Природоподобие, быстрота, энергоэффективность. Директор НИИ нейронаук ННГУ Сусанна Гордлеева о нейроморфном искусственном интеллекте

Новая ступень эволюции искусственного интеллекта — приближение к механизмам работы реального головного мозга. Один из центров развития нейроморфного ИИ в России — НИИ нейронаук ННГУ им. Н.И. Лобачевского совместно с Центром нейроморфных вычислений IT-кампуса «НЕЙМАРК», возглавляемые доктором физико-математических наук Сусанной Юрьевной Гордлеевой. В 2023 г. исследовательница стала лауреатом премии президента для молодых ученых за разработку технологий нейроморфного ИИ на основе нейрон-астроцитарных сетевых моделей. Об этом достижении и о развитии нейроморфного ИИ в целом С.Ю. Гордлеева рассказала «Научной России». Какие возможности открывают «мозгоподобные» нейросети? Почему от развития нейроморфного ИИ зависит технологический суверенитет страны? Зачем дополнять природоподобную нейросеть цифровым аналогом глиальных клеток нервной системы — астроцитов? Как транскраниальная магнитная стимуляция может помочь победить возраст-ассоциированные заболевания? Об этом и многом другом читайте в интервью на нашем портале.

— Как можно вкратце описать технологию и механизм работы нейроморфного искусственного интеллекта?

— Нейроморфные технологии ИИ — это мозгоподобные технологии ИИ, своей работой имитирующие принципы функционирования головного мозга, то есть реальных нейронных сетей, находящихся у нас в голове. Поэтому такие модели и технологии ИИ строятся по принципу подобия работе живых нейронов и передачи сигналов в биологических нейронных сетях.

— Каковы основные отличия нейроморфного ИИ от обычного? В чем заключаются его основные преимущества и есть ли недостатки?

— Классический ИИ построен на формальных нейронных сетях. Формальные нейросети и традиционные технологии ИИ на самом деле не имеют никакого отношения к нашему головному мозгу. Формальные нейросети построены на так называемых формальных нейроноподобных элементах, представляющих собой нелинейные пороговые функции, чье состояние описывается значением, которое нужно хранить в памяти компьютера постоянно. В то же время живые нейроны генерируют очень короткие и очень редкие электрические сигналы. За счет распространения таких импульсов по биологическим нейронным сетям и происходит процесс обработки и хранения информации в головном мозге. Это дает огромный выигрыш по энергоэффективности, поскольку нейроны головного мозга не хранят данные о своем состоянии постоянно, а переносят информацию в очень коротких электрических сигналах длительностью порядка одной миллисекунды.

Из-за этого различия при работе с формальными и биофизическими (или биологорелевантными) нейросетями должны использоваться разные алгоритмы обучения. Например, классическое правило обучения формальных нейронных сетей — back propagation (метод обратного распространения ошибки. — Примеч. авт.), и оно прекрасно подходит для обучения технологий ИИ, заточенных на выполнение конкретных задач. Простыми словами, для обучения таких систем решению конкретной задачи нужны большой набор целевых данных и значительное время на сам процесс обучения. После обучения ИИ система способна выполнять отдельную техническую работу — например, обрабатывать изображения или видеофайлы.

В то же время мы с вами учимся адаптивно, на основе опыта, и, чтобы освоить новый навык, нам необязательно поглощать огромное количество одинаковой информации. Поэтому считается, что нейроморфные мозгоподобные технологии ИИ потенциально способны более эффективно и быстро обучаться по ходу функционирования, исходя из собственного опыта. Нейроморфный ИИ сможет реализовать некоторые когнитивные функции, преодолеет проблему катастрофического забывания*, возникающую в формальных нейросетях, а также будет обладать навыком фильтрации важного.

Кроме того, нейроморфные технологии ИИ обладают высокой энергоэффективностью. То есть на их основе можно будет создавать вычислительные системы, которые смогут обрабатывать огромное количество информации в режиме реального времени на борту портативного устройства.

— Разработанный вами нейроморфный ИИ отличается от похожих технологий тем, что в него включен цифровой аналог вспомогательных клеток нервной ткани — астроцитов. Опишите, пожалуйста, эту инновацию немного подробнее.

— Ранее при разработке технологий машинного обучения, воспроизводящих принципы работы головного мозга, считалось, что основную функцию обработки информации в мозге выполняют нейроны. Но 40 лет назад ученые показали, что обрабатывать информацию и модулировать процесс передачи сигналов по нейронным сетям способны не только нейроны — в наших нейронных сетях также есть разные вспомогательные компоненты. Один из них — глиальные клетки. В прошлом считалось, что они все время выполняют поддерживающие функции, помогая нейронным сетям работать: обеспечивают трофическую функцию, защищают головной мозг от воздействия вредных веществ, поступающих через кровь, то есть образуют гематоэнцефалический барьер.

Однако совсем недавно было показано, что основной тип глиальных клеток в нашей центральной нервной системе — астроциты — могут влиять на передачу сигналов в нейронных сетях. Они способны высвобождать ровно те же химические вещества, которые высвобождают нейроны, когда передают сигналы друг другу по нейронной сети. Но нужно добавить, что астроциты — медленные «игроки»: они генерируют очень медленные импульсы и оказывают медленное модулирующее воздействие.

Мы представляем собой одну из первых научных групп в мире, включившую астроциты в спайковые нейронные сети (нейронные сети, созданные по принципам работы головного мозга. — Примеч. авт.). И мы показали, что включение в динамику нейросети вспомогательного астроцитарного модулирующего действия на 15% увеличивает производительность нейроморфного ИИ.

— На какой стадии сейчас находится работа вашего коллектива над нейроморфным ИИ? Есть ли уже полностью рабочие технологии с его использованием и планируется ли каким-либо образом совершенствовать созданный вами искусственный интеллект?

— Как в алгоритмической части программирования, которой мы занимаемся, так и в области аппаратной реализации нейроморфные технологии ИИ сейчас находятся на стадии фундаментальных исследований и разработок прототипов и экспериментальных образцов.

В нашей лаборатории мы создали такую фундаментальную разработку — спайковую нейрон-астроцитарную сеть, которую испытали на классической задаче машинного обучения — классификации изображений. Теперь мы перешли к разработке биолого-правдоподобных алгоритмов обучения таких нейрон-астроцитарных сетей, что представляет одну из приоритетных задач в области создания нейроморфных технологий ИИ.

— С какими препятствиями вам и вашим коллегам приходилось сталкиваться в процессе разработки нейроморфного ИИ?

— В настоящее время мы не до конца понимаем, как устроены процессы передачи, хранения и обработки информации в реальном головном мозге. Наши знания в области нейробиологии и нейрофизиологии о том, как протекают передача и обработка информации в живых нейронных сетях, на самом деле фрагментарны. Мы уже изучили отдельные механизмы на клеточном и молекулярном уровнях, но пока не дошли до понимания, как работает эта система в целом. И именно построение биолого-правдоподобных математических моделей, способных реализовать когнитивные функции, поможет нам разобраться в этих механизмах.

Поэтому разработка прикладных технологий машинного обучения, полностью построенных на принципах работы головного мозга, затруднена тем, что нам не хватает некоторых знаний в области биологии. И при построении детализированных биолого-правдоподобных моделей нейросетей мы в первую очередь основываемся на последних разработках нейробиологов и нейрофизиологов. То есть мы читаем научные статьи и воспроизводим уже найденные нейробиологами и нейрофизиологами механизмы в математике, физике, биофизике и моделировании. Это очень трудоемкий процесс.

— Какие принципиально новые возможности может дать человеку применение нейроморфного ИИ? Возможно, решение более сложных или более творческих задач?

— Считается, что нейроморфный ИИ обладает особым потенциалом как вычислительная система. В первую очередь, преимущество заключается в энергоэффективности, которую удастся получить при совмещении программной и аппаратной реализации нейроморфных технологий. Под аппаратной реализацией мы подразумеваем, что можно будет создавать электрические устройства с микросхемами, работающими по принципам функционирования головного мозга. Такие вычислительные системы, работающие по биоподобным принципам, называются нейропроцессорами и разрабатываются уже сейчас. Например, существует отечественный нейропроцессор «Алтай», созданный группой компаний «МОТИВ Нейроморфные Технологии».

При совмещении аппаратной части (нейропроцессоров) и программной части нейроморфных технологий (нейроморфного ИИ, который мы разрабатываем) можно будет получить удивительную по энергоэффективности вычислительную систему, которая сможет обрабатывать огромное количество информации на борту портативных устройств, причем обучаться и переобучаться она будет в процессе функционирования, то есть в режиме реального времени. В первую очередь эта технология необходима для таких устройств, как беспилотные транспортные системы, высокотехнологичные медицинские технологии (нейроинтерфейсы, нейроимплантаты) и, конечно, технологии специального назначения.

Наконец, стоит назвать преимущества биолого-правдоподобных алгоритмов обучения нейроморфного ИИ — это быстрота обучения и удивительная адаптивность. 

— Существуют ли какие-либо риски, связанные с использованием нейроморфного ИИ? Если да, есть ли предположения, как от них можно защититься? 

— Думаю, что на сегодняшнем этапе никаких рисков нет. Нейроморфный ИИ — критическая технология, которая должна быть разработана, в том числе в Российской Федерации, для поддержания технологического суверенитета. Потому что это новый подход к разработке вычислительных систем, который поможет нам анализировать огромное количество информации, постоянно накапливаемое в нашем мире. Дело в том, что существующие технологии формального ИИ с течением времени требуют все бóльших вычислительных мощностей. Это означает, что для их работы нужно все больше электроэнергии. Таким образом, в ближайшем будущем мир рискует разделиться на два полюса: страны, которые смогут позволить себе электроэнергию для обеспечения таких супермощных вычислительных кластеров, и страны, обреченные на технологическое отставание. Именно поэтому крайне важна разработка вычислительных систем, построенных на новых принципах.

Что касается рисков, то сейчас все технологии ИИ, их разработка и применение регламентируются законом. Полагаю, что работа в области нейроморфных технологий также будет следовать уже созданным регламентам и соответствующему законодательству.

— Какие еще разработки вашей команды в области ИИ вам хотелось бы выделить?

— В нашем университете есть лаборатория нейродинамики и когнитивных технологий, занимающаяся созданием систем нейроуправления и нейроинтерфейсов. Мы также разрабатываем персонализированные методы неинвазивной нейромодуляции, или методы воздействия на функциональные нейронные сети головного мозга. Все эти технологии требуют обработки нейрофизиологических сигналов. Мы строим такие системы как раз на нейроморфных технологиях ИИ.

Для чего нужно воздействовать на функциональные нейронные сети мозга? Приведу пример. Когда человек решает какую-либо когнитивную задачу, мы можем зарегистрировать активность его головного мозга и выделить в нем ту или иную функциональную нейронную сеть, вовлеченную в процесс решения этой задачи. Соответственно, от ее работы зависит эффективность выполнения задания. Например, когда мы анализируем увиденные изображения, в этой работе участвует некий конкретный отдел головного мозга. Таким образом, если мы научимся неинвазивно воздействовать на этот отдел мозга, активируя его, мы сможем повысить скорость или эффективность обработки человеком визуальной информации. Это крайне важно для борьбы с различными возраст-индуцированными заболеваниями и обеспечения здорового когнитивного долголетия, поскольку с возрастом скорость реакции снижается.

— Уже сейчас испытываются какие-то прототипы таких технологий, возможно, в сотрудничестве с клиниками, с врачами? 

— Да, сейчас непосредственно в НИИ нейронаук мы активно проводим эксперименты, как раз посвященные регистрации активности головного мозга и разработке методов воздействия на мозг с помощью транскраниальной магнитной стимуляции.

— В одном из интервью вы отмечали, что в области развития технологий нейроморфного ИИ Россия в некоторых отношениях обгоняет зарубежные государства. На ваш взгляд, что помогает ученым нашей страны добиваться особенно высоких результатов в этой сложной области науки?

— Думаю, что это стало возможным благодаря ведущим классическим научным школам, действующим в нескольких крупных научных центрах нашей страны. Нейроинформатика как направление науки была основана как раз для разработки нейроморфных средств ИИ и зародилась именно в Российской Федерации. Один из основоположников нейроинформатики в нашей стране — почетный профессор ННГУ Александр Николаевич Горбань. В России также существуют очень сильные классические научные школы по другим направлениям исследований, на которых строятся технологии нейроморфного ИИ, — по теории колебаний, теории сложных сетей, нелинейной динамике. Кроме того, в России действуют множество ведущих научных школ в области нейрофизиологии и нейробиологии, изучающих процессы обработки и хранения информации в мозге. Их представляют выдающиеся исследователи — Константин Владимирович Анохин, Павел Милославович Балабан, Александр Яковлевич Каплан. Таким образом, у нас есть очень сильные классические научные школы как по нейрофизиологии, так и по теории обработки сигналов в сложных нелинейных системах.

— На базе строящегося нижегородского IT-кампуса «НЕЙМАРК» создается Междисциплинарный центр нейроморфного ИИ, которым будете руководить как раз вы. Исследователей каких специальностей он объединит, с какими вузами и институтами запланировано сотрудничество и будет ли вестись совместная работа с зарубежными учеными?

— Центр нейроморфных вычислений, создаваемый сейчас на базе IT-кампуса «НЕЙМАРК», — это кампус мирового уровня в области информационных технологий, который объединит все вузы, находящиеся в нижегородском регионе, включая ННГУ им. Н.И. Лобачевского, Нижегородский государственный технический университет им. Р.Е. Алексеева (Нижегородский политех), филиал Высшей школы экономики в Нижнем Новгороде и ряд других. В этом центре мы как раз планируем заняться совмещением аппаратной и программной частей нейроморфных технологий, а также разработкой нейроморфных методов машинного обучения и созданием биолого-правдоподобных нейронных сетей. Он объединит тех же специалистов, что работают сейчас на базе НИИ нейронаук: в первую очередь, это эксперты в области инженерной физики, ИИ, математики и прикладной математики; очень важен также вклад нейробиологов, нейрофизиологов, когнитивных исследователей и, конечно, физиков.

— Каким вы видите будущее нейроморфного ИИ и как он, в свою очередь, повлияет на нашу жизнь в дальнейшем?

— Я убеждена, что нейроморфные технологии ИИ уже в ближайшее время повсеместно войдут в нашу жизнь, как сейчас — традиционный формальный ИИ. В первую очередь, это произойдет благодаря их высокой энергоэффективности. Думаю, что нейроморфные технологии будут развиваться все больше. Во-первых, будут более активно разрабатываться алгоритмы машинного обучения для таких технологий, нацеленные на решение разнообразных специализированных задач. Во-вторых, произойдет переход от фундаментальных исследований к прикладным разработкам. Мы с нетерпением ждем этого момента и работаем над этим.

Фото на превью: из личного архива С.Ю. Гордлеевой 

Фото на главной странице: Андрей Скворцов / пресс-служба ННГУ им. Н.И. Лобачевского

Фото в тексте: Андрей Скворцов / пресс-служба ННГУ им. Н.И. Лобачевского