Chris Eliasmith već godinama pokušava pronaći način za konstrukciju umjetnoga funkcionalnog mozga. Koliko je posvećen ovom zadatku svjedoči i činjenica kako u veljači izdaje knjigu naslova „Kako napraviti mozak“ u kojoj opisuje sivu tvar, dendritske veze i preostalu anatomiju ovoga najvažnijeg organa u našim tijelima. Dok je pisao knjigu, sinula mu je ideja da bi nekad u budućnosti volio uživo demonstrirati stvari koje u njoj opisuje. Stoga je konstruirao Spaun, najkompleksniju simulaciju funkcionalnoga mozga ikad napravljenu, javlja portal PopSci.
Spaun, što je zapravo skraćenica za Semantic Pointer Architecture Unified Network, računalni je model koji može raspoznavati brojeve, zapamtiti ih, prepoznati brojevne nizove pa čak i zapisati sve te stvari uz pomoć robotske ruke. Ovo je golem iskorak u izradi simulatora mozgova budući da se radi o prvom modelu koji može emulirati određene radnje dok u isto vrijeme simulira procese koji te radnje proizvode.
Program se sastoji od 2,5 milijuna simuliranih neurona koji su organizirani u podsustave tako da nalikuju specifičnim regijama u mozgu. Također, program sadrži i virtualno osjetilo vida te može upravljati robotskom rukom koja mu omogućava izvršavanje nekoliko različitih radnji.
Spaun se razlikuje od svih drugih umjetnih mozgova (poput IBM-ovog Watsona) upravo po tome što je dizajniran tako da može imitirati ponašanja, a ne samo rješavati određene probleme na najefikasniji mogući način. U slučaju IBM-ovog Watsona bitno je tek da program što uspješnije izvrši određeni zadatak, a ne i kako taj zadatak izvršava. „Drugi IBM-ovi simulatori, poput ogromnog projekta Blue Brain, mogu vjerno imitirati strukturu mozga i veze među pojedinim dijelovima, ali ne mogu simulirati načine na koje je struktura povezana sa stvarnim radnjama“, kaže Eliasmith.
„Takvi umjetni mozgovi zapravo ne čine ništa. Oni ne vide, ne pamte i ne raspoznaju objekte. Oni jednostavno postoje i generiraju kompleksne obrasce radnji kojima pokušavaju riješiti neki problem. No, ti kompleksni obrasci nisu vezani ni za kakvo konkretno ponašanje“, objašnjava Eliasmith činjenicu zbog koje Spaun smatra najkompleksnijim umjetnim mozgom ikad napravljenim.
Na svome matičnom fakultetu pri Sveučilištu u Waterloou u Kanadi, Eliasmith ovim umjetnim mozgom upravlja uz pomoć superračunala. Spaun je podijeljen na dvije temeljne regije koje reprezentiraju cerebralni režanj i bazalni ganglij. Neuroni su međusobno povezani tako da što vjernije (fizički) nalikuju stvarnoj strukturi mozga te su programirani tako da imitiraju procese za koje znanstvenici smatraju da se odvijaju u cerebralnom režnju i bazalnom gangliju tijekom izvršavanja određenih zadataka.
Zamislimo da mozak svojim virtualnim okom vidi nizove brojeva, primjerice 1, 2, 3; 5, 6, 7 i 3, 4. Umjetni neuroni ekstrahiraju podatke koje im šalje osjetilo vida te pridaju smisao brojevima tretirajući ih kao niz. Na temelju vizualnih informacija koje prima, program „preusmjerava“ informacije u posebne dijelove mozga zadužene za izvršavanje specifičnih zadataka. Zadataka poput pamćenja nizova, kopiranja vizualnih informacija, brojanja i tako dalje. Spaun je čak sposoban ponuditi odgovore na neke logičke zagonetke koje često nalazimo u klasičnim IQ testovima.
„Ovisno o tome što se događa u pojedinim (umjetno definiranim) regijama, Spaun informacije iz jedne regije preusmjerava u neku drugu. Svaki put kada to učini, on zapamti u kojem je stanju pojedina regija nakon što je procesuirala neki podatak te pokušava shvatiti koji je sljedeći logičan korak. Bazični ganglij u tom smislu zamislite kao centralni dio mozga, on kontrolira protok informacija kroz pojedine regije u mozgu, a sve to kako bi što uspješnije riješio određeni zadatak“, kaže Eliasmith.
Jasna stvar, ljudski mozak sposoban je sam po sebi izvršavati ovakve zadatke. „Ljudi mogu sjediti i raditi za računalom, ponuditi odgovor na neko nasumično pitanje, otići napraviti sendvič i zatim se automobilom odvesti kući. Sve to mogu napraviti u veoma kratkom periodu“, kaže Eliasmith.
„Ovaj program želi doskočiti upravo tom problemu kognitivne fleksibilnosti. Kako se ljudi tako brzo prebacuju s jednog zadatka na drugi, kako koristimo uvijek iste sastavnice u našim glavama da bismo izvršili veoma različite zadatke?“, pita se Eliasmith.
No, iako se neosporno radi o čudu tehnologije, Spaun pati od određenih nedostataka. On je relativno jednostavan „mozak“ u usporedbi sa stvarnom neuralnom mrežom koja postoji u našemu najvažnijem organu. Također, već po opsegu zadataka koje je sposoban izvršavati jasno je da mu nedostaje fleksibilnosti i adaptivnih sposobnosti po kojima je ljudski mozak tako poznat. Dok ovo čitate, Eliasmith već radi na nadogradnji Spauna koja bi ovom simulatoru mozga omogućila da „nauči“ nove trikove, tj. bude sposoban izvršavati nove zadatke i primati uputstva na mnogo kompleksnijoj razini. Eliasmith čak radi i na razvoju programa preko kojeg se Spaunu neće davati direktni zadatci, već tek pozitivne ili negativne povratne informacije. „Ovim bismo mu programom jednostavno rekli radi li dobar ili loš posao u nekome određenom trenutku. S vremenom bi na ovaj način razvio vlastitu strategiju za izvršavanje zadatka kojega smo mu zadali“, kaže Eliasmith.
Eliasmith također naglašava da Spaun, zbog svojih sposobnosti da vjerno reprezentira strukturu mozga i ponašanja povezanoga s aktivnostima u pojedinim regijama, može značajno doprinijeti razvoju neuroznanosti i računalnih znanosti.
„Spaun nam omogućava da shvatimo kako su povezane biološka osnova mozga i ponašanje koje ta biološka osnova uvjetuje. To je važno za razumijevanje mnoštva neuroloških problema“, kaže on. Primjerice, moguće je sustavno „ubijati“ određene skupine neurona i zatim pratiti kako je njihova „smrt“ utjecala na ponašanje cjelokupnog sustava. Na ovaj način znanstvenici mogu simulirati proces koji je veoma sličan onome koji se uistinu događa u ljudskom mozgu kako ljudi stare. Također, Spaun može pomoći i drugim uređajima da preciznije i efikasnije simuliraju moždane funkcije mozga. „Sada možemo pokušati otkriti algoritme koje koristi biologija pa čak i pokušati razumjeti principe koji stoje iza tih algoritama. Na taj način moći ćemo stvoriti još bolje i kompleksnije umjetne mozgove“, zaključuje Eliasmith.
