29 МАРТА 2012
“ИНЖЕНЕРНЫЙ ВЫЗОВ: КАК СДЕЛАТЬ НАШ РАЗУМ СУБСТРАТ-НЕЗАВИСИМЫМ ЧЕРЕЗ ЭМУЛЯЦИЮ МОЗГА УЖЕ В ТЕЧЕНИЕ НАШЕЙ ЖИЗНИ”

Рэндал Куне, нейробиолог и нейроинженер, создатель теории «эмуляции мозга»

 

Меня зовут Рэндал Куне, я работаю с компанией «Халсион Молекьюлар» (Halcyon Molecular) над созданием самой точной в мире и протяженной последовательности генома. Для этой работы нам нужны люди разных специальностей. Я, например, специализируюсь в области физики, электротехники, теории информации, вычислительной нейронауки и нейроинжиниринга. Но помимо этого, я являюсь основателем и организатором группы SIM [Substrate-Independent Minds], именуемой «Карбон Копиз» (Carbon Copies), которая объединяет вместе экспертов и проекты, необходимые для создания так называемого субстрат-независимого разума. Сегодня я расскажу вам, что это такое, почему оно важно, насколько это выполнимо и как это можно создать. 

 

Итак, на подобных конференциях мы часто говорим о таких вещах, как продолжительность жизни, ее увеличение, продление. И когда мы это делаем, я думаю, важно попытаться понять, какова в действительности цель, что мы пытаемся сделать. Я имею в виду, что мы пытаемся продлить или увеличить. Я хотел бы отступить немного назад и подумать над тем, кто мы, кто вы? Если вы посмотрите на эти слайды, вы можете увидеть разные переживания, которые может испытывать человек. Итак, переживания – это часть вас. Другая ваша часть – это ваше тело. Это чувства, которые у вас есть, это действия, которые вы можете предпринять. Затем тут справа вы можете видеть все эти разные выражения человеческого опыта. Я пытаюсь донести идею о том, что каждый из нас по-своему реагирует на вещи, и если нас поставить в одинаковые условия, одинаковые ситуации, разные люди будут реагировать по-разному, у нас индивидуальные реакции.

 

Где это все в действительности происходит? Все это в действительности происходит в разуме. Вот где мы это всё проделываем. По правде говоря, я даже не могу не до чего дотронуться во Вселенной, настолько это все нереально. Представьте, что я пытаюсь дотронуться до этого стола. Если вы представите себе атомы в моем пальце и атомы в столе, эти протоны и нейтроны, они в действительности никогда не сталкиваются. Это в основном пространство. Возникают какие-то силы здесь, электрическая активность идет вверх по моей руке, заканчивается в мозге, и я не замечаю ничего, я не осознаю этого, пока информация не будет обработана. Итак, когда мы говорим о таких вещах, как продолжительность жизни, мы в действительности имеем в виду то, что мы пытаемся обезопасить эти процессы, это существование, это ощущение существования, которое возникает в нашем разуме.

 

Существует два разных способа, с помощью которых можно сделать это. Один из них заключается в том, что вы можете сказать: мы знаем, что прямо сейчас все эти процессы происходят в мозге. И все, что вам нужно сделать, – это поддерживать мозг. Вы должны быть уверены, что он хорошо функционирует. Вы должны поддерживать тело в хорошем состоянии, чтобы мозг хорошо функционировал. Вы также должны быть уверены в том, что окружающая среда благоприятна для вас, потому что состояние тела зависит от окружающей среды, оно не может функционировать в любой среде. Представьте, что внезапно атмосфера исчезнет. Тело погибнет, мозг тоже, и все остановится.

 

Но мы также только что сказали о том, что в действительности мы говорим о процессах, протекающих в разуме, о чувстве существования. Альтернатива заключается в том, что вы можете обратиться к нему непосредственно, сделать то, что вы бы сделали, если бы рассматривали его как ценную информацию или ценную программу. Что бы вы сделали с ценной программой? Первое, что бы вы сделали, – это создали резервную копию. Вы бы поместили что-то в архив. Следующее, что вы, возможно, захотели бы сделать, – это выявить ошибки, если они существуют. Или вы захотели бы обновить эту программу, чтобы ее можно было запускать на самом лучшем оборудовании. Вы захотели бы получить доступ к коду. Субстрат-независимый разум – это получение данных. Это связано с доступом. В настоящее время мы знаем, что процессы в разуме протекают на основе какого-то субстрата. Но если они могут протекать на разных видах субстрата – мы называем их субстрат-независимыми. Если по аналогии мы представим компьютерные программы, которые используют код, не зависящий от платформы, они могут запускаться на разных платформах.

 

Какая из этих двух стратегий лучше? Я думаю, они обе ценные и их необходимо детально рассмотреть. Если вы думаете о том, как я распоряжусь ресурсами, куда направлю усилия, чего мы можем достигнуть в течение нашей жизни, вам необходимо детально рассмотреть планы. Я надеюсь сделать это сегодня. Но до того как я перейду к этому, я хотел бы мельком коснуться двух терминов – вы можете услышать, как многие люди в некоторых сообществах, говоря о технологиях, любят употреблять термин «загрузка разума». Это очень хороший термин, но он не говорит ничего о том, что вы делаете после того, как поместите данные куда-либо, после того, как вы загрузились. То есть этот термин не очень ориентирован на цель, он просто говорит о переходе от биологического субстрата к какому-то еще. И тогда куда бы вы хотели прийти?

 

Есть много способов создания субстрат-независимого разума. Предпочтительным и идеальным была бы оптимизация кода для каждого субстрата, который вы выберете, подобно составлению программы. Но в действительности у нас нет хорошего понимания мозга. Если вы спросите нейроученого, понимает ли он конкретную часть мозга, он всегда скажет “нет”. Потому в действительности вы спрашиваете, понимает ли он все различные алгоритмы, который мозг использует на разных уровнях иерархии, прямо до нейронов. Конечно, мы не понимаем этого и поэтому не можем использовать этот подход прямо сейчас. Но то, что мы в действительности можем сделать, – это рассмотреть начальный уровень, где мы знаем больше о том, как работают нейроны, как они передают электрическую информацию друг другу, это то, что мы называем полной имитацией мозга. Идея состоит в том, что вы можете имитировать нейроанатомию и нейрофизиологию на этом уровне.

Это не является новой областью, обсуждалось в основном в контексте биологических методов. Например, Обри ди Грэй (Aubrey de Grey) говорит о создании фонда SENS и подобных вещах. Но работа в этой области проводится по крайней мере с 1994 года исследователями, преданными идее. Существовала исследовательская группа по загрузке разума, которую я возглавил после Джо Страута (Joe Strout). Сканирующий микроскоп был разработан Брюсом МакКормиком (Bruce McCormick), который на слайде находится рядом со Страутом. В 2007 году мы проводили семинар в Оксфорде по поводу полной имитации мозга, после которого вышла работа, опубликованная Андерсом Сандбергом (Anders Sandberg), вы видите его внизу на фотографии, рядом с Сюзанной Гилдерт (Suzanne Gildert) и мной. А также многие другие интересные люди, такие как Тед Бергер (Theodore Berger) и Кен Хейворт (Ken Hayworth), Винфрид Денк (Winfried Denk), Себастьян Сунг (Sebastian Seung), которые популяризировали идею о том, что все связи мозга важны, на конференции по нейронауке в 2008 году. А также Питер Пассаро (Peter Passaro), Янг Сан (Young-Don Son) Занг Хи Чо (Zang-Hee Cho), Джефф Лихтман (Jeff Lichtman), Дайан Бекер (Diane Becker). И затем мы с Сюзанной Гилдерт, конечно, организовали «Карбон Копиз» (Carbon Copies). С тех пор это стало все более популярным. 

 

Над имитацией мозга работают такие люди, как светило в области ортогенетики Эд Бойден (Ed Boyden), также он пытается получить электрические цепи для имитации функционирования нейронов, нашей работой заинтересовалась, например IARPA ([Intelligence Advanced Research Projects Activity], Организация по современным исследовательским проектам в области интеллекта).

 

Итак, если вы хотите создать субстрат-независимый разум, есть разные пути. Я собираюсь рассказать сегодня только об одном. Другой путь очень интересный, помимо пути полной имитации мозга, – это путь интерфейса «мозг – компьютер», но за ним есть много других движущих факторов, потому что у него большой коммерческий потенциал на каждой стадии. Он настолько важен, что, я думаю, в 2012 году мы сделаем целый отдельный семинар по этой теме, и я оставлю обсуждение для этого случая.

 

Для полной имитации мозга вам необходимо сделать репрезентацию его элементов, и каждый раз, когда вы будете делать модель или репрезентацию, вам необходимо выбрать разрешение, некоторый уровень, на котором вы будете описывать элементы и то, что они делают. Это означает, что вам надо дать им характеристику. И если вы охарактеризуете их при определенном разрешении, это означает, что вы за рамками данного уровня, за рамками данного разрешения, на любом более высоком уровне, вы не говорите о механизмах, которые протекают внутри, вместо этого вы рассматриваете их первоначальное и конечное состояния, рассматривая это как «черный ящик» и описывая существующие функции. И вы хотите охватить их все. Вы не хотите упустить никакую скрытую функцию.

 

На этих таблицах вы видите некоторые примеры. В верхней части вы видите, как Ву и др. (Wu et al.) описали сенсорные нейроны, в нижней части вы видите известную нейронную модель Евгения Ижикевича (Eugene Izhikevich), где используются несколько параметров для простого моделирования многих различных биологических типов нейронов. Справа вы видите мою работу, где я рассматриваю типичные структуры мозга, которые выделяются в системе. В конце концов, когда активируется нейрон, в определенное время этой активации происходит то, что определяет место хранения информации, какая информация запомнится, а также какие мышцы будут активированы, как мы можем взаимодействовать с окружающей средой.

 

Это важные вопросы, которые нужно принять во внимание, если вы хотите правильно что-либо смоделировать. Затем, над этим уровнем, важно понять появившиеся функции. Итак, у вас есть элементы, вы характеризуете их, и то, что вам необходимо понять, как они работают вместе, как они взаимосвязаны. Это дает вам понятие о функциях. Выделение взаимосвязей, связей в мозге очень важно.

 

Вы можете выбрать «черный ящик», тот уровень, на котором вы хотите работать, многими способами. Это происходит и в SIM, это зависит от пути, который выбирает человек. Существует путь, который называется «слабосвязанная разгрузка», по крайней мере, мы его так называем, когда все тело или человек считаются «черным ящиком». Вы пытаетесь смоделировать их поведение, как они ведут себя, чтобы создать их подобие и сказать, что это именно этот человек. Это означает то, что вам необходимы видеозаписи, аудиозаписи, самоотчет, может быть, ИИ (искусственный интеллект), который знает, как интерпретировать то, что вы делаете. Это очень похоже на метод, который называется «модель Бэйнбриджа – Ротблатта», которая используется для создания того, что они называют «загрузка».

 

Существуют разные мнения по поводу этого. Также есть следующий уровень – вы можете принять весь мозг или части мозга за «черный ящик». Это происходит, например, когда вы имеете когнитивную структуру, которую вы находите в интересной или правильной структуре человеческого мозга, и вы говорите, что эта область отвечает за это, эта область отвечает за то. И вы хотите смоделировать, как каждая из них работает, вы персонализируете их, чтобы они были похожи на одного определенного человека. Но затем, на следующем уровне (вот сейчас станет по-настоящему интересно) вы можете взять нейроны или части нейронов, например, морфологию нейронов в качестве «черных ящиков», это делают в вычислительной нейронауке и нейроинформатике, и это тот уровень, о котором я собираюсь рассказать, потому что он наиболее конкретен и он чаще всего используется сейчас для полной имитации мозга. Конечно же, он также особенно интересен для интерфейса «мозг – компьютер».

 

Если вы собираетесь провести полную имитацию мозга и вы рассматриваете это как стратегию, как дорожную карту, есть четыре больших требования, четыре шага, которые вам необходимо сделать. Один из них состоит в том, что необходимо выбрать разрешение и масштабы, я уже говорил об этом. Вы должны отработать это, необходимо провести некоторые тесты. Я знаю людей, которые делают это, это очень интересная работа. Вам также необходимо выделить взаимосвязи, структурные взаимосвязи, вам необходимо получить схему функциональных взаимосвязей. И наконец, так как вы захотите повторить это, вам необходимо что-то типа платформы, которую можно использовать для симуляции.

 

Хотелось бы сказать несколько слов о функции и структуре. Этот вопрос часто возникает в связи с нейронными сетями и кажется довольно-таки мистическим, но, конечно, функции и структуры и их взаимодействие можно найти в любом типе системы, который у нас есть. Если вы представите, например компьютерный чип, в нем много транзисторов, они являются основными элементами, затем они собираются в определенные структуры. Если вы посмотрите на масштаб и разрешение, иногда существуют короткие пути, которыми мы хотим попытаться воспользоваться, так как это очень сложная проблема, существуют два разных вида коротких путей, которые были рассмотрены. Один их них – это рассмотрение только функции. Если вы делаете записи многих нейронов одновременно, тогда вместо того чтобы посмотреть, как они взаимосвязаны и взаимодействуют, вы рассматриваете, например, пределы и причинные связи, вы можете попытаться рассчитать карты функциональных взаимосвязей.

 

Проблема в том, что вы можете неправильно определить функцию, потому что если вы хотите исследовать очень сложную структуру, внутри которой содержится много элементов, тогда вы захотите понять, что она помнит, как она реагирует, вам придется наблюдать за ней в течение очень долгого периода времени, возможно, с рождения. Другой короткий путь – это рассмотрение только структуры. Вы можете просто рассмотреть морфологию нейрона, как он выглядит. Вы изучили много нейронов, которые выглядят одинаково, и вы знаете, что обычно они имеют определенный вид рецепторного канала, так что вы можете использовать определенные нейротрансмиттеры. Вы знаете, что они реагируют определенным образом, поэтому вы можете составить библиотеку, где вы можете перейти от этой морфологии к определенной функции, вы можете перейти к распределению параметров. Затем, когда у вас будет очень детальная морфологическая модель, вы можете создать то, что видите здесь справа, а именно камерную модель, где вы можете построить очень большую морфологическую модель нейрона, а каждая из маленьких камер означает модель электрической цепи. Вы задаете параметры в соответствии с тем, что вы нашли в вашей библиотеке, и остается только надеяться, что вся система работает.

 

Проблема в том, что такие измерения никогда не являются совершенно точными, и мы также должны понимать, что такая библиотека не может иметь однозначного соответствия. Существует только одна морфология, которая соответствует только одному типу функций. Она может быть повреждена из-за ошибок, когда мы говорим об ошибках в сетях нейронов, одной из характеристик, которой они известны, является способность хорошо справляться с ошибками. Если у вас будут произвольные ошибки, система будет функционировать хорошо. Но это не относится к систематическим ошибкам или к пунитивным ошибкам. Если мы говорим об электромикроскопии, например, у вас будут области, которые находятся не в фокусе, или такие, где разрешение неточное, поэтому вы, возможно, будете проводить неверные измерения. То же самое происходит тогда, когда вы делаете срезы мозга, нож имеет определенные характеристики, поэтому у вас будут характерные ошибки, и они будут накапливаться.

 

Может быть очень сложно настроить большую систему, подобную этой, если вы возьмете систему целиком и попытаетесь настроить ее, с сотнями миллиардов нейронов. Возникнет проблема, такая сложная проблема, как проблема оптимизации, она актуальна даже для квантовых компьютеров, когда они будут введены в действие. Мы можем рассмотреть ее, по крайней мере, исследовать ее, используя что-то типа смоделированной среды. Я первоначально создал ее для того, чтобы попытаться исследовать появляющиеся функции, которые возникали в структуре по мере роста нейронов и соединялись с сетями. Но она также может быть использована для создания моделей, где мы точно знаем, что мы вкладываем в них в плане функций и структуры, с тем чтобы мы могли определить типы ошибок, которые имеют тенденцию происходить, и определить степень серьезности появления таких накопившихся ошибок.

 

В конце концов вам необходимо упростить проблему. Это проблема системной идентификации, что вы можете сделать в системной идентификации, чтобы упростить возможность ее обработки, чтобы было возможно охарактеризовать ее, и чтобы это все можно было обработать на компьютере. Можно выделить подсистемы, где очень легко описать функции на входе и выходе, где легко дать характеристику. Это означает, что вам необходимы функциональные ответы на этом уровне, это означает, что вам нужна функциональная характеристика высокого разрешения, функциональные измерения, а не только структура. Именно это я и пытаюсь доказать, что нам необходима как структура, так и функция. Существуют реальные проекты, которые занимаются полной имитацией мозга. Здесь вы видите четыре требования, которые я выделил желтым цветом, и внизу вы видите количество осуществляемых проектов, и я собираюсь рассказать только о двух, так как у нас мало времени сегодня, но они все очень интересные, поэтому я кратко расскажу о них.

 

Если вы хотите понять взаимосвязи в структуре мозга, вам необходимо сделать очень тонкие срезы и рассмотреть мозг под электронным микроскопом и реконструировать его. Энтони Задор (Anthony Zador) в Коулд Спринг Харбор (Cold Spring Harbor) и Эд Кэллоуэй (Ed Callaway) работают над методами с использованием вируса для массового трансфектирования нейронов и для доставки уникальных кодов ДНК, которые размещаются в пресинаптических и постсинаптических депо. Затем, когда вы выделяете биогенный признак, соединяющий пресинаптические и постсинаптические депо, вы также получаете коды. Это как указатели, которые показывают, что этот нейрон связан с тем нейроном, а тот нейрон связан с этим нейроном. Это очень интересный подход.

 

С функциональной точки зрения есть несколько различных путей для анализа. Есть общий подход иерархических измерений, который мы называем «демультиплексор для разделения», и специфическим применением этого является предложенная Рудольфо Льинасом (Rodolfo Llinas) идея создания нанопроводов, которые можно проводить через капиллярную систему в мозге. Эти нанопровода могут достичь каждого нейрона и измерить его. Нанопровода в действительности существуют. Они были разработаны в Школе медицины Нью-Йоркского университета (New York University School of Medicine). Но пока нет технологии их применения, к тому же они занимают много места в мозге, и это представляет проблему.

 

С другой стороны, есть биологический подход, я только что говорил об Энтони Задоре. Положительной чертой биологии является то, что вы можете использовать ее массово, в больших количествах, и она уже представляет собой правильные размеры. Существует такая вещь, как так называемая молекулярная тикерная лента, этот проект проводят Эд Бойден в MIT [Massachusetts Institute of Technology] и Джордж Чёрч (George Church) в Гарвардском университете, Конрад Кординг (Konrad Koerding) в Северо-западном университете (Northwestern University), а также «Халсион Молекьюлар». Идея заключается в том, что внутри нейронов вы можете записывать напряжение с потенциал-зависимыми каналами, и вы можете влиять на запись в ДНК. ДНК используется как средство для записи информации, показывающее, когда произошло событие. Затем все, что вам нужно сделать, – это извлечь ДНК и установить ее последовательность, вы знаете, когда процесс будет происходить, поэтому вы можете сделать это на многих нейронах одновременно. Проблема с этим подходом состоит в том, что нам все еще трудно работать с биологией в качестве инженерного проекта. Проводится много несистематических поисков для того, чтобы найти необходимые для использования инструменты. В действительности мы хотели бы работать на молекулярной шкале и иметь возможность заниматься инжинирингом ради удовольствия. 

 

Это третий подход, о котором я поговорю особо. Вы видите его на слайде вот здесь. Было бы хорошо иметь оборудование, которое создано для разрешения проблем или частично предназначено для того, что мы собираемся имитировать. Поэтому нейроморфические чипы очень кстати. Вот пример проекта IBM (SyNAPSE), который они делают для DARPA.

 

Итак, объемная микроскопия или молекулярная лента-SEM (Scanning Electron Microscopy), – это подход, используемый для определения структуры. Этим какое-то время занимается Винфрид Денк в Германии, а именно серийной блочной сканирующей электронной микроскопией. Итак, он берет блок тканей мозга. Он делает снимок куска, который иссекается с поверхности, другой снимок, еще и еще, спускается вниз. Проблема с таким подходом состоит в том, что он не очень подходит для больших объемов.

 

Но Кен Хейворт работал много лет в Гарварде над разработкой системы, которая может обработать весь объем мозга целиком. Она называется молекулярная лента-SEM, раньше она называлась ATLUM (Automatic Tape-Collecting Lathe UltraMicrotome, автоматический ленточный собирающий обрабатывающий ультрамикротом). Идея состоит в том, что нож, алмазный нож нарезает блок тканей мозга и раскладывает их на ленте. Ленту можно поместить таким образом, как вы видите здесь справа, хотя видно нечетко. У вас есть постоянный доступ к этим образцам, поэтому вы можете делать микроскопию в любое время.

 

Итак, если вы посмотрите на то, как это действительно выглядит, вы можете видеть внутри красного квадрата один из этих снимков, вы видите, где находится синапс, который достигает дендрита, у нас есть вот эта затемненная область, где они оба встречаются, и вы можете воссоздать морфологию, если у вас много таких срезов, наложенных один на другой. Вы также можете видеть указывающие стрелки, эти круги являются полостями, содержащими нейронные трансмиттеры, таким образом вы также можете получить представление о химической силе синапса, просто посмотрев на это.

 

Здесь вы видите пример такой реконструкции, где вы в конце концов получаете целую клетку – с помощью Винфрида Денка, Бриггмэна и др. (Briggman et al.), Бока и др. (Bock et al.), они недавно опубликовали две статьи в журнале «Нэйчэ» (Nature) в 2011 году, где они рассматривали этот метод, Бриггмэн и др. работали над сетчаткой глаза, Бок и др. работали над зрительной зоной коры и зрительной системой. Бриггмэн, например, впервые рассмотрел клетки сетчатки с функциональной стороны, отмечая, как они работают, какие перцептивные поля они имеют, к чему они чувствительны. Затем он сделал серийную реконструкцию, он использовал это для того, чтобы предсказать, к чему они будут чувствительны, и обнаружил, что они могут предсказать эту функцию по структуре, так они подтвердили, что это действительно возможно, если вы много знаете о системе.

 

Теперь мы хотели бы сделать то же самое с функциональной точки зрения. Нам хорошо удается работать в области технологии интегрированных цепей. У нас есть опыт в этом. Мы знаем, как сделать иерархии систем, которые работают, коммуникаций, как соединить данные, провести измерения и т.д. Когда вы рассмотрите то, что возможно сейчас, с разрешением, которое возможно в технологиях интегрированных цепей, если вы хотите дойти до клеточного уровня, и создадите цепь размером с красную кровяную клетку, 8 микрон, вы можете создать что-то, что можно запустить, например, с помощью распределенного инфракрасного излучения при длине волны между 800 и 1000 нанометрами, в том, что мы называем «окно прозрачности для ткани», оно поглотится тканью. Так, вы можете использовать это для коммуникации или мощности. Также если вы захотите провести пассивную коммуникацию, например RFID, вы знаете тэги RFID, которые работают с беспроводными последовательностями. Если вы хотите провести это на ткани, нужно опять вернуться к инфракрасному излучению. Ал МакГуайр (Al McGuire) в MIT делает это именно для таких типов схем, которые они хотят использовать внутри тела.

 

Итак, у нас есть как коммуникация, так и мощность, вы можете установить примерно 2300 транзисторов такого размера, такое же количество транзисторов находится в первоначальной Intel 4004 CPU. Если вы посмотрите на сегодняшние технологии, вы можете увеличить их в четыре раза и установить столько транзисторов, сколько находится в системе наведения крылатых ракет.

 

Теперь вам также нужно провести эту работу в теле, поэтому они должны быть биосовместимы. Самая простая вещь – поместить их в силиконовую капсулу. Но также можно поместить их в искусственную красную кровяную клетку, где в основном сделана протеиновая защита, она может быть запущена для использования в разных целях.

 

Но опять же, это не совсем то, чего мы хотим. Эти устройства сложные, они могут собирать данные, они могут выполнять разные задания, но они все еще очень большие. Они работают внутри сосудистой сети, которая ведет к каждому нейрону, но мы хотели бы работать вне сосудистой сети, в промежуточных местах, также между клетками. Для этого нужно что-то поменьше. Но здесь с помощь интегрированных цепей мы легко можем создать эти типы иерархических систем, или команд (teams).

 

Так, например, вы можете создать компоненты величиной 2 микрона, у которых меньшая поверхность транзистора, но достаточно функций, чтобы проводить простое обследование или стимулирование при необходимости. Пока они будут контактировать с таким устройством.

 

В конце концов вы получаете вычислительное облако, которое вы можете использовать в мозге одновременно с его активностью в естественных условиях. Преимуществом является то, что тут нет всех этих длинных проводов, а только узлы, даже если у вас один из этих маленьких чипов для каждого нейрона в мозге, это займет только около 1 куб.см пространства, что примерно составляет 1/1700 от размера всего мозга. Я пропущу это.

 

Итак, вычислительные требования – я не буду рассматривать это в деталях, но если вы подсчитаете, сколько энергии использует мозг, сколько уходит на потенциал действия, сколько потенциалов действия обычно происходит, мы можем подсчитать, что если нам нужно отразить это в модели, с многими компонентами и камерной модели, которую я делал для полной имитации мозга, если у вас 10 000 камер, вам потребуется около 1,2 экзафлопс (exaflops), чтобы сделать все вычисления. Кажется, что это очень много, но, например, правительство Индии уже выделило $2 млрд, чтобы создать компьютер, который будет работать при 102 экзафлопс в 2017 году. Они будут достаточно быстрыми для 100 имитаций мозга одновременно. И цена на них быстро падает.

 

То, что я пытаюсь сказать, – это то, что существует много определенных требований и проектов. Объемная микроскопия существует, ей просто нужно развиваться. Молекулярная тикерная лента появится через три, шесть, может быть, через 18 месяцев, в зависимости о того, говорим ли мы о прототипе или о реальной системе. В конечном итоге чипы тоже будут созданы. Это просто пример, показывающий реальную работу, которая осуществляется. Например, справа вы видите чипы, которые были интегрированы в клетки и функционировали, когда клетки были все еще живы. Я пропущу это.

 

И я хотел в двух словах сравнить это с биологическим подходом. Слева вы видите диаграмму, которая отображает наше старение, все места в биологической системе, при которых происходит спад. Она была составлена Джоном Фёрбером (John Furber). Проблема в том, что все эти разные связи, которые вы видите, все требуют разных проектов для их решения. У вас нет одного инженерного решения для них всех. Поэтому это действительно большая проблема. Справа, если вы посмотрите на подход сбора данных, то увидите, что он более непосредственный и более простой.

 

Я собираюсь пропустить все это и только сказать, что то, что мы делаем в «Карбон Копиз», – это то, что мы смотрим на это в большом масштабе, потому что важно посмотреть снаружи коробки с помощью различных подходов, которые существуют. Таким образом мы находим такие проекты, мы рассчитываем, как их совместить, как собрать вместе людей, обсуждать все вместе, также эти проекты являются конкретными и осуществимыми. Важно, что когда мы говорим о решениях, мы обсуждаем детали, как я показал здесь справа в углу. Нам необходимо проектировать и создавать системы. Пора делать это. Часто, когда вы слышите, как люди это обсуждают, вы понимаете, что было бы очень здорово сделать это, очень здорово. Это замечательно, но мы должны осуществлять реальные проекты.

Большое спасибо за ваше внимание.


Новости
07.06.2012
В Москве в рамках Конгресса Global Future 2045, который состоялся в феврале 2012 года, прошел круглый стол «Диалог конфессий».
21.02.2012
Конгресс “Глобальное будущее 2045” после трех дней пленарных заседаний завершился 20 февраля круглым столом, посвященным формированию…
20.02.2012
В дни проведения международного конгресса Global Future 2045 в Москве, Министерство обороны США и Агентство передовых оборонных…
20.02.2012
Александр Болонкин, астрофизик, старший научный сотрудник NASA, обратился к руководству и участникам международного конгресса «Глобальное…
19.02.2012
Манифест Барри Родрига на конгрессе GF2045: "Будущее – это измерение, к которому стремятся все формы жизни".