Большинство современных компьютеров построены на основе архитектуры Джона фон Неймана, в основе которой лежит концепция хранимой программы, составленной исключительно людьми. Программирование — это, по сути, искусство передачи знаний о мире с помощью набора команд для достижения желательного результата от человека к компьютеру посредством электромеханических интерфейсов, таких как клавиатура и мышь. Люди в этой цепочке нередко оказываются тормозом для развития вычислительных способностей машин, поскольку передача информации от человека к машине ограничивается нашими способностями к составлению логических инструкций, выражающих хранимые мозгом знания, а также скоростью работы интерфейса. Но по мере того, как машинный интеллект приближается по общей эффективности к человеческому, ускорение динамики взаимодействия с машинами, скорее всего, заставит отказаться от нынешних интерфейсов их программирования.

Машинное обучение, одна из самых быстрорастущих областей компьютерной науки, в значительной степени полагается на доступность меток для данных — например, обозначений объектов на фотоснимках (здесь метки позволяют машине запоминать ассоциации между разными элементами данных). Нередко такие метки субъективны — они создаются людьми с использованием их знаний о мире, а потому их сложно генерировать полностью автоматически, хотя именно в автоматизме и состоит ценность меток. В частности, анализ переходов пользователей по сайтам стал основой бизнеса таких компаний, как Google, Amazon и Facebook, которые с помощью такого анализа персонализируют предоставляемые сервисы. Но хотя количество меток, генерируемых при действиях людей (например, при переходах по ссылкам), огромно, оно все же ничтожно по сравнению с числом меток, создаваемых мозгом при обработке сенсорной информации. Человеческое восприятие — активный процесс, даже когда он не приводит к конкретным действиям; если бы можно было получить доступ к содержанию когнитивных процессов человека, пока тот, скажем, идет по улице или смотрит телесериал, это дало бы гигантский объем сведений, полезных для систем машинного обучения, и определенно привело бы к колоссальным усовершенствованиям.

Интерфейсы «мозг-компьютер» (brain-computer interface, BCI) неинвазивно декодируют содержимое мозга с помощью электроэнцефалограмм (ЭЭГ), регистрируемых через электроды на коже головы, либо инвазивно посредством электрокортикографии, проводимой с применением внедренных в кору мозга электродов, заставляя компьютер действовать в зависимости от полученной информации. Характерный пример применения BCI — предоставление возможности инвалиду перемещать курсор по экрану, просто думая об этом. Но в целом системы BCI, обеспечивающие активное управление, до сих пор продемонстрировали людям лишь ограниченную пользу, в основном из-за низкого соотношения сигнал-шум при измерении электрической активности мозга. Но даже зашумленные сигналы могут дать полезную информацию, если их долго анализировать. Эти сведения можно использовать для расширения возможностей по обучению других вычислительных систем.

 

Инициатива BRAIN института IEEE

В конце 2015 года в IEEE начали проект Brain, задача которого — обеспечивать междисциплинарное взаимодействие и сотрудничество в рамках исследований, стандартизации и разработки нейробиологических технологий в целях улучшения условий существования человечества. IEEE опирается на свой обширный опыт в электронике, связи, датчиках, энергоснабжении и др., помогающий подходить к изучению мозга и поиску способов взаимодействия с ним с инженерной и системной точек зрения. В частности, проект IEEE Brain координирует процессы стандартизации и разработки технологий исследования мозга, осуществляемые в рамках инициативы Advancing Innovative Neurotechnologies и европейской программы Human Brain Project, а также аналогичных, идущих в...

Это не вся статья. Полная версия доступна только подписчикам журнала. Пожалуйста, авторизуйтесь либо оформите подписку.
Купить номер с этой статьей в PDF