最高精度の「線虫脳」、ここにあります。
この「脳」は、線虫の生物学的神経系全体をシミュレートします。
(注: Caenorhabditis elegans は 302 個のニューロンを持つ「最も単純な生きた知能」です)
今回、国内の学者らは Caenorhabditis elegans のニューロン ネットワーク全体を結合しただけでなく、細胞内レベルのつながり。
その洗練のレベルは、現在知られている最高レベルに達していることが理解されています:
以前、ある研究では、単一の生物学的ニューロンの計算の複雑さを研究しました。ニューラル ネットワークでは、単一の生物学的ニューロンの複雑さを表現するには、相互接続されたニューロンの層が 5 ～ 8 層必要です。
そして、このように慎重に構築された「脳」を通じて、この「知的な線虫」は動的な這いを完了することができます。
これは北京知源人工知能研究所の最新の研究成果であり、その背後にある「鋭利な兵器」が天燕プロジェクトです。
そして、研究チームによると、この「知能の高い線虫」MetaWorm 1.0 の誕生は、生命シミュレーションの精度における画期的な進歩であるだけではありません:
これは前進です。人工知能の生活。
この脳のために選ばれた線虫は、「神経系を備えた最も正確な線虫」と言えます。 " 「最も単純な生物の 1 つ」 -
完全な神経系を持ち、感知、逃走、採餌、交尾が可能で、全体の構造は非常に単純です。成虫の体細胞は約 1,000 個しかありません。
体長約 1 mm のこの小さな透明な生き物は、科学研究コミュニティで「頻繁に訪れる人」となっており、過去 20 年間で 3 つのノーベル賞が関連しています。
神経科学者にとって、Caenorhabditis elegans の神経系は完全に破壊されており、リアルタイム マップはその年の Nature 誌の表紙にも掲載されたため、非常に適しています。 「脳回路」を研究し、シミュレーションします。
△雌雄同体、合計 302 個の神経細胞を持つ
さらに重要なのは、線虫に存在するアセチルコリンやドーパミンなどの神経伝達物質が哺乳類には存在しないことです。存在します。 その神経系を研究することは、人間の神経系の調節機構を研究する上でも重要な役割を果たします。 しかし、構造を研究することと、コンピューターでモデル化することは別のことです。 生物学的ニューロンのシミュレーションは、畳み込みのような単純な線形変換ではなく、物質の交換 (細胞間など) やニューロン間の活動電位の生成をシミュレートすることを知っておく必要があります。は非常に複雑です。 たとえば、シナプス間の送信機の伝達だけでも、量、速度、濃度、逆流、方向などの複数のパラメータが必要になります。数学的モデルを使用して計算およびシミュレーションすることは、より複雑になります。 完全な神経系がシミュレートされたとしても、コンピューターを使用して実環境に近い「サイバー空間」をシミュレートし、その中で「知的線虫」モデルを訓練する方法は、もう一つの大きな研究上の困難です。 これまで、多くのチームが線虫シミュレーションの研究を行ってきましたが、精度やシミュレーション環境と現実の間には一定のギャップがあり、たとえば、一般的なバイオニックロボットの魚は魚とはかけ離れています。同じです。 今回、Tianyan チームは最高精度のインテリジェントな「サイバーネマトーデ」のモデル化に成功し、3D 流体シミュレーション環境で動的に前方にうねり、利点を追求し欠点を回避する能力を備えています。 それでは、この「知能の高い線虫」はどのようなものなのでしょうか? まず、チームは多数の公式とモデルを使用して、線虫の「電子ニューロン」をモデル化しました。 使用されるモデルには主に 3 つのタイプがあります: マルチ イオン チャネル モデル、ホジキン ハクスリー モデル、およびマルチコンパートメント モデル (マルチコンパートメント モデル)。 その中で、マルチ イオン チャネル モデルは、その名前が示すように、細胞膜上のさまざまなイオン チャネルをシミュレートするために使用されます。Trimble 1.0 モデルは 14 種類のイオン チャネルを使用します; Hodgkin -Huxley モデル (HH モデル) は、ニューロンの各部分を異なる回路コンポーネントにシミュレートできます;
△HH モデルの例、写真は Wikipedia から引用 - 真の生物学は高度な電子機器です
マルチチャンバー モデル、ニューロンはシステムとみなされ、動的特性に従っていくつかに分割されます。 、各チャンバーには異なる数のイオン チャネルが含まれています。
人工知能の誕生以来、「機械を人間のように作る」ことが、研究者が開発に熱心に取り組んできた方向性になりました。
しかし、時が経ち、ディープラーニングが中心となっている現在の開発段階においても、人工知能はまだ本当の意味での知能のレベルには達していません。
2016 年に世界に衝撃を与えた AlphaGo のような囲碁ゲームでさえ、人工知能に対する人々の理解を新たにしただけでした。
しかし、CMU 教授のハンス モラベック氏は次のように述べています:
コンピューターに大人のようにチェスをさせるのは比較的簡単です。 1歳児のレベルではかなり難しい、あるいは不可能ですらあります。
それでは、問題はどこにあるのでしょうか?
2016 年、知源研究所所長の黄鉄軍氏が答えを出しました。
彼は、深層学習は本質的に人工ニューラル ネットワークに依存しており、生物学的知能は生物学的ニューラル ネットワークに依存していると考えています。
このうち、人工ニューラルネットワークは「機能の実現」に近いのに対し、生物学的ニューラルネットワークは「機能を実現する構造」を模擬するものであり、両者は「量」の点で同レベルではなく、後者は「機能を実現する構造」に近いものとなります。それは明らかにはるかに大きく、より重要です - 構造が機能を決定し、生物学的神経ネットワークが知性の伝達者であるためです。
したがって、この状況を踏まえて黄鉄軍氏が提案した「解決策」は、
脳機構シミュレーションの観点から。
簡単に言うと、生物の脳内の「動作モード」を探ることであり、一般的な人工知能につながる一つの方法です。
偶然にも、2009 年の初めに、スイスのエコール ポリテクニック連邦ローザンヌ校のヘンリー マークラム教授も同様の見解を提唱しました。
そのとき、彼はスーパーコンピューターを使って脳の構造の理解に基づいた脳モデルを構築する計画を発表しました。
この計画は後に欧州連合から強い支持と注目を集めました。このアプローチの重要性は、人間の脳そのものの知能を理解することだけでなく、脳疾患の代替治療法を見つけることさえあるからです。
しかし、問題も次々に起こり、人間の脳の神経回路網全体をコンピューターでシミュレーションすることは非常に困難です。
これは、計算シミュレーションの複雑さのためだけではなく、生物学的な脳自体の複雑さのためでもあります。
結局のところ、人間の脳には1011個ものニューロンがあり、必要な計算量とコストは明らかです。
人間が実際に脳を使って推論や創造などの一連の動作を行う場合、消費する電力はわずか20～25ワットです。
つまり、生物の脳は「高い知能」と「低い消費電力」という特徴を持っています。
これが、生物学的な脳の研究が一般的な人工知能にとって最良の青写真である理由です。
そして、この種のシグナルが現れ始めています。
たとえば、深層人工ニューラルとしての単一皮質ニューロンは、2021 年にトップジャーナル NEURON に掲載されました
ネットワーク研究によると、深層ニューラル ネットワークには 5 ～ 8 層が必要です相互接続ニューロンは、単一の生物学的ニューロンの複雑さを表すことができます。
これは、単一のニューロンの強力な計算能力を証明するものでもあり、したがって、単一のニューロンを非常に詳細に特徴付けることができれば、生物学的情報処理の複雑なプロセスをより正確に近似することができます。
しかし、より洗練された方法で生物学的な脳をシミュレートすることの重要性は、それだけではありません。
現在、人類は依然としてアルツハイマー病、うつ病、脳損傷など、脳に多くの困難な病気を抱えています。
さまざまな脳疾患を研究するプロセスは、膨大な人的資源と物的資源を消費するプロセスですが、生物学的な脳を正確にシミュレートできれば、新たな解決の可能性が得られる可能性があります。
……
つまり、脳をよりよくシミュレーションして理解することは、脳そのものを理解するだけでなく、人間そのものを大切にすることにもつながります。
以上がこの線虫は単純ではありません！脳は高精度に復元され、ダイナミックに前に進むことができますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
