Cât de departe suntem de modela artificial mintea umană?

De la invenţia „creierului pozitronic”, tehnologie fantastică imaginată de Isaac Asimov, o mulţime de roboţi humanoizi, greu de deosebit de oamenii reali, populează romanele şi filmele ştiinţifico-fantastice. Dar oare în realitate, cât de aproape sunt oamenii de ştiinţă de crearea unei inteligenţe artificiale comparabile cu mintea umană? Din anumite puncte de vedere, este clar că posibilităţile unui calculator depăşeşc cu mult pe cele ale omului: rapiditate, capacitate de stocare a informaţiei, putere de calcul. Pe de altă parte,  există facultăţi ale minţii umane care par a fi interzise calculatoarelor: intuiţia, creaţia etc. Chiar modelarea unor comportamente simple de tipul stimul-răspuns aflate la îndemâna oricărui copil de câteva luni presupune dezvoltarea unor algoritmi extrem de complecşi. O privire asupra muncii unor specialişti în inteligenţă artificială şi bioinformatică ne-ar putea furniza un răspuns mai apropiat de adevăr la întrebarea privind posibilitatea unui computer asemănător minţii umane.

Bioinformatica este un domeniu interdisciplinar în care biologia, informatica şi tehnologia informaţiei conlucrează în vederea obţinerii unei înţelegeri adânci şi exacte a fenomenelor biologice, în special a celor referitoare la funcţionarea mecanismelor genetice. Această înţelegere integratoare are menirea de a conduce către o perspectivă globală asupra vieţii de unde s-ar putea discerne principii unificatoare ale biologiei. Nu fără motiv se consideră că biologia ultimelor decenii a evoluat de la stadiul unei ştiinţe  bazată pe experimentul de laborator către cel al unei ştiinţe a informaţiei. Într-adevăr, pentru a cuprinde în mod adecvat complexitatea combinaţiilor posibile ale obiectelor studiate, ca de exemplu lanţuri de aminoacizi sau sinapse neuronale, este indispensabilă elaborarea unor algoritimi şi a unor formule matematice care să gestioneze relaţiile dintre membrii unor baze de date uriaşe. În acest punct cercetările de inteligenţă artificială vin în ajutorul biologiei, de exemplu prin modele de gestionare a bazelor de date capabile de autoinstrucţie. Relaţia nu este univocă, biologia constituind şi ea sursă de inspiraţie pentru informatică, ca de exemplu la elaborarea algoritmilor evolutivi, a sistemelor imune artificiale,   a modelelor de creştere şi dezvoltare naturală etc.

Articolul intitulat Real-time classification of datasets with hardware  embedding neuromorphic neural networks [1], aparţinând cercetătorului Laszlo Bako de la Universitatea Sapientia din Târgu-Mureş, porneşte de la un model conceptual pe care îl şi îmbunătăţeşte,  model capabil să proceseze aglomerări (clusters) de date provenite din lumea exterioară şi în acelaşi timp să înveţe în timp real din această procesare pentru a răspunde mai bine viitoarelor  provocări. Modelul denumit reţea neuronală artificială cu pulsuri (artificial spiking neural network) îşi propune să înţeleagă şi să imite procesele care se petrec în reţelele dense de neuroni interconectaţi care constituie centrul sistemului nervos al creaturilor vii. Articolul oferă de asemenea detalii amănunţite privind implementarea modelului conceptual precum şi aplicaţii care demonstrează capacitatea lui de a rezolva probleme complexe de clasificare a datelor reale.  Reţele neuronale artificiale (artificial neural networks) au mai fost studiate de diferiţi cercetători din domeniu. Diferenţa specifică a modelului neuronal cu pulsuri constă în aceea că – asemănător a ceea ce se petrece în realitate – informaţia nu este transmisă ca un flux continuu ci ca un impuls. Se ştie că neuronul viu posedă un ​anumit potenţial ​​electric, prin care se înţelege diferenţa de energie dintre interiorul celulei şi mediu. Excitarea neuronului se produce numai dacă acest potenţial depăşeşte o anumită valoare limită. Odată excitat, neuronul transmite un impuls electric către neuronii cu care este conectat prin sinapse. În funcţie de sinapsă, potenţialul neuronului receptor va creşte sau va scădea odată cu primirea impulsului, după care procesul se repetă. Desigur creierul este o reţea extrem de complexă, existând întotdeauna mai mulţi neuroni pre- şi mai mulţi post-sinaptici. Reţeaua neuronală artificială cu pulsuri imită acest comportament, ceea ce presupune o structură specifică a neuronului artificial.  Diferenţa structurală faţă de reţelele în care informaţia este văzută ca un flux continuu conduce la necesitatea de a dezvolta şi implementa noi reguli de învăţare, reguli a căror sursă de inspiraţie este de asemenea lumea vie.

Contribuţia principală a articolului scris de cercetătorul din Târgu-Mureş constă într-un algoritm de învăţare nou capabil de se adapta în timp real, ale cărui performanţe în rezolvarea problemelor de clasificare a datelor se dovedesc superioare algoritmilor cunoscuţi anterior. Algoritmul se dovedeşte eficient şi din perspectiva vitezei de rulare precum şi a utilizării resurselor hardware. Conceptual, algoritmul se bazează pe introducerea unei noi reguli de învăţare, un hibrid care îmbină performanţele a două reguli preexistente, având moduri diferite de funcţionare. Algoritmul este divizat în trei module, unul care gestionează activitatea sinapselor, al doilea cea a neuronilor, iar al treilea un modul de comandă care este responsabil de execuţia pas cu pas a procesului de învăţare. Două probleme de clasificare ilustrează superioritatea noului algoritm faţă de cele preexistente: prima este un test clasic în domeniu care îşi propune clasificarea colecţiei de date Fisher IRIS, referitoare la florile de iris; a doua se referă la clasificarea cancerului de sân conform colecţiei de date Wisconsin Breast Cancer. În ambele cazuri, clasificarea obţinută în urma aplicării noului algoritm a avut o rată mai mică de eroare decât în cazul celor precedente. Mai mult, regula de învăţare hibridă a permis autoinstrucţia în urma unui număr mai redus de cazuri analizate.

Cu obiectivitatea omului de ştiinţă, d-l Bako recunoaşte că, deşi a conceput un algoritm foarte eficient în rezolvarea problemei clasificării, este dificil de a evalua performanţele modelului folosit în rezolvarea unor probleme mai complexe. Pe de altă parte, el consideră că nu există un model mai bun decât cel natural, aşadar cercetătorul va încerca întotdeauna să-l urmeze, dar nu va reuşi niciodată să-l depăşească. Luând în considerare această poziţie a autorului, precum şi  complexitatea modelului şi a algoritmilor folosiţi în articolul la care ne-am referit pentru rezolvarea unei probleme relativ simple, putem aprecia, cu şanse de a nu ne depărta prea tare de adevăr, că modelarea artificială a minţii umane este încă un deziderat de care ne aflăm foarte departe. Este însă speculativă posibilitatea existenţei acestei modelări şi a refacerii artificiale a ceea ce Lucian Blaga numeşte „saltul ontologic” care s-a produs cândva de-a lungul evoluţiei de la animal la om.

1.      L. Bako, Real-time classification of datasets with hardware embedding neuromorphic neural networks, Briefings in Bioinformatics, 3 (2010), 348-363.

Acest articol a fost publicat în Fără categorie. Salvaţi ca semn de carte: legătură permanentă. Publicaţi un comentariu sau lăsaţi un ecou: URL-ul ecoului.
blog comments powered by Disqus