AI modelleerib aju, et aidata meil näha, kuulda ja luua

See on algselt ilmunud postituse muudetud versioon siin.

---

Neuroteadusel ja tehisintellektil on pikk, läbipõimunud ajalugu. Tehisintellekti pioneerid võtsid aju organiseerimise põhimõtetest inspiratsiooni intelligentsete masinate valmistamisel. Üllataval pöördel aitab tehisintellekt meil mõista selle inspiratsiooniallikat: inimaju. Seda lähenemisviisi, mille kohaselt kasutatakse AI-d ajumudelite koostamiseks, nimetatakse neuroAI-ks. Järgmise kümnendi jooksul teeme seda veelgi täpsemaks silico ajumudelid, eriti meie kahe silmapaistvama meele, nägemise ja kuulmise mudelid. Selle tulemusel saame soovi korral alla laadida ja kasutada sensoorseid mudeleid sama mugavusega kui objektide tuvastamise või loomuliku keele töötlemisega.

Paljud neuroteadlased ja tehisintellekti uurijad on – arusaadavalt! – sellest väga põnevil: ajud nõudmisel! Avastage, mida tähendab näha, tunda, olla inimene! Vähem tunnustatud on see, et tööstuses on laialdasi praktilisi rakendusi. Olen selle valdkonna teadlane olnud pikka aega ja alates doktorikraadi saavutamisest olen töötanud selle kallal, kuidas aju muudab nägemise tähenduseks. Olen näinud selle valdkonna arengut selle algusest peale ja arvan, et nüüd on aeg uurida, kuidas neuroAI saaks juhtida rohkem loovust ja parandada meie tervist. 

Ennustan, et neuroAI leiab esmalt laialdast kasutust kunstis ja reklaamis, eriti kui see on ühendatud uute generatiivsete AI mudelitega nagu GPT-3 ja DALL-E. Kuigi praegused generatiivsed AI mudelid suudavad toota loomingulist kunsti ja meediat, ei saa nad teile öelda, kas see meedia edastab lõpuks sõnumi sihtrühmale – kuid neuroAI võiks. Näiteks võime asendada fookusrühmade ja A/B-testide katse-eksituse meetodid ning luua otse meediumi, mis edastab täpselt seda, mida me tahame. Selle rakendusega seotud tohutu turusurve loob positiivse tsükli, mis parandab neuroAI mudeleid. 

Saadud täiustatud mudelid võimaldavad rakendusi tervishoius meditsiinis, alates neuroloogiliste probleemidega inimeste abistamisest kuni kaevu võimete parandamiseni. Kujutage ette õigete kujutiste ja helide loomist, mis aitavad inimesel pärast LASIK-operatsiooni või kohleaarimplantaadi paigaldamist kiiremini oma nägemist või kuulmist taastada. 

Need uuendused muudavad palju tõhusamaks teised tehnoloogiad: liitreaalsus ning aju-arvuti liidesed. Nõudmisel allalaaditavate sensoorsete süsteemide võimaliku kasulikkuse täielikuks realiseerimiseks peame aga täitma praegused lüngad tööriistade, talentide ja rahastamise osas.

Selles artiklis selgitan, mis on neuroAI, kuidas see võib hakata arenema ja meie elusid mõjutama, kuidas see täiendab muid uuendusi ja tehnoloogiaid ning mida on vaja selle edasiliikumiseks.  

Mis on neuroAI?

NeuroAI on arenev distsipliin, mille eesmärk on 1) uurida aju, et õppida, kuidas luua paremat tehisintellekti, ja 2) kasutada tehisintellekti aju paremaks mõistmiseks. Üks neuroAI põhitööriistu on kunstlike närvivõrkude kasutamine konkreetsete ajufunktsioonide arvutimudelite loomiseks. See lähenemisviis sai alguse 2014. aastal, kui teadlased kl MIT ja Columbia näitasid, et sügavad kunstlikud närvivõrgud võivad selgitada vastuseid aju selles osas, mis tuvastab objekti: inferotemporaalne ajukoor (IT). Nad tutvustasid põhiretsepti, et võrrelda tehisnärvivõrku ajuga. Kasutades seda retsepti ja korrates ajuprotsesside iteratiivset testimist – kujutuvastus, liikumistöötlus, kõnetöötlus, käe juhtimine, ruumimälu – loovad teadlased aju jaoks erinevaid arvutimudeleid. 

Ajuosa neuroAI mudelil on kaks peamist tunnust. See on arvutatav: saame sellele arvutimudelile anda stiimuli ja see ütleb meile, kuidas ajupiirkond reageerib. See on ka eristatav: see on sügav närvivõrk, mida saame optimeerida samamoodi, nagu optimeerime mudeleid, mis lahendavad visuaalse tuvastamise ja loomuliku keele töötlemise. See tähendab, et neuroteadlased saavad juurdepääsu kõigile võimsatele tööriistadele, mis on sügava õppimise revolutsiooni käivitanud, sealhulgas tensoralgebra süsteemidele, nagu PyTorch ja TensorFlow. 

Mida see tähendab? Kuna me ei mõistnud suuri ajutükke, suutsime alla kümne aastaga alla laadida selle häid mudeleid. Õigete investeeringutega saame peagi suurepärased mudelid suurtest ajutükkidest. Visuaalne süsteem oli esimene, mida modelleeriti; kuulmissüsteem ei jäänud kaugele maha; ja teised valdkonnad kukuvad kindlasti nagu doominokivi, kui kartmatud neuroteadlased tormavad aju saladusi lahendama. Lisaks meie intellektuaalse uudishimu rahuldamisele – teadlaste suureks motivaatoriks – võimaldab see uuendus igal programmeerijal alla laadida häid ajumudeleid ja avada hulgaliselt rakendusi.

Kasutusalad

Kunst ja reklaam

Alustame sellest lihtsast eeldusest: 99% meediast, mida me kogeme, on meie silmade ja kõrvade kaudu. On terveid tööstusharusid, mis võivad taanduda õigete pikslite ja toonide pakkumisele nendele meeltele: visuaalne kunst, disain, filmid, mängud, muusika ja reklaam on vaid mõned neist. Nüüd ei tõlgenda meie silmad ega kõrvad neid kogemusi, kuna need on lihtsalt andurid: meie aju on see, mis seda teavet mõistab. Meedia on loodud teavitama, meelt lahutama, soovitud emotsioone esile kutsuma. Kuid kindlaks teha, kas sõnum maalil, professionaalsel peapildil või reklaamil võetakse vastu nii nagu ette nähtud, on masendav katse-eksituse meetod: inimesed peavad olema kursis, et teha kindlaks, kas sõnum tabab, mis on kallis ja aeganõudev. tarbivad.

Suuremahulised võrguteenused on välja mõelnud, kuidas seda vältida, automatiseerides katse-eksituse meetodid: A/B-testid. Google kuulsalt katsetas, millist 50 sinisest toonist kasutada otsingumootori tulemuste lehel olevate linkide jaoks. The Guardiani andmetel suurendas parim valik tulusid võrreldes 200. aasta algtasemega ehk ligikaudu 1% Google'i tuludest sel ajal. Netflix kohandab pisipilte vaatajale kasutajakogemuse optimeerimiseks. Need meetodid on saadaval tohutu liiklusega võrguhiiglastele, kes suudavad ületada inimeste käitumisele omase müra.

Mis siis, kui suudaksime enne andmete saamist ennustada, kuidas inimesed meediale reageerivad? See võimaldaks väikeettevõtetel oma kirjalikke materjale ja veebisaite optimeerida, hoolimata sellest, et neil on vähest veojõudu. NeuroAI läheneb üha lähemale sellele, et saaks ennustada, kuidas inimesed visuaalsetele materjalidele reageerivad. Näiteks teadlased Adobe töötab tööriistade kallal ennustada ja juhtida illustratsioonides visuaalset tähelepanu.

Teadlased on demonstreerinud ka fotode töötlemist nende tegemiseks visuaalselt meeldejäävam või esteetilisem meeldiv. Seda saab kasutada näiteks selleks, et automaatselt valida professionaalne peapilt, mis on kõige paremini kooskõlas pildiga, mida inimesed soovivad endast kujutada – professionaalne, tõsine või loominguline. Kunstlikud närvivõrgud võivad isegi leida viise sõnumite tõhusamaks edastamiseks kui realistlikud pildid. OpenAI CLIP-i saab sondeerida, et leida pilte, mis on emotsioonidega joondatud. Šoki kontseptsiooniga kõige paremini kooskõlastatud pilt ei oleks Munchi karje kõrval kohatu.

Viimase aasta jooksul on OpenAI ja Google demonstreerinud generatiivseid kunstivõrgustikke, millel on muljetavaldav võime luua tekstiviipadest fotorealistlikke pilte. Me ei ole muusika jaoks seda hetke veel tabanud, kuid generatiivsete mudelite arengutempo tõttu juhtub see kindlasti lähiaastatel. Ehitades masinaid, mis kuulevad nagu inimesed, suudame võib-olla demokratiseerida muusika tootmist, andes igaühele võimaluse teha seda, mida kõrgelt kvalifitseeritud muusikaprodutsendid suudavad: edastada refrääni ajal õigeid emotsioone, olgu see siis melanhoolia või rõõm; meloodia kõrvaussi tekitamiseks; või teha tükk vastupandamatult tantsuliseks.

Turg avaldab tohutut survet audiovisuaalse meedia, veebisaitide ja eriti reklaamide optimeerimiseks ning me juba integreerime sellesse protsessi neuroAI ja algoritmilise kunsti. See surve viib positiivse tsüklini, kus neuroAI muutub paremaks ja kasulikumaks, kui rohkem ressursse suunatakse praktilistesse rakendustesse. Selle kõrvalmõju on see, et saame väga häid ajumudeleid, mis on kasulikud ka väljaspool reklaame. 

Juurdepääsetavus ja algoritmiline disain

Üks neuroAI põnevamaid rakendusi on juurdepääsetavus. Enamik meediume on loodud "keskmise" inimese jaoks, kuid me kõik töötleme visuaalset ja kuuldavat teavet erinevalt. 8% meestest ja 0.5% naistest on punakasrohelised värvipimedad ja suur hulk meediat ei ole nende vajadustele kohandatud. Tänapäeval on mitmeid tooteid, mis simuleerivad värvipimedust, kuid nõuavad tulemuste tõlgendamiseks ja vajalike muudatuste tegemiseks normaalse värvinägemisega inimest. Nende vajaduste jaoks ei tööta ka staatiline värvide ümberkujundamine, kuna mõned materjalid ei säilita värvide ümberkujundamisega oma semantikat (nt raskesti loetavad graafikud). Võiksime automatiseerida värvipimeduse jaoks ohutute materjalide ja veebisaitide genereerimist neuroAI meetodite abil, mis säilitavad olemasoleva graafika semantika.

Teine näide on aidata inimesi, kellel on õpiraskused, nagu düsleksia, mis mõjutab kuni 10% inimestest kogu maailmas. Üks düsleksia põhiprobleeme on tundlikkus tunglemise suhtes, mis on raskused sarnaste põhijoontega kujundite, sealhulgas peegelsümmeetriliste tähtede, nagu p ja q, äratundmisel. Anne Harrington ja Arturo Deza MIT-is töötavad neuroAI mudelite kallal mis modelleerivad seda efekti ja saada väga paljulubavaid tulemusi. Kujutage ette, et kasutaksite düsleksilise visuaalse süsteemi mudeleid, et kujundada fonte, mis on nii esteetiliselt meeldivad kui ka hõlpsamini loetavad. Õigete andmetega konkreetse inimese visuaalse süsteemi kohta saame isegi isikupärastada font konkreetsele isikule, mis on näidanud lubadust lugemistulemuste parandamisel. Need on potentsiaalselt suured elukvaliteedi paranemised, mis siin ootavad.

Tervis

Paljud neuroteadlased astuvad valdkonda lootusega, et nende uuringud mõjutavad positiivselt inimeste tervist, eriti neuroloogiliste häirete või vaimse tervise probleemidega inimeste tervist. Loodan väga, et neuroAI avab uued ravimeetodid: hea ajumudeliga saame luua õiged stiimulid, nii et selleni jõuaks õige sõnum, nagu võti sobib lukuga. Selles mõttes saaks neuroAI-d rakendada sarnaselt algoritmilisele ravimidisainile, kuid väikeste molekulide asemel edastame pilte ja helisid. 

Kõige kättesaadavamad probleemid on seotud silmade ja kõrvade retseptoritega, mis on juba hästi iseloomustatud. Sajad tuhanded inimesed on saanud kohleaarseid implantaate, neuroproteesid, mis stimuleerivad elektriliselt kõrva kohleat, võimaldades kurtidel või vaegkuuljatel uuesti kuulda. Neid implantaate, mis sisaldavad paarkümmend elektroodi, võib olla keeruline kasutada mitme kõlariga mürarohkes keskkonnas. Ajumudel võib optimeerida implantaadi stimulatsioonimustrit kõne võimendamiseks. Tähelepanuväärne on see, et seda implantaatidega inimeste jaoks välja töötatud tehnoloogiat saab kohandada aitamaks implantaatideta inimestel kõnest paremini aru saada, muutes helisid reaalajas, olenemata sellest, kas neil on kuulmistöötluse häire või nad on lihtsalt sageli valjus keskkonnas.

Paljud inimesed kogevad oma sensoorsetes süsteemides muutusi kogu elu jooksul, olgu selleks siis katarakti operatsioonist taastumine või vanusega lühinägelikuks muutumine. Teame, et pärast sellist muutust saavad inimesed õppida maailma õigesti ümber tõlgendama kordamise kaudu – seda nähtust nimetatakse tajuõppeks. Võib-olla suudame seda tajuõpet maksimeerida, et inimesed saaksid oma oskused kiiremini ja tõhusamalt taastada. Sarnane idee võiks aidata inimesi, kes on pärast insulti kaotanud võime oma jäsemeid vedelalt liigutada. Kui suudaksime leida õige liigutuste jada, et aju optimaalselt tugevdada, saame aidata insuldi üle elanutel taastada rohkem funktsioone, nagu näiteks vedelamalt kõndimine või lihtsalt kohvitassi käes hoidmine ilma mahavalgumata. Lisaks kaotatud füüsiliste funktsioonide taastamisele võib sama idee aidata tervetel inimestel saavutada sensoorsete võimete tipptase – olgu nad siis pesapallimängijad, vibulaskjad või patoloogid.

Lõpuks võisime näha, kuidas neid ideid rakendatakse meeleoluhäirete ravis. Käisin paljudel kujutava kunsti näitustel, et pandeemia ajal oma igavust leevendada, ja see tõstis mu tuju tohutult. Kujutav kunst ja muusika võivad meie tuju tõsta ja see on tõestus, et me võime olla võimeline toimetama meeleoluhäirete ravisid meelte kaudu. Teame, et teatud ajuosade aktiivsuse kontrollimine elektrilise stimulatsiooniga võib leevendada ravile vastupidavat depressiooni; võib-olla võib ajutegevuse kaudne kontrollimine meelte kaudu näidata sarnaseid mõjusid. Kui kasutame lihtsaid mudeleid – madalal rippuvaid puuvilju –, mis mõjutavad hästi mõistetavaid ajuosi, paneme palli veerema keerukamate mudelite ehitamisel, mis võivad aidata inimeste tervist. 

Tehnoloogiliste suundumuste võimaldamine

NeuroAI taltsutamine ja rakendustes kasutuselevõtt võtab palju aastaid ning see püüab kinni ka teised esilekerkivad tehnoloogiatrendid. Siin tõstan esile kaks suundumust, mis muudavad neuroAI palju võimsamaks: liitreaalsus (AR), mis suudab stiimuleid täpselt edastada; ja aju-arvuti liidesed (BCI), mis võivad mõõta ajutegevust, et kontrollida, kas stiimulid toimivad oodatud viisil.  

Liitreaalsus

Suundumus, mis muudab neuroAI rakendused palju võimsamaks, on liitreaalsuse prillide kasutuselevõtt. Liitreaalsusel (AR) on potentsiaali saada üldlevinud andmetöötlusplatvormiks, kuna AR integreerub igapäevaellu.

Meta Reality Labsi peateadlase Michael Abrashi hüpotees on, et kui ehitate piisavalt võimekaid AR-prille, tahavad kõik neid. See tähendab ehitamist maailmateadlikud prillid, mis suudavad luua püsivaid maailma lukustatud virtuaalseid objekte; kerged ja moodsad raamid, nagu paar Ray-Bans; ja annab teile reaalseid supervõimeid, näiteks suutlikkust suhelda inimestega loomulikult, olenemata kaugusest ja parandades teie kuulmist. Kui suudate need ehitada – see on tohutu tehniline väljakutse –, võiksid AR-prillid järgida iPhone’i-sarnast trajektoori, nii et 5 aastat pärast turuletoomist saavad kõik need (või koputuse).

Selle reaalsuseks muutmiseks kulutas Meta Eelmisel aastal 10 miljardit dollarit metaversumi teadus- ja arendustegevusele. Kuigi me ei tea kindlalt, millega Apple tegeleb, on neid tugevad märgid, et nad töötavad AR-prillidega. Nii et AR teoks tegemiseks on ka pakkumise poolel tohutu tõuge.

See muudab laialdaselt kättesaadavaks kuvaseadme, mis on palju võimsam kui tänapäeva staatilised ekraanid. Kui see järgib VR-i trajektoori, on lõpuks integreeritud silmade jälgimine. See tähendaks laialdaselt kättesaadavat viisi stiimulite esitamiseks, mis on palju paremini kontrollitud kui praegu võimalik, mis on neuroteadlaste unistus. Ja neil seadmetel on tõenäoliselt kaugeleulatuvad terviserakendused, nagu ütles Michael Abrash 2017. aastal, nagu nägemise parandamine hämaras või inimestel normaalse elu võimaldamine vaatamata kollatähni degeneratsioonile.

Tähendus neuroAI jaoks on selge: saaksime igapäevaelus pidevalt ja kõrgelt kontrollitud viisil pakkuda õiget stiimulit. See kehtib nägemise ja võib-olla vähem ilmselgelt kuulmise kohta, kuna suudame edastada ruumilist heli. See tähendab, et meie tööriistad neuroAI-teraapiate loomiseks neuroloogiliste probleemidega inimestele või juurdepääsetavuse parandamiseks muutuvad palju võimsamaks.

BCI

Suurepärase ekraani ja kõlarite abil saame täpselt juhtida peamisi aju sisendeid. Järgmine, võimsam etapp stiimulite edastamisel meelte kaudu on kirjutuskaitstud aju-arvuti liidese (BCI) kaudu kontrollida, kas aju reageerib oodatud viisil. Seega saame mõõta stiimulite mõju ajule ja kui need ei ole ootuspärased, saame vastavalt reguleerida nn suletud ahela juhtimist. 

Et oleks selge, ma ei räägi siin BCI meetoditest nagu Neuralinki kiip või süvaaju stimulaatorid, mis lähevad kolju sisse; nendel eesmärkidel piisab ajutegevuse mitteinvasiivsest mõõtmisest väljaspool kolju. Samuti pole vaja aju otseselt stimuleerida: prillid ja kõrvaklapid on kõik, mida vajate enamiku aju sisendite juhtimiseks.

On mitmeid mitteinvasiivseid kirjutuskaitstud BCI-sid, mis on praegu müügil või valmimisel ja mida saaks kasutada suletud ahelaga juhtimiseks. Mõned näited hõlmavad järgmist:

• EEG. Elektroentsefalograafia mõõdab aju elektrilist aktiivsust väljaspool kolju. Kuna kolju toimib helitugevusjuhina, on EEG-l kõrge ajaline, kuid madal ruumiline eraldusvõime. Kuigi see on piiranud tarbijate kasutamist meditatsioonitoodete puhul (Muse) ja niši-neuroturunduse rakendusi, olen selle mõne kasutuse osas suletud ahelaga juhtimise kontekstis väga hea meel. EEG võib olla palju võimsam, kui on kontroll stiimuli üle, sest on võimalik seostada esitatud stiimulit EEG signaaliga ja dekodeerida seda, millele inimene tähelepanu pööras (väljakutsutud potentsiaalsed meetodid). Tõepoolest, NextMind, mis tegi esilekutsutud potentsiaalidel põhineva EEG-põhise "meeleklõpsu", omandati autor Snap, mis toodab nüüd AR-tooteid. OpenBCI on planeerimine vabastada peakomplekt, mille EEG-andurid on integreeritud Varjo tipptasemel Aero-peakomplektiga. EEG-d ma välja ei arvestaks.
• fMRI. Funktsionaalne magnetresonantstomograafia mõõdab väikeseid muutusi vere hapnikusisalduses, mis on seotud närvitegevusega. See on aeglane, pole kaasaskantav, vajab oma ruumi ja on väga kallis. Kuid fMRI jääb ainsaks tehnoloogiaks, mis suudab mitteinvasiivselt lugeda aktiivsust sügaval ajus ruumiliselt täpselt. On kaks paradigmat, mis on suletud ahela närvikontrolli jaoks üsna küpsed ja olulised. Esimene on fMRI-põhine biotagasiside. fMRI alamväli näitab, et inimesed saavad oma ajutegevust moduleerida, esitades seda visuaalselt ekraanil või kõrvaklappidel. Teine on ajukoore kaardistamine, mis hõlmab selliseid lähenemisviise nagu elanikkonnale vastuvõtlikud väljad ja voksli selektiivsuse hindamine filmiklippidega või taskuhäälingusaateid, mis võimaldavad hinnata, kuidas erinevad ajupiirkonnad reageerivad erinevatele visuaalsetele ja kuulmisstiimulitele. Need kaks meetodit viitavad sellele, et peaks olema võimalik hinnata, kuidas neuroAI sekkumine aju mõjutab, ja juhtida seda tõhusamaks.
• fNIRS. Funktsionaalne lähiinfrapunaspektroskoopia kasutab saatja ja retseptori vahelise ajuvere mahu hindamiseks hajutatud valgust. See tugineb tõsiasjale, et veri on läbipaistmatu ja suurenenud neuraalne aktiivsus põhjustab vere sissevoolu viivitust antud aju mahus (sama põhimõte nagu fMRI). Tavalisel NIRS-il on madal ruumiline eraldusvõime, kuid ajavärava (TD-NIRS) ja massilise ülediskretsiooniga (difuusne optiline tomograafia) on ruumiline eraldusvõime palju parem. Akadeemilisel rindel Joe Culveri rühm WUSTL-is on demonstreerinud filmide dekodeerimist visuaalsest ajukoorest. Kaubandusrindel on Kernel nüüd TD-NIRS peakomplektide valmistamine ja tarnimine mis on muljetavaldavad inseneri saavutused. Ja see on valdkond, kus inimesed jätkavad survet ja areng on kiire; minu vana Meta rühm näitas sarnase tehnikaga signaali-müra suhte 32-kordset paranemist (mida võiks skaleerida >300-ni).
• MEG. Magnetoentsefalograafia mõõdab väikseid muutusi magnetväljades, lokaliseerides nii ajutegevuse. MEG sarnaneb EEG-ga selle poolest, et mõõdab muutusi elektromagnetväljas, kuid see ei kannata mahujuhtivust ja seetõttu on sellel parem ruumiline eraldusvõime. Kaasaskantav MEG, mis ei vaja jahutamist, oleks mitteinvasiivse BCI jaoks mängu muutja. Inimesed teevad edusamme optiliselt pumbatavate magnetomeetritega ning avatud turult on võimalik osta üksikuid OPM-andureid sellistelt tootjatelt nagu QuSpin.

Lisaks nendele paremini tuntud tehnikatele võivad mõned tumedate hobuste tehnoloogiad, nagu digitaalne holograafia, fotoakustiline tomograafia ja funktsionaalne ultraheli, põhjustada selles ruumis kiireid paradigmamuutusi.

Kuigi tarbijatele mõeldud mitteinvasiivne BCI on alles lapsekingades, on AR-i kasutusjuhtudel turul palju survet, mis muudab piruka suuremaks. Tõepoolest, AR-i jaoks on oluline probleem seadme juhtimine: te ei taha, et peaksite juhtpuldiga ringi käima või prillide juurde pomisema, kui saate seda vältida. Ettevõtted suhtuvad selle probleemi lahendamisesse üsna tõsiselt, mida tõendab Facebooki ostmine CTRL+Labsi aastal 2019, Snap omandab NextMind ja Valve teeb koostööd OpenBCI-ga. Seega näeme tõenäoliselt väikesemõõtmelisi BCI-sid kiiresti arendamas. Suuremõõtmelised BCI-d võivad järgida sama trajektoori, kui nad leiavad tapjarakenduse nagu AR. Võimalik, et sellised neuroAI rakendused, mida siin toetan, on selle tehnoloogia jaoks täpselt õiged.

Kui suudame kontrollida sisendit silmadesse ja kõrvadesse ning mõõta täpselt ajuseisundeid, saame neuroAI-põhiseid ravimeetodeid maksimaalse efektiivsuse saavutamiseks pakkuda jälgitaval viisil.

Mis põllult puudu on

NeuroAI rakenduste põhiteadus küpseb kiiresti ja on mitmeid positiivseid suundumusi, mis suurendavad selle üldist rakendatavust. Mis siis jääb neuroAI rakenduste turule toomiseks puudu?

1. Tööriistad. Muud AI alamvaldkonnad on saanud tohutult kasu tööriistakastidest, mis võimaldavad kiiret edenemist ja tulemuste jagamist. See hõlmab tensoralgebra teeke, nagu Tensorflow ja PyTorch, treeningkeskkondi nagu OpenAI Gym ja ökosüsteeme andmete ja mudelite jagamiseks, nagu 🤗 HuggingFace. Mudelite ja meetodite tsentraliseeritud hoidla ning hindamiskomplektid, mis võivad potentsiaalselt kasutada rohkeid simulatsiooniandmeid, lükkaksid valdkonda edasi. Juba on olemas tugev avatud lähtekoodiga neuroteaduste organisatsioonide kogukond ja nad võiksid olla nende jõupingutuste loomulikud võõrustajad.
2. Andekus. Neuroteaduse ja tehisintellekti ristumiskohas on kaduvalt vähe kohti, kus teadus- ja arendustegevus toimub. Bay Area, kus on laborid Stanfordis ja Berkeleys, ning Bostoni metroopiirkond, kus on palju laboreid MIT-is ja Harvardis, saavad tõenäoliselt suurema osa investeeringutest juba olemasolevast riskikapitali ökosüsteemist. Kolmas tõenäoline sõlmpunkt on Kanadas Montreal, mida tõstsid McGilli ja Universite de Montreali tohutud neuroteaduste osakonnad koos tehisintellekti instituudi Mila tõmbejõuga, mille asutas AI pioneeri Yoshua Bengio. Meie valdkonnale tuleks kasuks spetsiaalsed doktoriõppe programmid ja neuroAI tippkeskused, et käivitada kommertsialiseerimine.
3. Uued rahastamis- ja kommertsialiseerimismudelid meditsiiniliste rakenduste jaoks. Meditsiinirakenduste turustamiseni on pikk tee ja kaitstud intellektuaalomand on tavaliselt tehnoloogiasse investeerimise riski vähendamiseks rahastamise saamise eeltingimus. Tehisintellektil põhinevaid uuendusi on kurikuulsalt raske patenteerida ja tarkvara kui meditsiiniseade (SaMD) alles hakkab turule tulema, muutes turustamise tee ebakindlaks. Vajame rahalisi vahendeid, mis on keskendunud tehisintellekti ja meditsiinitehnoloogiate teadmiste koondamisele, et seda tekkivat valdkonda arendada. 

Ehitame neuroAI

Teadlased ja filosoofid on juba ammusest ajast pead murdnud, kuidas aju töötab. Kuidas õhuke koeleht, ruutjalga pindalaga, võimaldab meil näha, kuulda, tunda ja mõelda? NeuroAI aitab meil nende sügavate küsimustega hakkama saada, luues arvutites neuroloogiliste süsteemide mudeleid. Selle põhilise teadmistejanu rahuldamine – mida tähendab olla inimene? – neuroteadlased loovad ka tööriistu, mis võiksid aidata miljonitel inimestel elada rikkamat elu.

Postitatud 4. augustil 2022