しかし、どうやってそこに到達するのでしょうか？したがって、私たちは自分自身を高度に知的な存在であると考えています。
したがって、人工知能を作成するために、私たちの認知の基盤である私たち自身の脳を研究することは論理的です。
私たち自身の脳の働きを再現できるかどうか想像してみてください。
どうやってそれを行うのでしょうか？私たちは自分の脳を使って人工知能を作り出すことができます。
私たちは自分の脳を使って人工知能を作り出すことができます。
私たち自身の脳がどのように機能するかをコンピューター上で再現できるかどうかを想像してみてください。
しかしここで、必要となる旅程を考えてみましょう。
人間の脳には 860 億個のニューロンが含まれています。
それぞれが他の何千もの人々と常に通信しており、それぞれが独自の個別の特徴を持っています。
人間の脳をコンピューター上でキャプチャすることは、今日私たちが持っている技術と知識で取り組むには大きすぎて複雑すぎる問題かもしれません。
脳をコンピュータ上でキャプチャできると私は信じていますが、もっと小さなことから始めなければなりません。
これらの昆虫は、私にとって世界で最も魅力的な脳のうち 3 つを持っています。
彼らは人間レベルの知性を持っていませんが、それぞれが特定の任務において優れています。
彼らは高度な訓練を受けた専門家だと考えてください。
アフリカのフンコロガシは、大きなボールをまっすぐに転がすのがとても上手です。
さて、雪だるまを作ったことがある人なら、大きなボールを転がすのは簡単ではないことをご存知でしょう。
今度は、雪の玉が自分と同じくらい大きくて、逆立ちして雪だるまを作ろうとしているところを想像してみてください。
サハラ砂漠のアリは航海のスペシャリストです。
彼らは食べ物を探すためにかなりの距離を歩き回らなければならないかもしれませんが、一度食べ物を見つけたら、彼らは家に帰る最もまっすぐな道を計算する方法を知っています。
そしてトンボは狩猟のスペシャリストです。
野生では、トンボは選んだ獲物の約 95% を捕らえます。
これらの昆虫は、その専門分野で非常に優れているため、私のような神経科学者は、動物の神経系が特定の問題をどのように解決するかを理解するためのモデルシステムとして昆虫を研究しています。
そして、私自身の研究では、生物学が提供する最高のソリューションであるこれらのソリューションをコンピューターにもたらすために脳を研究しています。
そこでトンボの脳について考えてみましょう。
ニューロンはおよそ 100 万個しかありません。
さて、たとえ 100 万個のニューロンの回路を解明するのはまだ簡単ではありませんが、100 万個のニューロンの脳を分解するか、860 億個のニューロンの脳を分解するかの選択を迫られた場合、どちらを最初に試しますか?これらの小さな昆虫の脳を研究する場合、当面の目標は人間の知性ではありません。
私たちはこれらの脳を昆虫の得意分野として研究しています。
そしてトンボの場合、それはインターセプトです。
したがって、トンボが狩りをするとき、彼らは獲物に向かってまっすぐに飛ぶだけではありません。
それを迎撃するように飛んでいきます。
彼らは、パスをインターセプトするために走るサッカー選手と同じように、獲物がいる場所を狙います。
これを正しく行うために、トンボは、目の基準フレーム、つまりトンボが見ているものから、体の基準フレーム、またはトンボが迎撃するために体をどのように回転させる必要があるかという、いわゆる座標変換を実行する必要があります。
座標変換は、動物が世界と対話するために実行する必要がある基本的な計算です。
私たちは何かに手を伸ばすたびに本能的にこれらを実行します。
物に手を伸ばすとき、私の腕は、頭を回転させ、同じ物が片側にあるときにそれを見て、そこに手を伸ばす場合とはまったく異なる軌道を描きます。
どちらの場合も、私の目にはその物体の同じ画像が見えますが、私の脳は首の位置に基づいて非常に異なる軌道に腕を送っています。
そしてトンボは速いです。
彼らは最高時速100キロメートルの速度で飛行することができます。
しかし、彼らは速いです。
これは、計算が速いことを意味します。
潜時、つまりトンボが獲物の向きを見てから反応するまでにかかる時間は約 50 ミリ秒です。
この遅延は顕著です。
まず、その時間は人間のまばたきの半分の時間しかありません。
しかし別のこととして、トンボは比較的、あるいは驚くべきことに少ない計算ステップで傍受する方法を捕らえていることを示唆しています。
したがって、脳内では、計算ステップは単一のニューロン、または並行して動作するニューロンの層です。
単一のニューロンがすべての入力を合計して応答するまでに約 10 ミリ秒かかります。
50 ミリ秒の応答時間は、トンボが獲物の向きを変えるのを見た後、トンボがどのように向きを変える必要があるかを計算するために、これらの計算ステップのうちおそらく 4 つ、つまり 4 つのニューロン層が順番に動作するだけの時間しかないことを意味します。
言い換えれば、トンボがどのように座標変換を行うかを研究したい場合、理解する必要がある神経回路、研究する必要がある神経回路は、最大 4 層のニューロンを持つことができます。
各層には多くのニューロンがある可能性がありますが、これは小さな神経回路であり、現在利用可能なツールを使用して識別して研究できるほど十分に小さいです。
そしてこれが私がやろうとしていることです。
私は、トンボがどのように回転するかを計算する神経回路であると思われるモデルを構築しました。
そして、素晴らしい結果がこれです。
このモデルでは、トンボは 1 つの計算ステップ、つまり 1 つのニューロン層のみで座標変換を実行します。
これはテストして理解できるものです。
コンピューターシミュレーションでは、トンボが狩りをしている間の個々のニューロンの活動を予測できます。
たとえば、ここでは活動電位、つまりトンボが獲物の動きを見たときにこれらのニューロンの 1 つによって発火されるスパイクを予測しています。
モデルをテストするために、共同研究者と私は現在、これらの予測された神経反応を生きたトンボの脳で記録されたニューロンの反応と比較しています。
これらは、生きたトンボを仮想現実の中に入れるという現在進行中の実験です。
さて、トンボにVRゴーグルを装着するのは現実的ではありません。
そこで代わりに、電極が脳内の個々のニューロンの活動パターンを記録しながら、トンボに移動するターゲットの動画を見せます。
はい、彼は映画が好きです。
脳内で記録した反応がモデルによって予測された反応と一致すれば、どのニューロンが座標変換を担当しているかが特定されたことになります。
次のステップは、これらのニューロンがどのように連携して計算を行うかを詳細に理解することです。
しかし、これは、脳が基本的または原始的な計算、つまり傍受だけでなく認知のためのより複雑な機能の構成要素として私が考える計算をどのように行うのかを理解し始める方法です。
これらのニューロンが計算する方法は、今日のコンピューター上に存在するものとは異なる可能性があります。
そして、この研究の目標は、ニューロンの活動パターンを再現するコードを書くだけではありません。
私たちは、生物学的な脳と同じことを行うだけでなく、生物学的な脳と同じ方法でそれらを実行するコンピューター チップを構築することを目指しています。
これにより、トンボと同じサイズのコンピューターによって駆動され、一部の標的を捕捉し、他の標的を回避するドローンが誕生する可能性がある。
個人的には、夏に裏庭を蚊から守るために、これらの小さな軍隊がいることを望んでいます。
携帯電話の GPS は、フンコロガシやアリをベースにした新しいナビゲーション デバイスに置き換えられ、家までのまっすぐな道や楽な道を案内してくれる可能性があります。
そして、これらのデバイスの電力要件はどのようなものになるでしょうか?人間の脳は、どんなに小さくても、または残念ながら大きくても、20 ワットの電球と同じ電力要件があると推定されています。
脳からインスピレーションを得たすべてのコンピューターの電力要件が同じで非常に低い場合を想像してみてください。
スマートフォンやスマートウォッチはおそらく毎日充電する必要があります。
脳をヒントにした新しいデバイスは、数か月ごと、場合によっては数年ごとに充電するだけで済むかもしれません。
有名な物理学者リチャード・ファインマンはかつてこう言いました。「昆虫の神経系で私が見ているのは、脳と同じように機能するコンピューターの作成を通じて脳を理解する機会です。」
そして、これらのコンピューターの作成は知識のためだけではありません。
デバイス、車両、さらには人工知能にも実際の影響が及ぶ可能性があります。
ですから、次に昆虫を見たときは、これらのことは単なる知識のためではないと考えてください。
彼らはあなたが世界を理解するのを助けるためにそこにいます。
次回昆虫を見たときは、この小さな脳が優れたコンピューターにつながる可能性があることを考えてください。
そして、それらが私たちにもたらす将来の可能性について考えてみましょう。
ありがとう。
ありがとう。
ありがとう
コメント