De nye metodene innen kunstig intelligens er direkte inspirert av hjernen, poengterer professor Anders Malthe-S?renssen, leder av Center for Computing in Science Education ved UiO.
Han 澳门葡京手机版app下载er tett med hjerneforsker og professor Marianne Fyhn p? Institutt for biovitenskap. Kongstanken deres er at den nye kunnskapen fra hjerneeksperimenter b?de skal kunne forbedre kunstig intelligens og at kunstig intelligens skal kunne gj?re hjerneeksperimentene enda bedre.
Bakgrunnen for dette spesielle 澳门葡京手机版app下载et mellom en fysiker og en hjerneforsker g?r tilbake til den gangen Marianne Fyhn tok doktorgraden i hukommelsesbiologi. Hun var stipendiat hos nobelprisparet May-Britt og Edvard Moser. Doktor- avhandlingen hennes ble k?ret til verdens beste av den amerikanske foreningen Society for Neuroscience. I dag driver Marianne Fyhn, sammen med ektemannen Torkel Hafting, sitt eget hjerneforskningslaboratorium p? UiO. De siste ?tte ?rene har de studert hvordan hjernen kan l?re seg nye ting samtidig som de lagrete minnene ikke forsvinner. Hun er n? spesielt interessert i hvordan stedsansen v?r i hjernen fungerer og hvordan hjernen v?r er i stand til ? l?re ? huske hvor vi har v?rt.
Sinnrik hjerne
Hjernen v?r er et sinnrikt nevralt nettverk som best?r av 85 til 100 milliarder hjerneceller. Hver av dem har direkte kontakt med opptil ti tusen andre hjerneceller. Mange av hjernecellene er ogs? koblet tilbake til seg selv. Alle hjernecellene kommuniserer seg imellom med elektro-kjemiske signaler.
Noen typer kunstig intelligens, s?kalte nevrale nettverk, er bygd opp etter inspirasjon fra hjernen, men i en sv?rt forenklet form. Nevrale nettverk best?r av tusenvis av punkter, der hvert punkt i det nevrale nettet representerer én digital hjernecelle. De digitale hjernecellene ligger systematisk og lagvis fordelt. I hjernen v?r kan de elektriske pulsene sendes frem og tilbake via andre hjerneceller. Pulsene kan ogs? g? i loop. Derimot finnes det ingen tilbakekoblinger i de vanligste kunstige nevrale nettverkene. Der kan signalene bare g? i én retning. Signalene kan bare sendes til de digitale hjernecellene i det neste laget. Hvis summen av signalene overstiger en bestemt verdi, sender den digitale hjernecellen et signal videre. Slik fortsetter de digitale hjernecellene ? ta imot og sende signaler videre til det neste laget, gjennom lag for lag, inntil det nevrale nettet kan gi et presist svar.
– Strukturen i det kunstige nevrale nettet er derfor mye enklere enn i hjernen v?r, understreker Anders Malthe-S?renssen.
For at kunstig intelligens skal fungere m? det nevrale nettet trenes opp en mengde ganger. For hver runde fininnstilles parameterne i alle de kunstige hjernecellene.
Sjakkmesteren
Et av mest kjente eksemplene p? kunstig intelligens er den ber?mte sjakkcomputeren til Deepmind, et britisk selskap som slo seg sammen med Google i 2014.
Deepmind trente opp kunstige agenter til ? spille sjakk mot hverandre. Ved ? spille enormt mange ganger kunne agentene l?re spillet ved ? pr?ve og feile. Den eneste inputen de fikk, var spillereglene. Intet mer. Etter tre–fire timers beregninger i en tungregnemaskin var datamaskinen blitt s? god at den kunne sl? de klassiske sjakkmaskinene, selv om de var f?ret med stormesterpartier fra hele verden.
I fjor h?st publiserte Deepmind en artikkel der de trente opp en virtuell mus i datamaskinen. Musen ble trent opp til ? navigere i en labyrint. Den hadde digitale ?yne. Akkurat som hver av de enkelte reseptorene i ?ynene v?re er koblet til ulike nerveceller inne i hjernen v?r, vil et digitalt ?ye bearbeide informasjonen fra hvert bildepunkt gjennom hver sin digitale hjernecelle.
Stedsans
N?r vi bruker stedsansen, bruker vi hjerneceller i et helt spesielt omr?de i hjernen, n?rt hukommelsessenteret, som kalles entorhinal cortex. Dette er spesialet til Marianne Fyhn. Hun m?ler aktiviteten i hjernecellene til mus og rotter, heretter omtalt som rotter, og ser hvordan signalene blir sendt videre avhengig av hvor de beveger seg.
Selv om rotter lett finner frem, er det vanskelig ? programmere en kunstig rotte til ? finne veien.
– Tenk deg at du skal finne veien til kontoret i dag. Du synes sikkert dette er veldig enkelt, men det er uhyre vanskelig for en maskin. Den m? trenes opp noe helt enormt for ? klare dette. Hvis den skal til et annet kontor, m? den trenes opp atter en gang, poengterer Marianne Fyhn.
UiO-forskerne ?nsker n? ? ?ke kunnskapen om kunstig intelligens ved ? l?re om hvordan rotter bruker hjernen til ? navigere.
– Ideen v?r er ? konstruere nevrale nettverk som tar enda mer hensyn til hvordan den biologiske hjernen sender signalene sine videre. Ved ? sende signalene tilbake, som i den virkelige verden, kan det bli st?rre dynamikk i den kunstige intelligensen, forteller Anders Malthe-S?renssen.
Ser inn i rottehjernen
Marianne Fyhn kan ogs? f? glede av den kunstige intelligensen til ? designe nye rottefors?k. Selv om rotter er mye enklere skapninger enn oss mennesker, har hjernen deres likevel mye til felles med v?r. Rottehjernen best?r av rundt 100 millioner hjerneceller. I det avanserte laboratoriet hennes, der hun kan se rett inn i rottehjernen, kan hun likevel bare m?le hva som skjer i 300 hjerneceller.
– Disse hjernecellene gir bare et glimt av hva som skjer. Det er derfor vanskelig ? vite hvordan de er forbundet og virker sammen, forklarer Fyhn.
Kunstig intelligens er derfor viktig for eksperimentene hennes. Ved ? bruke kunstige, nevrale nettverk til ? simulere hva som skjer i rottehjernen, kan de brukes b?de til ? forklare hva hun m?ler i rottehjernen og til ? designe nye eksperimenter.
Den store svakheten med dagens kunstige intelligens er at signalene i de nevrale nettverkene ikke g?r begge veier.
– Dagens nevrale nettverk er overforenklet. I hjernen er det hundrevis, om ikke tusenvis, av ulike hjerneceller med ulike egenskaper. De har utrolig mange tilbakekoblinger; koblinger tilbake til andre hjerneceller og til andre omr?der i hjernen, og de har til og med koblinger tilbake til seg selv. Hjernen er ekstremt kompleks. Det er et kjemisk maskineri i hjernen som kan endres over tid. Jeg har ikke tro p? at det er mulig ? gjenskape alt som skjer i hjernen, i en datamaskin, men det kan v?re elementer i hjernen som vi kan etterape, sier Marianne Fyhn.
En av de prosessene de tror at de kan gjenskape, er GPS-delen i hjernen, alts? den delen av hjernen som gj?r at vi klarer ? finne frem.
– Hjernen har l?st mange kognitive funksjoner som datamaskinen ikke klarer, fordi matematikerne har lagt inn begrensninger p? hvordan den kunstige hjernen skal fungere. N?r vi forst?r mer av hvordan den biologiske hjernen fungerer, kan vi la oss inspirere til ? lage nye typer nevrale nettverk. Vi vet ikke mye om hvordan hjernen fungerer n?r den spiller sjakk, men vi vet mye om hva som skjer i rottehjernen, n?r de navigerer inne i labyrinter, p?peker Anders Malthe-S?renssen.
L?ring
UiO-forskerne ?nsker ? bruke den nye kunnskapen fra rottefors?kene til ? se hvordan de kan lage mer effektive l?ringsalgoritmer. M?let er ikke en maskin som n?dvendigvis l?rer enda raskere, men ? lage det som kalles for robust l?ring. Med robust l?ring skal det ikke lenger v?re mulig ? lure den kunstige intelligensen til ? tro at den gjenkjenner bilder, hvis bildene viser noe helt annet. Tenk deg at du jakter p? en sebra. Hvis sebraen endrer litt p? sebram?nsteret sitt, gjenkjenner du selvsagt fortsatt sebraen. Men det er ikke gitt at den kunstige intelligensen klarer det samme. Hvis kunstig intelligens skal l?re seg hva som er en sebra, m? den kanskje analysere flere millioner ulike bilder av sebraer. Det trenger ikke vi mennesker. Vi er smartere enn som s?.
– Noe i de naturlige systemene er derfor mer robust og mer effektivt enn den kunstige intelligens- en. Hjernen v?r bruker dessuten mye mindre energi til bildegjenkjenning enn kunstige nettverk. Vi ?nsker derfor ? overf?re denne robustheten til kunstig intelligens. Da m? vi vite mer om hvordan hjernen v?r er bygd opp, sier Anders Malthe-S?renssen.
UiO langt fremme
Det er nettopp her han mener at UiO kan ha noe ? fare med.
– Vi er langt fremme i beregningsorientert nevrovitenskap. Vi har kunnskapen i matematikk, fysikk og simuleringer, vi har lang erfaring i ? lage kunstige nettverk, og vi har dessuten eksperimentell erfaring i hvordan den biologiske hjernen fungerer.
L?ring handler ogs? om korttids- og langtidshukommelse. N?r du skal beregne hvor du g?r, er det viktig ? vite hvor du var for tre steg siden, mens det er mindre viktig ? vite hvor du var for tusen steg siden.
– Hvis du er n?dt til ? trene opp en robot hver gang den g?r fra et annet sted og hjem til deg, er ikke dette s?rlig l?nnsomt. Vi m? derfor l?re den hvordan den kan l?re av det som har skjedd tidligere, sier Malthe-S?renssen.
GPS-delen i hjernen ligger i det som kalles gitter-celler. Det viser seg at de samme hjernecellene ikke bare brukes til ? finne veien.
– Vi har bare et begrenset antall hjerneceller. De samme cellene kan gj?re mange forskjellige ting. N? viser det seg at gitter-cellene ogs? kan v?re koder for frykt og tid og kanskje ogs? andre inntrykk. Det vil en datamaskin ikke klare i dag, sier Marianne Fyhn.
Hun ser likevel frem til ? bruke kunstig intelligens til ? forst? mer om hjernen.
– Ved ? kombinere den nyeste teknologien innen hjerneforskning med kunstig intelligens, har vi n? f?tt langt mer sofistikerte metoder ? studere hjernen p?. Det er spennende.
Anders Malthe-S?renssen ser for seg at forskningen deres kan f?re til nye anvendelser.
– Det viktigste for oss er ? lage mer effektive l?ringsalgoritmer. De kan gj?re fremtidens navigasjon og bildegjenkjenning bedre.