mindputer的个人博客分享 http://blog.sciencenet.cn/u/mindputer

博文

Mindputer实验室公布人工脑连接体原型机(附实照和参数表)

已有 2626 次阅读 2018-12-27 14:54 |个人分类:类脑计算机与类脑人工智能|系统分类:科研笔记|关键词:学者

                  Mindputer实验室公布人工脑连接体原型机主要技术参数

                  该实验为高仿生人工脑系统建立了可验证的理论-技术平台

                                   Mindputer实验室公众号 类脑人工智能

 

    

                                        世界首台人工脑连接体原型机——True-Brain

 

神经深构造运算与脑计算机实验室(以下简称Mindputer实验室)于今年3月9日在第二届Brain.TC会议上首次公布了关于“人工脑连接体”的实验性组装和测试结果的简明报告。之后实验室继续进行后续的测试和收尾工作,期间,根据测试结果进行了两次结构改进。在元器件和基础技术不变的条件下,将主异分器数量从432个增改到460个,扩大了样机的神经元总量,人工神经元的总量从4320-12960个增加到4600-13800个。同时,将整机的基本框架进行了较大改动,将4个梯级的12个功能模块(中枢分位)增加到14个,模块布局从原来的2-4-3-3架构,调整到新的2-6-4-2架构。以上两项改进使样机可承担规模更大的实验任务,能够最大限度地满足多类型和更复杂的功能回路实验需要。

                                                 样机改进:增加异分器数量和采用2-6-4-2模块布局

 

人工脑连接体的设计原理不同于经典的类脑网络系统,其核心元件“多丛异分处理器”(简称异分器)采用的是以树突的丛枝状构型的可塑性为基础的神经元模型,新模型高度重视树突“丛枝状结构”更接近于生物神经元的信息加工本色和更真实地反映生物脑的神经元的工作特质。从最基础的神经元模型上开始,人工脑连接体的组装就完全脱离了经典类脑网络系统中基于突触的膜强度可塑性的神经元模型及其网络设计原理。实验室通过异分器的联合组装实验,已经逐渐地分离出许多种树突丛枝状结构的不同构型,目前已经确认了22种构型。在对单个异分器上所做的树突结构的复杂连接实验中,最高已经做到了70个叉点的丛枝状结构。

在组装实验中,多样化的树突构型是形成深构造网络的基本原材料,在大量的多样化的神经元树突构型基础上,可以组装出比现有类脑网络系统复杂得多的网络结构。实验中发现,神经元构型种类越少、叉点结构越简单,则人工脑连接体的深构造网络的复杂度越低;反之,构型种类越多,叉点结构越复杂,人工脑连接体的深构造越复杂。说明树突构型的多样性和叉点结构的复杂性是先天性地决定和影响深构造网络结构复杂程度的基础性指标,也是决定和影响网络中的神经元种类多样性的基础性指标。实验室对神经元树突构型的分离研究还在进行中,相信将来会有更多的树突构型被分辨出来,在此基础上可以组装出更高复杂度的人工脑连接体。同时,对树突构型的多样性的研究将有助于对神经元的多样性的深刻理解,Mindputer实验室正在通过实验评估和总结树突构型多样性对神经元分类的概念影响性。这项研究还在进行中。

                                 1《人工脑连接体复杂度》

 

人工脑连接体的组装实验,从整体框架中的各小局部的回路组装开始,一小批神经元的树突丛枝状结构,可被编织成简单的神经回路。依据这些简单神经回路对特定梯级和特定中枢分位之间的连接关系,可以分辨出神经回路的连接型。不同的回路连接型代表着不同的工作任务或特定功能。目前实验室已经分辨出了11个类别的连接型,每个类别里面还可以分成许多种亚型,这项分辨工作还在进行中。在实验中还发现,复杂的神经回路中,可以分辨出其中的分态性,即每个较复杂的回路里含有多个局部的工作分态(或称为“亚回路”)。但这些分态之间存在着局部的叠加性,比较难以分辨它们的边界。目前已能分辨出最高含有9个分态位的复杂回路。另外,越复杂的回路的跨级跨位复杂度越高。目前已经能够分辨出最高跨3个梯级和4个中枢分位的复杂回路。概括地说,回路的复杂度可从两个指标上来定义,分态叠合量和跨级跨位性(追踪复杂度)。

                                  2《人工脑连接体基本量》

 

在人工脑连接体的组装中,有三个基本的过程环节:树突—回路—皮层。其中回路承担着“聚下分上”的特殊作用,即指大量神经元树突按照回路功能的实现需要而被编织起来,同时特定的功能将导引特定的回路指向皮层内特定的梯级中的中枢分位。基于这一特殊的原理,在人工脑连接体中可明显地分辨出来其中的白质纤维和灰质纤维。正是通过功能回路的承启性连接,才使得脑连接体组装中所形成的大量的错综复杂的突触能够被鉴别出它们的走向意义和用途。目前通过数据整理和计算已确定出可生成的白质纤维最低量为8720-26160根,可生成的灰质纤维最低量为13000-39000根。白质和灰质的最高生成量目前还没有计算出来。计算中还存在一些不确定因素,例如,在每次新的组装中,会出现白质和灰质纤维总量在某些局部的减少或增加等。另外实验中发现,白质和灰质纤维还可以更细微地分辨出它们的具体的走向和用途差别,可被细分为更多的亚类。这个研究工作还在进行中。

                                True-Brain的基本框架:4个梯级14个模块,含亚层实际有7个梯级

 

整体的脑连接体是在大量的跨级和跨位的复杂回路的生成基础上而实现的。以预先准备的各功能模块中的异分器里所储备的树突构型为原材料,从底层和各小局部的回路开始组装,先从简单的回路分态编织起,然后向更多的分态叠加回路结构发展,并由低梯级逐渐向较高梯级延伸,并向更多的中枢分位扩展,各种回路越来越多地不规则叠加,回路的跨级和跨位越来越复杂,越来越漫延和缠联,越来越形成复杂的立体网络,逐渐编织出一个大规模的类生物脑皮层。其中,在True-Brain的第2梯级以上的各级模块中,都设计有两个亚层级,这样在回路组装中,会生成模块间跨梯级结构和模块内跨层结构的复杂连接,这更接近于生物脑网络的连接特点。这样,True-Brain的基本框架设计,如果将模块内亚层计算在内,实际上有7个梯级。这种设计有助于研究和试验回路深构造在模块内外的复杂度,并可以研究模块内回路相对于外部中枢分位的独立性变化。

人工脑连接体的整体组装过程,与生物脑网络的发育进化过程相近似。在许多指标上与生物脑网络的特征相近似,例如,树突丛枝状结构、多样化的树突构型、白质与灰质、回路、回路的连接型、回路的分态叠加性、回路的跨级跨位性、功能模块、中枢分化、模块内分层、脑皮层的梯级等。这些都构成了人工脑连接体的类生物脑网络的高逼真性。此次公布的基本参数指标,可作为高仿生的人工脑系统的雏形的参考技术标准,Mindputer实验室今后还将在实验中继续完善它。

以这套参考性技术标准作为初始衡量方法,实验室尝试为人工类脑系统划出一个分界线,将“高仿生人工脑系统”与“低仿生人工脑系统”的区别标准具体化,例如,可尝试为现有的各种人工脑,例如,蓝脑、线虫网络、TrueNorth、SpiNNaker等建立一个比较它们的类脑程度的指标比较表。

作为人工脑连接体的原型机,True-Brain的试制工作已经基本完成,实验室已经获得了一种具备了可全透视性追踪技术条件的高仿生人工脑的可控性实验平台。这项技术体系已经初步成型了,包括4个方面:验证机、组装方法、测量指标和理论框架。该实验平台将专长于大规模神经回路的解析和高认知能力(知识重组与创造)的研究。Mindputer实验室将以这个实验平台为研究入口,准备制定第二阶段的研究计划,重点将放在与生物脑连接组和欧美中日脑计划相关的个别课题上,通过高仿生人工脑的实验来建立与他们研究的对照组。同时,新实验平台也为类脑人工智能和类脑计算机的研究提供了新技术入口,实验室将审慎考虑其中存在的高敏感性的技术风险问题,然后再做出课题选择的偏重性。

 

【编者注】

为帮助学友们了解深构造网络与人工脑连接体的生物学缘源、方法传统、研究路径、理论原理、实验进程、技术比较优势、重点应用方向和对未来的影响等方面的背景和知识,我们将汇集以前在不同的时期曾经发表的著作、论文、博客文、技术报告,还有部分内部讲习稿、微信讨论稿、邮件交流稿、论坛讨论稿等资料,重新整理并陆续编发《背景阅读系列》,供参考和研究。

 

Mindputer实验室的对人工脑连接体的后续和收尾工作还在继续进行中,研究成果的整理工作还需要更多的时间,但几年来所进行的第一阶段的实验研究计划已经接近于完成了,第二阶段计划的课题酝酿已经开始,重点方向将放在人工脑连接体与生物脑连接组的部分对照性课题上,次重点将放在对类脑人工智能的部分基础性理论问题的验证性实验课题上。欢迎同行学友提出意见和建议。




https://m.sciencenet.cn/blog-2910327-1153823.html

上一篇:人工脑连接体:类脑人工智能的奇点时刻来临
下一篇:[转载]人工脑连接体的生物学依据是什么?

1 刘锋

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-12-5 03:26

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部