Charles Simon, Brain Simulator II:n kirjoittaja – Haastattelusarja

Charles Simon on Brain Simulator II:n kirjoittaja, joka on vapaa, avoimen lähdekoodin ohjelmistoprojekti, jonka tavoitteena on luoda lopputuleva tekoälyjärjestelmä (AGI)

Alkuperäinen Brain Simulator -ohjelmisto julkaistiin vuonna 1988, mikä on valtava aika ohjelmistomaailmassa. Kuinka suuri askel eteenpäin Brain Simulator II on verrattuna edeltäjäänsä?

Nykyinen järjestelmä on yli miljoona kertaa nopeampi. Alkuperäinen ohjelmisto oli kirjoitettu FORTRAN-kielellä, se suoritettiin IBM AT -kloonilla, tuettiin kiinteää 1 200 hermosolun matriisia ja laski noin kaksi sykliä sekunnissa. Nykyinen ohjelma voi suorittaa verkossa ja prosessoida 2,5 miljardia synapsia sekunnissa tehokkaalla desktop-suorittimella.

Tämä kirja on Brain Simulator II:sta, avoimen lähdekoodin ohjelmistoprojektista, joka on tarkoitettu lopputulevan tekoälyn luomiseksi, mikälaista koodauskokemusta tarvitaan tämän ohjelmiston suorittamiseen?

Ei vaadita kokemusta. Jos et ole ohjelmoija, voit viettää aikaa Brain Simulatorin parissa ja tulla ymmärtäneeksi hermosen ja tietoverkkojen mahdollisuuksia ja rajoituksia, ja jopa rakentaa oman rajoitetun verkkonsa. Jos olet ohjelmoija, voit seurata syvemmän teknisen selityksen ja rakentaa oman moduulisi järjestelmän laajentamiseksi edistyneempiin AGI-strategioihin.

Miksi paluu biologisesti inspiroituun tekoälyyn on tärkeää saavuttaa AGI?

1980-luvulla ajattelussa oli, että jos voisimme vain rakentaa tarpeeksi suuren hermosolmiverkon, se tulisi spontaanisti älykkääksi. Neljänkymmenen vuoden aikana tämä skenaario on muuttunut yhä epätodennäköisemmäksi. Jos klassiset tekoälylähestymistavat eivät ole toimineet AGI:lle, katsotaan erilaisia lähestymistapoja, ja ainoa toimiva AGI-malli, jonka meillä on, on ihmisaivo.

Samaan aikaan ei ole syytä biologisen uskollisuuden orjalliseen sitoutumiseen. Esimerkiksi tiedämme, että aivot voivat arvioida etäisyyksiä objekteihin perustuen pieniin eroihin kuvissa, jotka saadaan kahden silmän avulla, mikä on perusta 3D-elokuville. Emme tiedä, miten tämä toimii aivoissa, joten ohjelmoinkin tämän toiminnallisuuden moduuliin, joka arvioi etäisyyksiä muutamalla trigonometrian rivillä. Emme voi olla varmoja, että aivot toimivat tämän kaltaisesti, mutta trigonometria on todennäköisesti nopeampi ja tarkempi.

Sanoit kirjassa, että AGI vaatii robottiikkaa, miksi tämä on niin tärkeää?

Kuvittele yrittäväsi selittää väriä sokealle henkilölle tai musiikkia kuurolle henkilölle. Jos prospektiivinen AGI on vain ohjelma tietokoneessa, miten se voi saada perustiedon asioista, joita jokainen kolmevuotias lapsi tietää? Lapsi on näkökulma ja ympäröivä todellisuus. Lapsi tietää, että objektit ovat olemassa todellisuudessa ja että monia niistä voidaan manipuloida. Leikkien palikoilla lapsi voi oppia muodon, koon, kiinteän, gravitaation, visuaalisen peittämisen, etäisyyden ja niin edelleen. Autonomisen liikkeen, näön ja manipulaattorien avulla AGI voi oppia todellisuudesta perustavammalla tasolla kuin ohjelma, joka riippuu vain teksti- ja kuvadatasta.

Yksi tärkeä asia Brain Simulator II:ssa on, että se ei käytä takaisinpropagaatiota, mikä on syy tähän lähestymistapaan?

Aivot toimivat ilman takaisinpropagaatiota, joten AGI on mahdollista ilman sitä. Itse asiassa takaisinpropagaatio on perustavanlaatuisesti ristiriidassa biologisen mallin kanssa, koska se perustuu siihen, että voidaan aistia ja muuttaa synapsien painoja tarkasti. Jonkin ajan kuluttua Brain Simulatorin kanssa, päätelet, että synapsien painojen asettaminen minkäänlaisella tarkkuudella on hyvin vaikeaa ja niiden synapsien painojen aistiminen on mahdotonta. Perusongelma on, että tulivat hermosolut muuttavat synapsien painoja, mutta ei ole mitään tapaa havaita synapsien painoa ilman tulivien hermosolujen laukaisua, joten synapsien painoa ei voida aistia ilman muuttamista.

Kun aivot tutkitaan, niissä näyttää olevan häiriintä ja sattuma, onko tämä jotain, mitä meidän on lisättävä ohjelmistojärjestelmään, jotta todellinen AGI voi syntyä?

En usko siihen. Kun tarkastelet yksittäisiä hermosoluja ja synapsia, niiden toiminta on hyvin deterministinen, kuten transistori. Aivoissa asiat näyttävät sattumanvaraisilta, koska melutasot ovat hyvin korkeat ja tiedon komponentit eivät ole minkäänlaisessa järjestyksessä. Mutta kuten voit lukea tekstiä selkeästi ja siinä ei ole mitään häiriintä tai sattumaa, niin voimme johtaa johtopäätöksen, että ainakin visuaalinen aivokuori on järkevä ja toistettavissa. Vaikka aivot tutkitaan, ne näyttävät yhtä häiriintyneiltä kuin muu aivot, mutta emme voi nähdä järjestystä ja organisaatiota vielä. Se on hieman kuin kiinalaisten merkkien lukeminen, minulle se on epäjärjestelmällisiä, sattumanvaraisia merkkejä, mutta jollekin, joka osaa lukea kieltä, siinä on ehdoton järjestys. Emme vain voi lukea aivojen sisäistä kieltä vielä.

Esittelet käsitteen Universal Knowledge Store (UKS), voitko lyhyesti kertoa, mitä se on ja miksi se on tärkeää?

Ajatelkaamme takaisin robottiikan kysymykseen, voit nähdä, että yksi yleisen älyn puoli on kyky integroida tietoa eri aistien kautta. Tiedät paljon asiasta, koska voit nähdä sen, koskettaa sitä ja kuulla sanoja siitä. Kaikki tämä edustaa tietoa asiasta. Jotta AGI voisi omata samanlaiset kyvyt, se tarvitsee yleisen tallennusmekanismin, joka voi käsitellä laajaa joukkoa erilaisia tietoja ja luoda hyödyllisiä suhteita eri asioiden välille. UKS on tietoverkko hyvin yleisessä muodossa, jotta se voi käsitellä minkä tahansa tietotyypin ja minkä tahansa suhteita.

UKS voi tallentaa tilan, joka on tarpeen sokkelin sovellukseen, sekä päätöksen ja tuloksen puun, jota käytetään sokkelin läpikäymiseen tavoitteena. Sama rakenne käytetään yhdistämään sanoja väreihin. Tämänkaltaista yleisyyttä on perustavanlaatuisesti AGI:lle.

Mikä on aikajänne, jonka odotat AGI:n ilmestymiselle?

On vaikea sanoa. Meillä on jo tarvittava laitteisto AGI:lle, ja näen, että yksi läpimurto on kaikki, mitä tarvitaan, ja se voi tulla milloin tahansa. Yritän kuvata tämän läpimurron:

Oletetaan, että kaikki, mitä tiedät, on, että punainen on väri ja sininen on väri, voin kysyä, että nimetä joitain värejä, ja voit sanoa punainen ja sininen. Kysymys on, miten AGI voi oppia, että “on-väri” -suhteella on jokin asia. Voin ohjelmoida tämän suhteen helposti, mutta silloin AGI ei voi oppia uusia suhteita, kun ne ovat koettavissa. Lapsi voi oppia suhteista, kuten lähempänä / kauempana, suuremmasta / pienemmästä, aikaisemmin / myöhemmin, ennen / jälkeen, ja niin edelleen. Mutta nämä riippuvat edelleen perustavammista käsitteistä, kuten koosta, etäisyydestä, ajasta ja niin edelleen.

Miten pää täynnä hermosoluja voi oppia kaiken tämän perustavanlaatuisen asian? Tämä liittyy takaisin robottiikan tarpeeseen. Miten AGI voi oppia etäisyyden käsitteen, jos se ei voi mennä minnekkään tai osoittaa mitään? Se liittyy myös yleiseen tallennukseen. Miten AGI voi ymmärtää menemistä, joka yhdistää sijainnin ja ajan käsitteet? Meneminen on suhteellisen helppoa. Ymmärtäminen siitä, mitä tarkoittaa meneminen, on paljon vaikeampaa. Uskon, että nämä perustavat ongelmat ovat kaikki saman perusongelman ilmentymiä, ja ratkaisu tähän onkaan välttämätön läpimurto.

Onko jotain muuta, mitä haluaisit jakaa Brain Simulator II:sta tai AGI:stä yleensä?

Kun yrität käyttää hermosoluja ja synapsia suunnittelemaan piirejä, jotka ratkaisevat nämä perustavat ongelmat, päätelet, että sen sijaan, että käsite edustettaisiin muutamalla kymmenellä synapsilla, jokainen vaatii muutaman kymmenen hermosolua. Tämä tarkoittaa, että aivojen kapasiteetti ei ole miljardeja asioita, kuten yleensä ajatellaan, vaan se on rajoitettu ymmärtämään kymmeniä tai satoja miljoonia asioita. Tällaisen AGI:n, joka voisi ymmärtää vain kymmenen miljoonan asian, pitäisi pystyä ymmärtämään joitain näistä perustavista käsitteistä. Ja tietokonejärjestelmä, joka edustaa kymmenen miljoonan asiaa, on hyvin sisällä nykyisen laitteiston piirissä, ehkä jopa nykyisen desktop-tietokoneen.

Brain Simulatorin V1.0-julkaisu on oikeasti sen “tulevaisuus”. Se on nyt saavuttanut kapasiteetin ja hiotun käyttöliittymän, joka tekee siitä paljon hyödyllisemmän laajemmalle tutkimusyleisölle. Se on yhteisöprojekti, jossa on kasvava kehitystiimi ja laajempi joukko loppukäyttäjiä. Yhdessä kokeilemme uusia ideoita ja teemme edistystä joillakin älyn ja AGI:n perustavista kysymyksistä.

Kiitos haastattelusta, on aina mielenkiintoista keskustella AGI:stä sinun kanssasi. Lukijoille, jotka haluavat oppia lisää, suosittelen lukemaan kirjan Brain Simulator II