Сделаем шаг назад и разберемся, что представляет из себя человек как индивид и как представитель вида Homo Sapiens.

Кто мы такие?

Мы состоим из множества компонентов, являемся продуктом своего опыта и восприятия, ощущений и поступков. Каждый из нас откликается на воздействие внешней среды уникальным, свойственным только ему способом. И все это сжато в одной точке. Вселенная вокруг нас не существует сама по себе. Вы не можете ее даже потрогать.

Когда вы думаете, что проводите рукой по столу, протоны и атомы его поверхности никогда не соприкоснутся с протонами и атомами ваших пальцев. Практически все, что нас окружает, – это пространство, состоящее из пустоты. Электрические импульсы доносят информацию от кончиков ваших пальцев до мозга – но вы ничего не знаете об этих импульсах, пока мозг не обработает информацию. Все, что представляет из себя Вселенная; все, чем являетесь вы; все, что вы осознаете и, по сути, все, что для вас существует, появляется только благодаря этой обработке. Таким образом, когда мы говорим о расширении и дополнении, мы имеем в виду наше желание расширить и дополнить процессы обработки информации мозгом.

Разумеется, мы хотим защитить то, что позволяет нашему разуму действовать: мозг, тело, в котором находится мозг, и среду, в которой находится тело. Среда должна быть устойчивой, без резких перемен и без катастроф. Так, неожиданное исчезновение атмосферы уничтожит пригодную для жизни среду и приведет к гибели разума.

Есть и другой способ относиться к процессам, которые делают человека человеком. Нужно проникнуть в них, обращаться с ними, как с ценной информацией или важной программой: делать резервные копии, устанавливать необходимые обновления, настроить отказоустойчивость и способность адаптироваться к новым средам и новым вызовам.

Субстрат-независимый разум нужен именно для этого. Его смысл – доступ к информации и ее извлечение. Для этого разум должен обрабатывать данные на специальной платформе – субстрате. Если это может происходить на различных платформах, как у программ, написанных платформо-независимым кодом, – значит, разум стал субстрат-независимым.

И поддержание среды, и доступ к информации – оба пути имеют свою ценность. Для объективной оценки их достоинств и недостатков – и в особенности их осуществимости в обозримом будущем – мы должны рассмотреть пути их реализации и разработать подробный план действий.

Конкретные шаги

Когда мы говорим о переносе сознания на искусственный носитель, мы имеем в виду перенос на СНР способности мозга выполнять свою работу. В идеале для оптимального использования выбранного субстрата нам следует «пересобрать» функции сознания прямо на нем. Однако в настоящее время такая оптимизация представляется трудновыполнимой, поскольку у нас нет исчерпывающего понимания иерархии взаимодействующих стратегий, используемых на различных когнитивных уровнях разума. С другой стороны, мы весьма неплохо разбираемся в работе фундаментальных биофизических слагаемых, вызывающих работу сознания.

Мы умеем выявлять механистические аспекты психофизиологических элементов, измерять функциональные ответы и модулирующие воздействия. Пусть у нас нет полного и наглядного справочника всех видов нейронов, синаптических каналов и тому подобного – мы знаем, как получить эту информацию, если возникнет такая необходимость, как если бы мы умели читать инструкции к программе, написанной на ассемблере (ассемблер – язык программирования низкого уровня. – Прим. пер.), из исполняемого файла, несмотря на то что у нас нет достаточно подробного описания программы, чтобы написать ее альтернативную версию.

По этой причине большинство исследований и разработок СНР идут по наиболее консервативному пути, который мы называем «полным воссозданием мозга» (Whole Brain Emulation). Его цель – воспроизвести физиологические функции и анатомическую структуру нейронов, а также взаимодействие между ними. Тот же метод применяют представители наиболее продвинутых областей нейроинформатики и вычислительной нейронауки, и результаты нередко превосходят самые смелые ожидания.

Хотелось бы еще раз подчеркнуть, что к СНР возможно прийти разными путями, сайт carboncopies.org стремится беспристрастно анализировать и описывать их. Мы выделили несколько концептуально различных подходов. Представленные ниже укладываются в парадигму «полного воссоздания мозга». 

Основные элементы

Чтобы описать какое-либо явление или создать его модель, необходимо определиться с ее масштабом и базовыми элементами. Мы можем считать эти базовые элементы «черными ящиками», требующими характеризации. Различные подходы к СНР оперируют «черными ящиками» разного уровня.

Так, «выгрузка слабосвязанных элементов» (Loosely-Coupled Off-Loading) использует в качестве «черного ящика» реакции тела или личность человека в целом. Воссоздание базируется на видеозаписях, отчетах испытуемых, их журналах наблюдений. Для помощи в сборе информации привлекается искусственный интеллект.

Другие подходы работают с «черными ящиками», находящимися на уровне мозга или его частей. Это типично для проектов, основанных на индивидуализированных настройках общей когнитивной архитектуры или тех, которые занимаются частичным нейропротезированием и интерфейсами «мозг – компьютер».

Рис. 1. Морфологическая детализация нейронов (белые, в форме клетки), отходящие аксоны (зеленые) и дендриты (красные). Генерировано с помощью NEUROMORPH.

И наконец, есть проекты, «черные ящики» которых находятся в масштабе нейронов или даже одного конкретного нейрона (Рис. 1). Этот уровень масштабирования часто выбирают такие дисциплины, как вычислительная нейронаука и нейроинформатика. На текущий момент изображения данного уровня являются наиболее точными и лучше всего подходят для реконструкций при выполнении «полного воссоздания мозга».

Моменты, когда в нейронах мозга возникает потенциал действия, и моменты пиковых потенциалов – основные события, которые нас интересуют. Именно время пиковых потенциалов определяет, будет ли синапс усилен, заторможен или останется без изменений, и позволяет узнать, что было выучено, какие воспоминания закодировались, как развивается система в целом и как мы сами меняемся со временем. Нервные импульсы стимулируют мышечные клетки, позволяя нам двигаться, реагировать, говорить и взаимодействовать с внешней средой. И по сути, именно время пиковых потенциалов должно быть воспроизведено (с приемлемой долей погрешности) при работе над полным воссозданием мозга.

Четыре требования

Для реализации задачи по полному воссозданию мозга должны быть выполнены четыре основные требования (Рис. 2).

1. Проверка гипотез о подходящем разрешении и масштабе данных.

2. Получение структурированной информации о явлении, получившем название «коннектом головного мозга» (коннектом – подробная карта нервных связей головного мозга. – Прим. пер.).

3. Получение функциональных характеристик компонентов, связанных между собой внутри коннектома.

4. Разработка подходящей платформы для воссоздания и моделирования функций сознания.

Первое требование выполнено – разрешение модели выбрано. На данном уровне и уровнем ниже критически важной является функциональная характеристика элементов – они должны быть достаточно простыми, чтобы мы могли фиксировать их динамику. На более высоких уровнях важны структурные характеристики – они позволят выявить взаимодействия, инициируемые самим коннектомом и вызывающие системный эффект.

Рис. 2. Полное воссоздание мозга: четыре требования.

На голубом фоне, шесть категорий проектов, каждый из которых удовлетворяет требованиям (слева направо): «объемная микроскопия», «помеченные взаимовлияющие связи», «демультиплексное древо», «молекулярная телеграфная лента», «пробы, взятые микро-нейроинтерфейсом», «нейроморфные чипы». На желтом фоне (слева направо): «выбор разрешения и масштаба», «структурный коннектом», «функциональный коннектом», «платформа для воссоздания». На синем фоне (слева направо): «полное воссоздание мозга», «нейрокомпьютерный интерфейс», «выгрузка слабосвязанных элементов». Верхняя надпись на зеленом фоне: «субстрат-независимый разум».

Теоретически одновременная функциональная регистрация многих нейронов позволит вывести карту связей между ними без необходимости выявления их структурных особенностей в высоком разрешении. На практике в работе со сложными системами это представляется трудновыполнимым по причине огромного количества входных данных каждого нейрона. Этот метод предполагал бы отношение к связям между нейронами как к элементам «черного ящика», который представляет из себя значительно более сложный элемент. Полная характеризация переходных функций этих «черных ящиков» требует длительного периода наблюдений и подвержена искажениям при анализе чувствительности. При этом скрытые функции могут остаться незамеченными.

По аналогии можно было бы сузить число различных видов измерений до одной только морфологической трехмерной реконструкции. Гипотетически, морфологические характеристики нейронов позволяют распределить их по функциональным категориям и оценить значения их параметров внутри этих категорий. Но на самом деле ключевую роль при таком подходе начинает играть процедура отображения категорий «один-к-одному» – а это с большой долей вероятности приведет к системным ошибкам. Нейронные сети известны своей устойчивостью к случайным ошибкам, повреждениям и шуму – однако эта устойчивость не распространяется на системные ошибки (такие как погрешность пространственных измерений, вызванная отклонениями или износом инструментов, например). Исправление ошибок будет осложнено отсутствием средств проверки различных способов измерений.

Предположим, мы хотим отрегулировать параметры или исправить ошибки в сети, наблюдая за наиболее общими ее проявлениями. Наша сеть состоит из 86 млрд нейронов, каждый из которых представлен 10 тысячами соответствующих электрических эквивалентов, обладающих 10 разными параметрами. В таком случае количество данных этой сети легко превысит возможности любой существующей вычислительной системы, классической или квантовой. Таким образом, критически важно сузить задачу, исключить и настроить небольшие подсистемы, чтобы они давали ответы, соответствующие своим функциональным характеристикам.

В любом случае инженерная практика показывает, что было бы неразумно (за исключением тех случаев, когда это неизбежно) полагаться на одношаговые процессы, не дающие возможности проверки или частичной реконструкции. Собрать данные, построить полную модель и нажать «Пуск» – такой ход действий является просто-напросто рискованным. Необходимость бороться с проблемами в крайне сложной системе без возможности выполнения пошаговых действий колоссально повышает сложность задачи. Таким образом, практический метод успешного моделирования головного мозга должен сочетать в себе и структурные, и функциональные измерения – в высоком масштабе и разрешении.

Проекты-решения

Четыре требования к выполнению полного воссоздания мозга являются весьма жесткими. Но есть и осуществимые решения, удовлетворяющие этим требованиям и применяющие последние достижения науки и приборостроения. Прямо сейчас на этапе разработки и воплощения находится целый ряд проектов (подробнее об этом смотрите на сайте carboncopies.org и в статье Рэндала Куне «Экспериментальные исследования в области полного моделирования мозга», которая выйдет в журнале International Journal of Machine Consciousness, в специальном выпуске 2012 года).

Очевидно, чтобы построить структурный коннектом, нам следует обратиться к пространственной структуре клеток и тканей мозга. Электронные микроскопы предоставляют необходимое для этих целей высокое разрешение, в то время как автоматическое деление мозга на части задает нужный масштаб изображений. Сегодня объемная микроскопия активно развивается рядом научных коллективов (один из проектов такого рода – ATLUM Project Гарвардского университета).

Принципиально иной подход к строительству коннектома заключается в том, чтобы помечать связи между пресинапсами и постсинапсами с помощью «биологических штрих-кодов» – искусственных секвенций ДНК и РНК. Пометки образуют двунаправленные указатели между нейронами. После извлечения пометок сеть указателей представляет из себя структурный коннектом, состоящий из связей между нейронами. Биологические инструменты для реализации данного проекта разрабатываются в лабораториях Энтони Зэйдора (Dr. Anthony Zador) и Эда Кэллоуэя (Dr. Ed Callaway).

Функциональная характеризация элементов in vivo требует особо высокого разрешения, и мы пристально следим за разработкой соответствующих инструментов. Один из способов добиться необходимого разрешения и масштаба – создать иерархию интерфейсов, сообщающих о сигналах, проходящих через демультиплексор. Сюзанна Гилдерт (Suzanne Gildert) называет этот подход «древом демультиплексора». Рудольфо Льинас (Rodolpho Llinas) приводит пример такого дерева: границы между его узлами образованы нанопроволочками, доставка которых осуществляется через кровеносную систему мозга. Эти гибкие нанопроволоки были разработаны в Медицинской школе Нью-Йоркского университета (New York University School of Medicine), их диаметр – 500 нанометров. На данный момент далеко не все части мозга удалось охватить нанопроволоками, в древо демультипликатора они пока тоже не включены.

Также существует ряд проектов, занятых разработкой биологических инструментов, работающих как на клеточном, так и на субклеточном уровнях нервной ткани и выполняющих огромное количество операций в единицу времени. Гарвардский университет, Северо-западный университет (Northwestern University) и Массачусетский технологический институт при участии Halcyon Molecular сотрудничают над созданием инструментария, получившего название «молекулярная телеграфная лента». Функциональные события (например, активация рецепторов, чувствительных к изменению мембранного потенциала) записываются на биологические источники информации, такие как ДНК. Запись информации происходит прямо в клетках и впоследствии может быть извлечена из них.

Точное воссоздание биологических процессов при отсутствии нежелательных взаимодействий и побочных эффектов – весьма нетривиальная задача. Найти биофизические компоненты, способные считывать сигналы, включить эти компоненты в систему и разработать стратегии для достоверной записи сигналов – эта работа требует огромного количества времени, усилий и дальнейших исследований. При этом разрешение и масштаб существующих биологических инструментов являются в высшей степени обнадеживающими. Особенно соблазнительной является возможность чтения сигналов in vivo. Эта цель пока еще не достигнута.

Если мы соединим вместе преимущества обоих подходов, то это позволит работать на субклеточном уровне, записывать сигналы in vivo и при этом иметь дело только с узлами (а не с физическими характеристиками) демультиплексного древа. Оптимальный способ достижения этой цели, который был придуман еще десятилетия назад Эриком Дрекслером (Eric Drexler), Ральфом Мерклом (Ralph Merkle), Робертом Фрайтасом (Robert Freitas) и другими, – это нанороботы. Нанотехнологии – довольно новая дисциплина; нам пока далеко не все удается в создании роботов и обычного размера. В чем наука и техника достигли немалых успехов – так это в создании микросхем. В «Примечании 2» вашему вниманию будет представлен проект под названием «Микро-нейроинтерфейс» (Micro-Neuro-Interface).

Функции сознания выполняются высокопараллельными сетями мозга, состоящими из преимущественно безмолвных процессоров малой мощности – нейронов. Для успешного воспроизведения этих функций нужна схожая вычислительная среда. Именно поэтому разработка нейроморфных компьютерных платформ представляет для нас столь большой интерес. Работами данного рода является проект DARPA под названием SyNAPSE Project; микрочип Гая Пайлета (Guy Paillet), в архитектуре которого заложены возможности дальнейшего развития, а также европейские проекты CAVIAR и FACETS.

Примечание 1. Объемная микроскопия

Весьма оптимистичными являются достижения электронной микроскопии в сборе структурированных данных. В 2011 году в журнале Nature вышла статья Кевина Бриггмана (Kevin Briggman) со сравнением реконструкции, сделанной с помощью растрового электронного микроскопа SBFSEM, с функциональной записью, произведенной в той же ткани. Другая публикация в Nature, принадлежащая Дэви Боку (Davi Bock) описывала применение того же метода для анализа нейронных сетей в зрительной коре головного мозга. Результаты работы Бока и Бриггмана впечатляют, однако следует признать, что технология микроскопов SBFSEM обладает рядом ограничений с точки зрения объема мозга, с которым она способна работать.

Над решением данной проблемы работает доктор Кен Хейворт (Ken Hayworth). В лаборатории Джеффа Лихтмана (Jeff Lichtman) он создал устройство под названием «автоматический токарный ультрамикротом с лентой» (Automatic Tape-Collecting Lathe Ultramicrotomes, сокращенно ATLUMs). Этот прибор (на котором мозг вращается, как на токарном станке. – Прим. пер.) позволяет срезать большие объемы ткани, помещать их на ленту и хранить данные в библиотеке. Разрешение этих изображений настолько высоко, что позволяет увидеть пузырьки, несущие нейротрансмиттеры от синапса к синапсу (изображение демонстрирует силу синаптической связи, см. Рис. 3).

Рис. 3. На этом электронном микроснимке мозжечка ясно видно расположение синапсов (темная линия внутри красного квадрата) и даже пузырьков, переносящих нейротрансмиттеры (на них указывает белая стрелка).

Таким образом, трехмерная реконструкция может быть выполнена без потерь структурной информации. На рисунке мы четко видим отдельные нейроны, синаптические связи, подробную морфологию аксонов и дендритов в нейронной сети. Очень важно понимать, что речь идет не о футуристических прогнозах, а о реально существующих приборах, которые удовлетворяют требованиям проекта по полному воссозданию мозга (см. статью Бриггмана в Nature, выпуск 471, 2011 год). Эти приборы следовало бы усовершенствовать так, чтобы они эффективно справлялись с большим объемом тканей, но это вполне решаемая технологическая задача. Я не вижу непреодолимых препятствий на пути скорого научного прорыва в данной сфере.

Примечание 2. Микро-нейроинтерфейсы

Знания в области создания интегральных микросхем позволяют нам строить сложные иерархические системы, обрабатывать сигналы, создавать коммуникационные и вычислительные сети. Работа с триггерными событиями не требует много энергии, ее источником могут служить инфракрасное излучение, электромагнитная индукция или клеточное биотопливо из глюкозы (Ф.Санкен и соавторы, 2010) (Philippe Cinquin et al.).

Микро-нейроинтерфейс размером с эритроцит (8 микрон в диаметре) будет состоять из функциональной схемы (Рис. 4) и контактов, обеспечиваться энергией инфракрасного излучения и обладать антенной для радиочастотной идентификации. Метод пассивной инфракрасной коммуникации под названием micro-OPID разрабатывается Яэлем Магуайром (Yael Maguire). Micro-OPID – это микрочип размером 32 нанометра, который имеет 2300 транзисторов (такое же число транзисторов было в микропроцессоре Тьюринга для Intel 4004) и может путешествовать по кровеносным сосудам мозга, питающим каждый нейрон. 22-нанометровая технология 2011 года позволит микрочипу содержать в 4 раза больше транзисторов (такое же количество, как в системе наведения крылатых ракет).

Рис. 4. Схематическое изображение микро-нейроинтерфейса с биосовместимым покрытием.

Микросхема, встроенная в микро-нейроинтерфейс, будет заключена в оболочку из биосовместимого или биоактивного материала. Несмотря на то что силикон вполне удовлетворяет данным требованиям, хотелось бы отметить, что еще в 2009 году Нишиту Доши и коллегам (Nishit Doshi et al.) удалось сделать покрытие для искусственных клеток крови из белка. Таким образом, соединение искусственной микросхемы и биосовместимого покрытия даст нам микро-нейроинтерфейс величиной с эритроцит.

Но даже 8 микрон – неидеальный размер, ведь наш чип не способен сжиматься, как это делает клетка крови, в то время как хотелось бы, чтобы он был способен проникать не только в кровеносные сосуды, но и в межклеточное пространство. Доктору Родриго Гомесу-Мартинесу и его коллегам (Rodrigo Gomez-Martinez et al.) удалось создать чипы меньшего размера (они могут внедряться в сами клетки), мы можем последовать его примеру. Некоторые наши чипы будут способны улавливать определенные сигналы, например электрический ток; другие смогут стимулировать или направлять соседние чипы; третьи будут объединяться, чтобы пометить ту или иную структуру.

По сути, чипы представляют из себя иерархическую систему с узлами величиной с клетку. Это иерархическое облако измеряющих и регистрирующих компьютеров. Свою работу они смогут выполнять как снаружи, так и внутри кровеносных сосудов. Устройства с функциональными покрытиями, такими как нанолипучки, созданные Сарой Дюран и коллегами (Sara Duran et al.), могут вступать во взаимодействие с клеточными мембранами. Более крупные кластеры устройств будут распределять энергию и аккумулировать данные для доставки вовне. С такими приборами нам откроется множество новых типов измерений.

Если мы сможем создать микро-нейроинтерфейс величиной 2 микрона для каждого из 86–100 млрд нейронов, снабдив каждый десяток нейроинтерфейсов одним хабом величиной 8 микрон – в таком случае все чипы, собранные вместе, займут не более 1 куб.см, или 1/1700 всего объема мозга. Таким образом, древо демультиплексора становится иерархическим обрабатывающим информацию облаком, которое действует в едином пространстве и времени с нейронной сетью мозга.

Объединение инструментов для работы над полным воссозданием мозга

Очевидно, весьма полезным в решении наших задач может оказаться соединение различных технологий. Так, применение индикаторов электрического напряжения, основанных на белках или родопсин-содержащих микроорганизмах (см. разработки лаборатории Коэна), позволят микро-нейроинтерфейсу регистрировать изменение напряжения оптическим методом, а применение микрочипов помогут производить записи высокого разрешения на молекулярную телеграфную ленту in vivo.

Соединение разных видов записи для получения и функциональных, и структурных измерений может быть выполнено целым рядом различных способов. Мы можем использовать локальные соединения чипов вместе с морфологическим маппингом, выполненным другими чипами in vivo. А можем сделать объемную микроскопию мозга с находящимися там неподвижно чипами и таким образом получить карту их расположение в тканях.

Все вышеперечисленные проекты удовлетворяют требованиям к полному воссозданию мозга и основаны на существующих технологиях. Поэтому мы можем четко планировать этапы дальнейших разработок и оценивать необходимые для работы ресурсы.

Разумеется, полного воссоздания мозга еще недостаточно для субстрат-независимого разума. Критически важно, чтобы разум, как это было задумано природой, имел возможность всеобъемлющего и глубокого взаимодействия со своим окружением; чтобы он мог «воплотить» себя. В определенном смысле мы уже давно вышли за пределы и мозга, и тела – во Вселенную, которая говорит с нами на языке ощущений и взаимовлияний. СНР обязательно должен быть снабжен «входами» и «выходами», но, к сожалению, эта тема выходит за пределы вопросов, освещенных в данной статье.

В последние годы я посвятил себя поиску и объединению новаторов, исследователей и технологий, которые приведут нас к полному воссозданию мозга и субстрат-независимому сознанию. На сайте carboncopies.org я собираю, поддерживаю и обновляю планы и проекты, посвященные этим темам. На данный момент мы непосредственно вовлечены в эти проекты, координируем их, связываем друг с другом и можем с уверенностью утверждать: все они удовлетворяют требованиям к разработке субстрат-независимого сознания и способны достичь этой цели. Субстрат-независимый разум даст человечеству возможность выйти на новый уровень развития и взаимодействия со своими собственными технологическими разработками. Он позволит нам выстоять перед лицом новых опасностей и угроз.

Источник: http://www.carboncopies.org/substrate-independent-minds