «эмулировать» в роботе.

Другая важная составляющая концепции Zeroth — стремление иметь такую же эффективность, с какой информация от органов чувств поступает в мозг.

Конечная цель проекта заключается в создании, определении и стандартизации так называемого нейронного процессора — Neural Processing Unit (NPU). Чип сможет самообучаться, анализировать информацию, делать выводы и принимать решения на их основе без жёсткой привязки к программному коду. При этом будет обеспечиваться высочайшая энергетическая эффективность. Блоки NPU теоретически смогут применяться как в самостоятельных процессорах, так и в «системах на чипе» с традиционными вычислительными узлами.

«Портрет» нейросинаптического чипа (фото DARPA).

Попытки симулировать работу коры головного мозга с помощью традиционных микросхемных технологий предпринимались, и самая масштабная имитировала 1,6 млрд нейронов и 8,87 трлн синапсов. Это соответствует коре мозга кошки или 4,5% коры человеческого мозга. В имитации участвовал суперкомпьютер Blue Gene/P Dawn, насчитывающий 147 456 процессоров и 144 Тб основной памяти. Иными словами, пока даже самым мощным вычислительным комплексам в мире не под силу воспроизвести тот потенциал, который заложила в нас природа. Но, возможно, с появлением «нейронных процессоров» ситуация начнёт меняться…

Нейронные пути мозга макаки, симулированные с помощью архитектуры TrueNorth, являющейся частью программы SyNAPSE иИллюстрация DARPA).

Гибриды

А что же происходит в повседневной жизни современного человека? Все мы не представляем себя без смартфонов, планшетов, ноутбуков и т. п. Каждый день кто-то проводит презентации с использованием гаджетов, кто-то смотрит видео и слушает музыку. Печатные книги давно заменены на «читалки» как минимум, а по большому счету на те же смартфоны и планшеты: оглянитесь в метро. Фотоаппараты многими забыты; а и правда, зачем они нужны, если камера на смартфоне может делать фото хорошего качества?

Люди сливаются с гаджетами и ПК; в скором времени смартфоны, планшеты, ПК смогут распознавать нашу мимику, настроение, жесты. И всё это произойдет быстрее, чем мы успеем оглянуться. Более того, есть уже яркие примеры, и один из них – Samsung Galaxy SIII, который выполняет ряд команд, поданных только лишь направлением взгляда.

А компания Nuvixa разработала технологию, которая позволяет докладчикам самим становиться частью “живого” слайд-шоу и управлять им с помощью жестов. Это делает нескучными учебные презентации и альбомы фотографий из поездок. Ещё один пример – от студии real-time-графики и интерактивных решений Inty – голографическая презентация для компании Shell, в которой реализована возможность интерактивного управления. Кстати, для данного проекта использована профессиональная видеокарта FirePro W9000 от AMD.

К чему все это? А к тому, что потрясающую работу всех устройств с описанными выше примерами обеспечивают новейшие технологии. Иллюстрацией может служить объединение с помощью специальной архитектуры гетерогенных систем центрального и графического процессора в рамках одного чипа – так называемый гибридный процессор.

Архитектура гетерогенных систем (HSA) – платформа, которая оказывает огромное влияние на вариации работы с ноутбуком, смартфоном, планшетом или другими электронными устройствами.

Главная задача платформы HSA состоит в том, чтобы получить максимум возможностей из кристалла, скрытого в устройстве. HSA не только способствует оптимальному использованию центрального процессора, но и превращает графический процессор в еще более многозадачный механизм, позволяя разработчикам программировать для одного или обоих устройств в зависимости от решаемых задач. Благодаря этой технологии пользователи смогут по достоинству оценить легкость работы устройств, их мгновенную реакцию на команды и значительно меньшие энергозатраты.

Для того чтобы создать некую целостность в вопросах разработки и подходах к программированию в области гетерогенных систем, построенных различными вендорами, в июне 2012 года было основано сообщество HSA Foundation. Кроме AMD, туда входят Texas Instruments, Samsung, Qualcomm, MediaTek, Imagination Technologies и ARM. Не так давно, на конференции AMD, в состав сообщества вошли ещё и такие компании, как Canonical, Broadcom, Huawei, Oracle и др. Каждая из этих компаний либо производит HSA-устройства, либо разрабатывает софтверные решения и платформы, которые поддерживают эти устройства и раскрывают их преимущества — в зависимости от профиля организации. А все потому, что HSA дает чрезвычайно интересные преимущества для самого широкого диапазона задач. Гибридные процессоры с такой архитектурой могут применяться практически на всех устройствах: в смартфонах, десктопах, ноутбуках, рабочих станциях, серверах и т. д.

Первые гибридные процессоры с архитектурой HSA, представленные AMD в январе 2014 года под названиями A10-7850K, A10-7700 и A8-7600, известны также под кодовым наименованием Kaveri. Подробнее см. тут.

Синаптическая пластичность — возможность изменения силы синапса в ответ на активацию постсинаптических рецепторов; именно она составляет нейрофизиологическую основу памяти, обучения и, очевидно, других высших нервных функций.

Оставьте комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *