ສະ​ໝອງ​ທຽມ​: bewitch ຄິດ​ໃນ​ເຄື່ອງ​

Artificial Intelligence ບໍ່ຈໍາເປັນຕ້ອງເປັນສໍາເນົາຂອງປັນຍາຂອງມະນຸດ, ດັ່ງນັ້ນໂຄງການຂອງການສ້າງສະຫມອງປອມ, ສໍາເນົາເຕັກໂນໂລຢີຂອງມະນຸດ, ເປັນພື້ນທີ່ທີ່ແຕກຕ່າງກັນເລັກນ້ອຍຂອງການຄົ້ນຄວ້າ. ຢ່າງໃດກໍ່ຕາມ, ມັນເປັນໄປໄດ້ວ່າໃນບາງຂັ້ນຕອນຂອງການພັດທະນາໂຄງການນີ້ອາດຈະພົບກັບການພັດທະນາຂອງ AI. ຂໍໃຫ້ນີ້ເປັນກອງປະຊຸມທີ່ປະສົບຜົນສໍາເລັດ.

ໂຄງການສະຫມອງຂອງມະນຸດເອີຣົບໄດ້ຖືກເປີດຕົວໃນປີ 2013. ມັນບໍ່ໄດ້ຖືກກໍານົດຢ່າງເປັນທາງການເປັນ "ໂຄງການສະຫມອງທຽມ." ແທນທີ່ຈະ, ມັນເນັ້ນຫນັກເຖິງລັກສະນະສະຕິປັນຍາ, ຄວາມປາຖະຫນາທີ່ຈະສະທ້ອນໃຫ້ເຫັນເຖິງສູນບັນຊາຂອງພວກເຮົາດີກວ່າ. ທ່າແຮງປະດິດສ້າງຂອງ VBP ເປັນການກະຕຸ້ນການພັດທະນາວິທະຍາສາດບໍ່ແມ່ນບໍ່ມີຄວາມສໍາຄັນ. ຢ່າງໃດກໍ່ຕາມ, ມັນບໍ່ສາມາດປະຕິເສດໄດ້ວ່າເປົ້າຫມາຍຂອງນັກວິທະຍາສາດທີ່ເຮັດວຽກໃນໂຄງການນີ້ແມ່ນເພື່ອສ້າງການຈໍາລອງສະຫມອງທີ່ເຮັດວຽກ, ແລະນີ້ພາຍໃນຫນຶ່ງທົດສະວັດ, ນັ້ນແມ່ນ, ຈາກ 2013 ຫາ 2023.

ນັກວິທະຍາສາດເຊື່ອວ່າແຜນທີ່ລະອຽດຂອງສະຫມອງສາມາດເປັນປະໂຫຍດໃນການຟື້ນຟູສະຫມອງຂອງມະນຸດ. ການເຊື່ອມຕໍ່ຫຼາຍຮ້ອຍຕື້ລ້ານທີ່ສ້າງຂຶ້ນພາຍໃນມັນປະກອບເປັນປິດທັງຫມົດ - ດັ່ງນັ້ນການເຮັດວຽກທີ່ເຂັ້ມງວດກໍາລັງດໍາເນີນເພື່ອສ້າງແຜນທີ່ຂອງຄວາມສັບສົນທີ່ບໍ່ສາມາດຈິນຕະນາການໄດ້, ເອີ້ນວ່າການເຊື່ອມຕໍ່.

ຄໍາສັບນີ້ຖືກນໍາໃຊ້ຄັ້ງທໍາອິດໃນເອກະສານວິທະຍາສາດໃນປີ 2005, ເປັນເອກະລາດຂອງກັນແລະກັນ, ໂດຍຜູ້ຂຽນສອງຄົນ: Olaf Sporns ຂອງມະຫາວິທະຍາໄລ Indiana ແລະ Patrick Hagmann ຈາກໂຮງຫມໍມະຫາວິທະຍາໄລ Lausanne.

ນັກວິທະຍາສາດເຊື່ອວ່າເມື່ອພວກເຂົາວາງແຜນທຸກສິ່ງທີ່ເກີດຂື້ນໃນສະຫມອງ, ມັນກໍ່ເປັນໄປໄດ້ທີ່ຈະສ້າງສະຫມອງທຽມ, ຄືກັບມະນຸດ, ແລ້ວໃຜຈະຮູ້, ອາດຈະດີກວ່າ ... ໂຄງການສ້າງຕົວເຊື່ອມຕໍ່, ໃນຊື່ແລະໂດຍເນື້ອແທ້ແລ້ວ, ຫມາຍເຖິງໂຄງການທີ່ມີຊື່ສຽງເພື່ອຖອດລະຫັດ genome ຂອງມະນຸດ - ໂຄງການ Genome ຂອງມະນຸດ. ແທນທີ່ຈະເປັນແນວຄວາມຄິດຂອງ genome, ໂຄງການທີ່ລິເລີ່ມໃຊ້ແນວຄວາມຄິດເຊື່ອມຕໍ່ເພື່ອອະທິບາຍເຖິງຈໍານວນທັງຫມົດຂອງການເຊື່ອມຕໍ່ neural ໃນສະຫມອງ. ນັກວິທະຍາສາດຫວັງວ່າການກໍ່ສ້າງແຜນທີ່ຄົບຖ້ວນສົມບູນຂອງການເຊື່ອມຕໍ່ neural ຈະຖືກນໍາໃຊ້ບໍ່ພຽງແຕ່ໃນວິທະຍາສາດປະຕິບັດ, ແຕ່ຍັງຢູ່ໃນການປິ່ນປົວພະຍາດ.

www.humanconnectomeproject.org

ການເຊື່ອມຕໍ່ທໍາອິດແລະມາຮອດປະຈຸບັນພຽງແຕ່ເປັນທີ່ຮູ້ຈັກຢ່າງເຕັມສ່ວນແມ່ນເຄືອຂ່າຍຂອງການເຊື່ອມຕໍ່ neuronal ໃນລະບົບປະສາດຂອງ caenorhabditis elegans. ມັນໄດ້ຖືກພັດທະນາໂດຍການຟື້ນຟູສາມມິຕິຂອງໂຄງສ້າງເສັ້ນປະສາດໂດຍໃຊ້ກ້ອງຈຸລະທັດເອເລັກໂຕຣນິກ. ຜົນໄດ້ຮັບຂອງວຽກງານດັ່ງກ່າວໄດ້ຖືກຈັດພີມມາໃນປີ 1986. ໃນປັດຈຸບັນ, ໂຄງການຄົ້ນຄ້ວາທີ່ໃຫຍ່ທີ່ສຸດທີ່ກໍາລັງດໍາເນີນຢູ່ໃນວິທະຍາສາດໃຫມ່ຂອງການເຊື່ອມຕໍ່ແມ່ນໂຄງການເຊື່ອມຕໍ່ມະນຸດ, ໄດ້ຮັບການສະຫນັບສະຫນູນຈາກສະຖາບັນສຸຂະພາບແຫ່ງຊາດອາເມລິກາ (ລວມທັງຫມົດ 30 ລ້ານໂດລາ).

ສູດການຄິດໄລ່ທາງປັນຍາ

ການສ້າງສໍາເນົາສັງເຄາະຂອງສະຫມອງຂອງມະນຸດບໍ່ແມ່ນວຽກທີ່ງ່າຍ. ມັນອາດຈະງ່າຍກວ່າທີ່ຈະຄົ້ນພົບວ່າຄວາມສະຫຼາດຂອງມະນຸດເປັນຜົນມາຈາກສູດການຄິດໄລ່ທີ່ຂ້ອນຂ້າງງ່າຍດາຍ, ອະທິບາຍໃນເດືອນພະຈິກ 2016 ໃນວາລະສານ Frontiers in Systems Neuroscience. ມັນຖືກພົບເຫັນໂດຍ Joe Tsien, ນັກວິທະຍາສາດດ້ານ neuroscientist ຢູ່ມະຫາວິທະຍາໄລ Georgia Augusta.

ການຄົ້ນຄວ້າຂອງລາວແມ່ນອີງໃສ່ສິ່ງທີ່ເອີ້ນວ່າທິດສະດີການເຊື່ອມຕໍ່, ຫຼືທິດສະດີການຮຽນຮູ້ໃນຍຸກດິຈິຕອນ. ມັນອີງໃສ່ຄວາມເຊື່ອທີ່ວ່າຈຸດປະສົງຂອງການຮຽນຮູ້ແມ່ນການຮຽນຮູ້ທີ່ຈະຄິດ, ເຊິ່ງໃຊ້ເວລາກ່ອນການໄດ້ມາຂອງຄວາມຮູ້. ຜູ້ຂຽນຂອງທິດສະດີນີ້ແມ່ນ: George Siemens, ຜູ້ທີ່ໄດ້ອະທິບາຍສົມມຸດຕິຖານຂອງລາວໃນເອກະສານ "Connectivism: A Learning Theory for the Digital Age," ແລະ Stephen Downs. ຄວາມສາມາດທີ່ສໍາຄັນຢູ່ທີ່ນີ້ແມ່ນຄວາມສາມາດໃນການນໍາໃຊ້ຄວາມກ້າວຫນ້າທາງດ້ານເຕັກໂນໂລຢີຢ່າງຖືກຕ້ອງແລະຊອກຫາຂໍ້ມູນໃນຖານຂໍ້ມູນພາຍນອກ (ອັນທີ່ເອີ້ນວ່າຄວາມຮູ້), ແທນທີ່ຈະມາຈາກຂໍ້ມູນທີ່ຮຽນຮູ້ໃນລະຫວ່າງຂະບວນການຮຽນຮູ້, ແລະຄວາມສາມາດໃນການເຊື່ອມໂຍງແລະເຊື່ອມໂຍງກັບຂໍ້ມູນອື່ນໆ.

ໃນລະດັບ neural, ທິດສະດີອະທິບາຍກຸ່ມຂອງ neurons ປະກອບສະລັບສັບຊ້ອນແລະເຊື່ອມຕໍ່ທີ່ຈັດການກັບແນວຄວາມຄິດພື້ນຖານແລະຂໍ້ມູນຂ່າວສານ. ໂດຍການສຶກສາສັດທົດລອງໂດຍໃຊ້ electrodes, ນັກວິທະຍາສາດຄົ້ນພົບວ່າ "ການປະກອບ" ຂອງ neural ເຫຼົ່ານີ້ແມ່ນຖືກກໍານົດໄວ້ລ່ວງຫນ້າສໍາລັບບາງປະເພດຂອງວຽກງານ. ນີ້ສ້າງປະເພດຂອງ algorithm ສະຫມອງທີ່ມີການເຊື່ອມຕໍ່ຢ່າງມີເຫດຜົນທີ່ແນ່ນອນ. ນັກວິທະຍາສາດຫວັງວ່າສະຫມອງຂອງມະນຸດ, ດ້ວຍອາການແຊກຊ້ອນທັງຫມົດ, ເຮັດວຽກບໍ່ແຕກຕ່າງຈາກສະຫມອງຂອງຫນູໃນຫ້ອງທົດລອງ.

ສະຫມອງເຮັດດ້ວຍ memristors

ເມື່ອພວກເຮົາເປັນແມ່ບົດສູດການຄິດໄລ່, ບາງທີອາດມີ memristors ສາມາດໃຊ້ເພື່ອຈໍາລອງສະຫມອງຂອງມະນຸດໄດ້. ນັກວິທະຍາສາດຈາກມະຫາວິທະຍາໄລ Southampton ບໍ່ດົນມານີ້ໄດ້ພິສູດເຖິງຜົນປະໂຫຍດຂອງພວກເຂົາໃນເລື່ອງນີ້.

memristors ຂອງນັກວິທະຍາສາດອັງກິດ, ທີ່ເຮັດຈາກ oxides ໂລຫະ, ເຮັດຫນ້າທີ່ເປັນ synapses ປອມເພື່ອຮຽນຮູ້ (ແລະ relearn) ໂດຍບໍ່ມີການແຊກແຊງຈາກພາຍນອກ, ການນໍາໃຊ້ຊຸດຂໍ້ມູນທີ່ມີຂໍ້ມູນຫຼາຍທີ່ບໍ່ກ່ຽວຂ້ອງ, ຄືກັນກັບມະນຸດເຮັດ. ເນື່ອງຈາກວ່າ memristors ຈື່ຈໍາລັດທີ່ຜ່ານມາຂອງເຂົາເຈົ້າໃນເວລາທີ່ປິດ, ພວກເຂົາເຈົ້າຄວນຈະບໍລິໂພກພະລັງງານຫນ້ອຍກ່ວາອົງປະກອບວົງຈອນທໍາມະດາ. ນີ້ເປັນສິ່ງສໍາຄັນທີ່ສຸດສໍາລັບອຸປະກອນຂະຫນາດນ້ອຍຈໍານວນຫນຶ່ງທີ່ບໍ່ສາມາດແລະບໍ່ຄວນມີຫມໍ້ໄຟຂະຫນາດໃຫຍ່.

ແນ່ນອນ, ນີ້ແມ່ນພຽງແຕ່ການເລີ່ມຕົ້ນຂອງການພັດທະນາເຕັກໂນໂລຢີນີ້. ຖ້າ AI ຈະຮຽນແບບສະຫມອງຂອງມະນຸດ, ມັນຈໍາເປັນຕ້ອງມີຢ່າງຫນ້ອຍຫຼາຍຮ້ອຍຕື້ synapses. ຊຸດຂອງ memristors ທີ່ໃຊ້ໂດຍນັກຄົ້ນຄວ້າແມ່ນງ່າຍດາຍຫຼາຍ - ດັ່ງນັ້ນພວກເຂົາຈໍາກັດການເຮັດວຽກຂອງພວກເຂົາໃນການຄົ້ນຫາຮູບແບບ. ຢ່າງໃດກໍຕາມ, ທີມງານ Southampton ສັງເກດເຫັນວ່າສໍາລັບຄໍາຮ້ອງສະຫມັກແຄບ, ຈະບໍ່ມີຄວາມຈໍາເປັນທີ່ຈະນໍາໃຊ້ຈໍານວນຂະຫນາດໃຫຍ່ຂອງ memristors. ຂໍຂອບໃຈກັບພວກເຂົາ, ມັນເປັນໄປໄດ້ທີ່ຈະສ້າງ, ສໍາລັບການຍົກຕົວຢ່າງ, ເຊັນເຊີທີ່ຈະຈັດປະເພດວັດຖຸແລະກໍານົດຮູບແບບໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ. ອຸປະກອນດັ່ງກ່າວຈະເປັນປະໂຫຍດໂດຍສະເພາະໃນສະຖານທີ່ທີ່ຍາກທີ່ຈະເຂົ້າເຖິງຫຼືເປັນອັນຕະລາຍໂດຍສະເພາະ.

ຖ້າພວກເຮົາສົມທົບການຄົ້ນພົບທົ່ວໄປທີ່ດໍາເນີນໂດຍໂຄງການສະຫມອງຂອງມະນຸດ, ການສ້າງແຜນທີ່ຂອງການເຊື່ອມຕໍ່, ການຮັບຮູ້ຂອງປັນຍາປະດິດແລະເຕັກໂນໂລຢີເອເລັກໂຕຣນິກ memristor, ບາງທີພາຍໃນທົດສະວັດພວກເຮົາຈະສາມາດສ້າງສະຫມອງປອມທີ່ເປັນສໍາເນົາທີ່ແນ່ນອນຂອງບຸກຄົນ. ໃຜ​ຈະ​ຮູ້? ຍິ່ງໄປກວ່ານັ້ນ, ຄູ່ຮ່ວມງານສັງເຄາະຂອງພວກເຮົາແມ່ນອາດຈະເປັນການກະກຽມທີ່ດີກວ່າສໍາລັບການປະຕິວັດເຄື່ອງຈັກກ່ວາພວກເຮົາ.