Il futuro dell’IA è biologico
L’intelligenza nativa / naturale (NI) è organica / biologica. Oggi pensiamo all’intelligenza artificiale (AI) come macchine, robot e codice software. Sarà lo stesso o cambierà per diventare artefatti biologici?
Il viaggio nell’intelligenza artificiale finora, pur essendo ispirato dal cervello umano, si discosta da esso e sembra sempre più insostenibile. L’insostenibile consumo di energia e dati per le differenze nella rappresentazione rispetto alla corteccia cerebrale e ai colli di bottiglia dell’apprendimento sono motivo di promettenti reti neurali basate su cellule staminali.
Ma basta troppa energia: l’ IA basata su macchine può calcolare più velocemente ma usa troppa energia per farlo. I ricercatori dell’Università del Massachusetts, Amherst hanno recentemente stabilito parametri di riferimento per la formazione AI . Mentre questi modelli prendono migliaia di Watt, il cervello ha bisogno di 20 W. Sì è quello. AI-1000s di watt; NI – 20 W. Aggiungete ad esso i costi del cloud computing che funzionano in mega server farm alimentati da energia da fonti rinnovabili e non rinnovabili.
Insostenibile per i cambiamenti climatici: come puoi vedere, l’addestramento di un grande modello AI emette più di 5 volte l’anidride carbonica rispetto a un’auto americana media. È insostenibile.
Questo è un minimo: i professionisti non mettono a punto un modello ma ne fanno 100 e 1000 per raggiungere il modello AI più ottimale. Gli stessi ricercatori hanno analizzato un tipico modello di messa a punto in R&S e hanno scoperto che ci vogliono migliaia di corse. Quindi i numeri forniti sopra erano minimi. Si moltiplica per il numero di corse.
Non come un cervello: dopo aver bruciato tutta questa energia, cosa abbiamo ottenuto? Un risolutore di problemi a singola attività ristretta. Diversi modelli di intelligenza artificiale devono essere convogliati in serie per colloqui complessi. Questo è molto diverso da NI, che può essere sia seriale che enormemente parallelo. La prossima volta che vedi un film, ricorda solo che stai ascoltando, vedendo e immaginando allo stesso tempo. Di seguito è riportata l’immagine di uno studio di imaging del cervello che mostrava 50 processi indipendenti eseguiti in parallelo per un’attività visiva-motoria.
Strutturato in modo diverso: questo perché sempre più la ricerca sul cervello indica che il cervello è strutturato in modo diverso dalle nostre architetture di apprendimento profondo. Per uno, i dati nell’apprendimento profondo sono rappresentati in forma densa mentre il cervello sembra avere una rappresentazione sparsa. Cosa significa? Per ogni persona, hai incontrato una serie di artefatti cerebrali che mantengono i loro volti. Quando li vedi di nuovo, quel gruppo di neuroni viene attivato. È molto diverso dai sistemi di riconoscimento facciale che riconoscono un volto basato su una rete seriale di caratteristiche, contorni, ecc. Non esiste un posto nell’IA … tutti i volti sono mescolati nella stessa rete. Il cervello con una rappresentazione più sparsa può quindi gestire meglio il rumore. Mascherando metà del tuo viso non puoi ingannare il cervello, ma introducendo anche pochi pixel, l’IA può essere ingannata quando viene attivata una parte diversa della rete.
Non impara come gli umani: questo ha enormi implicazioni su come avviene l’apprendimento. I sistemi di intelligenza artificiale oggi hanno bisogno di migliaia di immagini di gatti per capire un gatto. NI / cervello no. Costruiamo sulla nostra conoscenza ed estrapolare. Ciò significa un calcolo e un’energia significativamente inferiori.
Quando durante l’infanzia i genitori ti hanno insegnato a lavorare con la gravità? Mai. Ci stavi lavorando da bambino e sapevi abbastanza presto nella vita che le cose cadono quando le rilasci. NI ha livelli di conoscenza codificata come la gravità e altra fisica che possiamo connettere senza soluzione di continuità e in parallelo con altre parti della matrice sparsa, estendendo così la nostra conoscenza in scenari sconosciuti.
I casi limite sono controproducenti: questo colpisce oggi il problema principale dell’intelligenza artificiale dei casi limite. Per realizzare un’auto robusta a guida autonoma, è necessario addestrare a non scendere da una scogliera. NI è nato in qualche modo con esso … vediamo una scogliera che i nostri neuroni gravitazionali si innescano e sappiamo che cadremo. L’intelligenza artificiale deve essere addestrata. Non puoi spingere un’auto dalla scogliera per allenarti. Non avrai mai abbastanza punti dati per allenarti. L’intelligenza artificiale in questi casi impara nella simulazione. Non ci sono mai abbastanza dati per i casi limite ed è per questo che vengono chiamati margini. Questo è un paradosso autodistruttivo fondamentale nell’intelligenza artificiale che la struttura NI supera.
La neocorteccia è una struttura complessa ma replicata : la struttura NI nel cervello è complessa e ancora in fase di studio. Ma alcuni aspetti su cui abbiamo un accordo generale. La neocorteccia è la parte del cervello associata a funzioni di ordine superiore. Siamo arrivati a credere che diverse parti del cervello elaborino sensi diversi. Ma sempre più è stato dimostrato che la struttura sottostante (colonne, connessioni, ecc.) Di queste diverse aree è simile . Ciò che li differenzia è l’input e non la struttura intrinseca. Cambia l’ingresso delle aree visive con l’audio e continuerà a imparare e a funzionare. Anche il numero di neuroni per millimetro quadrato della superficie corticale sembra simile . Lo stesso tessuto si ripete. Molto diverso dall’intelligenza artificiale. Questo può essere costruito?
Gli organoidi cerebrali sembrano promettenti: in laboratorio usando cellule staminali, questo è già stato fatto. Vedi l’immagine sotto dei mini-cervelli / organoidi cerebrali .
Vengono coltivati in una capsula di Petri. Il tessuto è simile a un cervello ed è una rete neurale a basso consumo energetico. Si auto-organizzano in tessuti neurali. Gli scienziati hanno fatto passi da gigante nel crearli ripetutamente e anche stabilizzarli per rimanere più a lungo fornendo vascolarizzazione / crescita dei vasi sanguigni. Sono stati anche cresciuti per mostrare varie funzioni come le cellule retiniche (un occhio primitivo) che ci conduce in un’era in cui il rilevamento diventa possibile. Questi organoidi producono onde cerebrali proprio come fanno i cervelli umani. Recentemente un sistema di intelligenza artificiale non è riuscito a distinguere tra schemi elettrici di organoidi cerebrali di 9 mesi e cervelli di neonati prematuri.
Il calcolo biologico sta arrivando: questi tessuti organoidi si auto-organizzeranno e si svilupperanno nel corso dei mesi. Possono essere diretti a fare attività specifiche? Un flusso parallelo di attività suggerisce sì. Recentemente un team di UC Davis & Harvard ha dimostrato un computer DNA che eseguiva 21 programmi diversi (ad esempio: copia, ordinamento, riconoscimento di palindromi e multipli di 3, ecc.).
Un sistema di apprendimento sostenibile a bassa energia, auto-organizzato, simile al cervello è sempre più possibile.
I progressi nella programmazione molecolare / calcolo biologico, cellule staminali e organoidi, editing genico (CRISPR) per sviluppi specifici e derivazione di modelli computazionali neurali da queste strutture prenderanno l’IA biologico.
Eccitante.