人間の脳を模倣した「脳のような」デバイスは、真の人工知能を実現できるのでしょうか?

2023年8月24日、科学普及中国星空フォーラムは「汎用人工知能の軌道はどこにあるのか？」をテーマに、人工知能研究分野の専門家4名を招き、理論的パラダイム、目標、実装方法、応用などに焦点を当て、将来の汎用人工知能技術が人類社会全体にどのような影響を与えるかについて話し合いました。

北京理工大学教授で発展途上国工学技術アカデミー会員の韓立群教授は、「脳のような知能は汎用人工知能を実現する効果的な方法か？」という講演を行った。 1. 「脳のような」道を模索

1. 「脳のような」アプローチを模索

今では多くの人が人工知能を研究しており、脳から学ぶこと、脳にアドバイスを求めること、脳からインスピレーションや啓蒙、参考にすることなどを自然に考えるようになっています。

なぜ誰もが脳のような道を追求したがるのでしょうか?なぜなら、地球上のすべての既知の生物群の中で、人間はすべての生き物の中で最も精神的なものだからです。それで、その精神はどこにありますか?精神は最も発達した脳を持つ人間の脳の中にあります。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

脳は私たちの物質世界の進化の最高の産物です。これを上回る生物学的脳はまだ発見されておらず、人間の脳は世界で最も複雑な情報処理システムでもあると言われています。そのため、誰もが、特に人工知能分野の専門家は、人間の脳にインスピレーションを見出し、学習およびシミュレーションできるものを見つけ、それをプロトタイプとして使用したいと考えています。

誰もが人間の脳から答えを見つけたいと思っているので、まずは人間の脳について簡単にお話ししましょう。情報処理の観点から見ると、人間の脳は生物学的な情報処理システムであると言えます。

その生物学的根拠は何ですか?実際、生物学、神経学、解剖学の原理では、それがニューロンであると明確に述べられています。人間の脳内のニューロンは脳組織の基本単位です。それはまた、構造と機能の両面において、神経系の最小単位でもあります。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

人間の脳にはニューロンがいくつあるのでしょうか?巨大であると言うべきでしょう。桁数で言えば、人間の脳内のニューロンの数は数千億、つまり100億から100億のオーダーであり、各ニューロンは他のすべてのニューロンと接続されています。

ニューロンは他のニューロンと数万の接続を持ち、その数は 103 から 105 のオーダーになります。これにより、極めて大規模で複雑な生物学的ニューラル ネットワーク システムが形成されます。システム内の各ニューロン間の接続は、軸索と樹状突起に依存しています。

軸索と樹状突起が接続する界面はシナプスと呼ばれ、軸索と樹状突起が接続する場所です。シナプスの数はどれくらいですか？その桁数は 10 の 14 乗から 10 の 16 乗で、1 兆から 100 兆の間です。シナプスはさまざまな刺激によって常に変化していると考えられているため、機械学習ではシナプスのこの部分の概念が模倣されることが多く、パラメータ（以前はニューロンと呼ばれていました）と呼ばれる別の名前が付けられることがよくあります。

ご存知のとおり、ChatGPT3.0 は当初 1750 億個のパラメータを持つと主張されていました。人間の脳のニューロンと比較すると、そのパラメータは 1 兆から 100 兆であり、大多数に比べると非常に小さいものです。これがその生物学的根拠です。一言でまとめると、膨大な数のニューロン間のシナプスの結合方法や結合の強さが異なり、時空間可塑性を持っているため、外部刺激によって常に動的に変化しているということです。マクロ的な視点から見ると、ニューラル ネットワーク全体は極めて複雑で常に変化する情報処理能力を示しており、これが私たちが知能、特に高度な知能、または認知知能と呼んでいるものです。私たち全員が人間の脳や脳に似たものに答えを見つけたいのは、それが生物学的な基盤を持ち、人工知能によって自然に模倣され、刺激される可能性があるからです。

2. 脳科学による脳の解釈

神経科学は現在、脳をどの程度理解しているのでしょうか?脳の解釈レベルがどの程度に達したと言えるのでしょうか?ミクロレベルでは、いくつかのブレークスルーがありました。

ご存知のとおり、神経科学の出発点は神経解剖学と組織学です。神経系の構造に関する理解と分析は主に分子レベルと細胞レベルであり、顕微鏡レベルでの進歩も遂げられています。それで、問題は何でしょうか?私たちが解明したいのは、極めて複雑なシステムである人間の脳の認知能力の仕組み、そしてその高度な機能や神経メカニズムとは何かということです。その秘密を解明したいのであれば、分子レベルや細胞レベルの研究結果だけに頼るのは明らかに不可能です。それは十分とは程遠い。なぜそう言うのでしょうか?

多くの分子が神経細胞を形成した後は、それらはもはや本来の意味での分子ではなくなることが分かっています。複数の神経細胞が神経回路を形成しますが、これも本来の意味での神経回路ではなくなります。そして、多くの神経回路が複雑な神経ネットワークを形成し、もはや本来の意味での神経回路ではない生物学的脳全体を構成します。したがって、脳の認知機能、つまり高度な機能を研究するには、ミクロレベルの研究とシステムレベル、あるいはマクロレベルの研究を組み合わせる必要があります。次に、脳科学が脳をどの程度まで解釈し、マクロレベルでどのような成果を上げてきたのか、そしてそれが私たちの人工知能研究を支えることができるのかどうかを見ていきます。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

長期的に見ると、過去数十年間にマクロレベルで達成された成果は実は非常に限られています。私たちは現在、脳の言語領域の位置を知り、それについてより明確な理解を持つとともに、脳領域の組織学的セグメンテーションも得ています。脳の運動野と感覚野が体のどの部分に対応しているかをマッピングし、地図を描いた人もいます。特に近年、機能的MRI画像技術の発達と普及により、脳科学を研究する人の中には、人工知能を研究する人も含めて、ここから答えを見つけたいと考える人もいます。例えば、私は多くの論文を読みましたが、その中で多くの研究チームが、生体に特定の特定の活動を行わせ、脳内の電気活動に基づく血流信号がどのように見えるかを観察する研究をしています。MRI では、こうしたことを視覚化できるからです。

そうすれば、特定の脳機能にどの脳領域が関与しているかがわかります。この点についてはある程度の理解があるかもしれませんが、これらの結果、つまり脳のシステムレベルおよびマクロレベルの解釈は、まだまだ不十分だと思います。なぜなら、これまでのところ、神経情報がどのように感覚、知覚、感情、思考、意識、言語などを生み出すのか、つまり脳のさまざまな認知機能についての脳科学の理解は、半分しか理解されておらず、非常に表面的だからです。これまでのところ、この点に関して画期的な結果は見られません。

これが、人工知能が脳から学習しようとするときに私たちが直面する現実です。言い換えれば、現在の脳科学における脳の高度な機能の解釈には限界が非常に高いのです。この非常に低い天井を考えると、人工知能における脳のような模倣の道をどのように進めていくべきでしょうか?どのように実行するのですか?それはできるでしょうか？どちらへ行けばいいですか？他にはどのような成果が達成されましたか?どのような作業が行われましたか?

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

この分野では多くの作業が行われていることを皆さんにお伝えしたいと思います。人々は 1940 年代から何十年もそれを行ってきました。基本的に、彼らは脳内のさまざまな角度から答えを探してきました。これらは、より一般的な科学的手法、つまりソフト・ブレイン型とハード・ブレイン型の 2 つのカテゴリーに大別できると思います。

3. ソフトブレインライク：モデルとアルゴリズムに基づく脳のような研究

ソフトブレインとは何ですか？つまり、モデルとアルゴリズムを使用して脳をシミュレートするということです。ソフトな実装です。この方法とこのアプローチは、実際には具体的なアプローチが異なります。例えば、2つまたは3つのアプローチに分けられると思います。一つのアプローチはバイオニクスアプローチに属すると私は考えます。何を真似しているのでしょうか？

脳のようなシステムのどの部分、脳のようなシステムの微細構造、脳科学の成果を活用できるのでしょうか？私たちは生物学的脳の構造と神経メカニズムを模倣することに重点を置いています。私たちはこれを何年も続けてきました。私たちは、実験的手法を用いて脳組織の動的な生物学的データを取得し、情報処理技術を用いて、これらのデータシーケンスにどのような神経基盤と情報処理メカニズムが含まれているかを研究します。次に、これらの理解に基づいて、いくつかの脳モデルの解釈と仮説を示します。多くの人がこれをやっています。

このような脳のような研究と脳のような模倣の研究は、実は人工知能の発展の歴史において、もともと3つの主要な学問流派がありました。最もよく耳にするのは、数多くのモデルから徐々に発展してきた現在のディープニューラルネットワークです。今では、脳のようなモデルであるディープニューラルネットワークになっています。

脳のような効果を実現するための 2 番目のアプローチは、モデルとアルゴリズムを使用することです。それは何を模倣するのでしょうか?これは人間の脳の機能を模倣したもので、模倣機能経路と呼ばれます。人間の脳には多くの機能がありますが、どの部分を模倣するのでしょうか?論理的推論機能は形式化が比較的容易であるため、人間の脳の論理的推論機能を模倣します。形式化できれば、アルゴリズムとプログラミングを使用して実装できます。生物学的な脳であろうと、従来のコンピューター アーキテクチャであろうと、この学派では、あなたは物理的な記号システムです。物理的な記号システムの概念に基づいて、コンピューターを使用して脳の機能をシミュレートできます。あなたの構造に関しては、それが接続されているかどうかは気にしません。私はあなたの関数を見て、それを分離するだけです。脳のような様々な知的情報システムを研究・開発しています。初期の人工知能はこのアプローチを採用しました。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

象徴主義、あるいは機能主義と呼ばれる学派があり、初期には多くの成果を上げ、かつてはコネクショニズムを駆逐したこともある。その突破口は今どこにあるのか？新しい結果は何ですか?実際、分類すると、ナレッジグラフはこれに該当するのではないかと思います。かつてはコネクショニズムに反対していましたが、今では知識を結び付けてナレッジグラフに変えており、これも一種のものです。

モデルとアルゴリズムに基づくこの脳のような研究には、近年比較的新しいアプローチがあります。私たちはそれを「心を模倣するアプローチ」と呼んでいます。それは何を模倣するのでしょうか?それは人間の脳の認知です。

その理論的根拠の根拠は何ですか?これは認知心理学に基づいており、認知心理学のいくつかの成果によってサポートされ、メンタルモデリングを探求します。これも一つの方法です。特にアプリケーションの結果に関しては、まだ非常に印象的な画期的な結果は見られません。私たちはそれらの多くを見たことはありません。しかし、これも一つの方法です。その認知システムの構造は心を模倣することであり、人間の心を模倣することであり、これも方法である。最終的にはモデリングが必要だと思います。モデリングの理論的裏付けは異なりますが、いずれもモデリングが必要であり、一連のアルゴリズムを作成し、最終的にそれを実現するため、ソフトブレインに分類されます。

4. ハードブレインライク：物理的実現に基づく脳ライクな研究

もう一つのカテゴリーは、物理的実現に基づいた脳のような研究であり、一般にハード脳のような研究とも呼ばれます。現在、多くの研究者がコンピューターの動作をよりニューラルにすることに取り組んでいます。それはどういう意味ですか？つまり、まず形の類似性を追求し、次に精神の類似性を考えるのです。 **このカテゴリは物理的な実現に基づいています。こうした脳に似た研究も現在非常に人気があります。 3つのレベルで進歩があったと言えます。 3 つのレベルとは、人工シナプス、脳のようなチップ、脳のようなネットワークです。人工シナプスは主にメモリスタやシナプストランジスタなど、何らかの物理的効果を持つデバイスです。デバイスを使ってみんなに感じてもらいましょう。つまり、先ほどお話ししたように、人間の脳における情報処理の基本単位はシナプスと呼ばれます。シナプスの最もユニークな特徴は何ですか?つまり、保存と計算の両方が可能であり、これをストレージとコンピューティングの統合と呼びます。計算を担当するのは CPU ではなく、保存を担当するのはメモリです。ストレージとコンピューティングの統合です。これが情報処理の仕組みという点において、人間の脳がコンピューターに対して持つ最大の特徴であり、最大の優位性です。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

研究者たちは、メモリスタの抵抗は、メモリスタを通過する電荷の量、電圧、電流に関係していることを発見した。電荷の量が変化すると、抵抗も変化します。これは計算に相当し、情報の計算処理に相当します。記憶はどこに反映されるのでしょうか？電源がオフになって電荷が通過しなくなった場合でも、メモリスタは以前に通過した電荷の量を記憶しています。これは記憶なので、その特性は実際にはシナプスの特性と非常に似ています。したがって、これを電子シナプスとして考え、ストレージとコンピューティングの統合を実現するために使用することができます。先ほど見た他のものも同様の機能を持っています。これは人工シナプスを作るという、ハードな脳のようなレベルです。

次のレベルは脳のようなチップです。 CPU のエネルギー消費と計算効率に問題があることはわかっています。エネルギー消費を削減し、コンピューティング効率を向上させるにはどうすればよいでしょうか?

私たちはさまざまな方法を考えましたが、開発ルートは2つあります。おそらく皆さんが最もよくご存知なのは、フォン・ノイマン・アーキテクチャのチップでしょう。有名なチップはあと3つあります。電子工学を勉強していない場合は、この略語に馴染みがないかもしれません。これがチップです。無視しましょう。もう一つのタイプのチップがあり、それはいわゆる脳のようなアーキテクチャのチップです。私たちはそれを脳のようなチップと呼んでいます。現在、いくつかの非常に有名な国際的メーカーが独自の製品を発売していることがわかります。我が国の浙江大学でも「Darwin」という製品が発売されているのを知りました。これらはすべて脳のようなチップです。脳のようなチップの目的は何ですか?その目的は、人間の脳のシナプス伝達構造をシミュレートすることです。完全に脳っぽいですね。チップのアーキテクチャーに関して人間の脳に可能な限り近づくことを目指しており、脳のようなチップと呼ばれています。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

脳のようなチップの特徴は何ですか?脳のようなチップアーキテクチャには多数のプロセッサが存在します。これらのプロセッサはニューロンに相当し、これらのプロセッサ間の通信システムは軸索や樹状突起などの神経繊維に相当します。全体として、各ニューロンの計算は分散方式でローカルに実行されます。このモデルは、脳のようなチップなど、大量のデータを処理する際に非常に有利になります。

ハードブレインのようなシステムは、シナプス、チップ、そしてネットワーク全体から人工シナプスを模倣すると言われています。もちろん、これはまだ概念レベルです。まだあまり良い結果は出ていません。それは概念レベルです。学界ではこれに関して多くの意見があるかもしれません。私たちが見つけた典型的なものにはどのようなものがありますか?

インターネットのアーキテクチャは人間の脳のアーキテクチャと多くの類似点があると考えられています。インターネット全体を脳とみなすことができるのでしょうか?これは基本的にこの考えに基づいています。例えば、中国科学院のチームは論文の中で次のように述べています。 「インターネットは人間の脳と非常に似た方向に進化しています。」人間の脳は少なくとも数万年前にあらゆるインターネット機能を発達させてきました。進化を続けるインターネットは、神経科学者が脳の秘密を解明するのに役立つでしょう。これは非常に代表的な視点です。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

南カリフォルニア大学に神経科学者がいます。同氏は、マウスの脳からの信号が損傷部位を迂回して標的部位に到達する仕組みを説明するために、インターネットのルーティングメカニズムを利用したと述べた。彼はそのような実験を行い、それをインターネットの仕組みを使って説明しました。彼は結果に至った。彼は、人間の脳にはインターネットのようなアプリケーションが実際に存在することを証明したと考えていた。彼はいくつかの実験をしました。カリフォルニア大学の一部教授は、例えばインターネットやソーシャルネットワークは脳のニューラルネットワークと非常に類似していることを発見しました。そこでこの理解に基づいて、まだ概念レベルではありますが、多くの企業やインターネット企業が構想を練り始めています。 11年前の2012年、GoogleはGoogle Brainプロジェクトを開始しました。これは世界初です。2014年にBaiduはBaidu Brain、iFlytekはiFlytek Super Brain、JDはJD Brainを提案しました。 2017年、アリババとファーウェイはともに脳または都市神経系を提案した。 2018年、上海市政府が提案したシティブレインをはじめ、大手企業5～6社が突如としてさまざまなブレーンを提案した。つまり、脳は非常に複雑で、膨大な量のデータと複雑なつながりを持っていると誰もが感じているのです。彼らは、インターネットは脳と非常に似ている、あるいは脳もインターネットと非常に似ていると感じています。これは多くの人が感じていることであり、漠然とした概念ではあるものの、多くの人が心の中に持っているのではないかと思います。

一方で、過去10年ほどの間に、各国政府、国際機関、多くの有名企業が脳研究計画を提案してきました。さらに、これらの脳研究計画は、脳科学プロジェクトと人工知能プロジェクトを統合します。それらは純粋に脳神経科学の観点からのものではありません。これらは脳科学と脳科学であり、実際にはこれら 2 つの分野を統合した 2 つの分野です。このような脳科学の研究計画は数多くあり、その多くは高く評価されています。しかし、今のところ、世界的に画期的な成果は発表されていません。しかし、これらのプロジェクトは進行中です。これらはすべて、ソフト面からでもハード面からでも、脳、あるいは脳のような概念を創り出そうとしているのだと思います。

5. 脳型知能研究の限界

私の個人的な意見としては、脳のような模倣の研究アプローチに明るい未来があり、継続できるかどうかは、人工知能に携わる者にとって、まず脳のような模倣の研究アプローチの現在の限界を明確に認識する必要があるということです。制限は何ですか?

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

これまでのところ、脳科学は人間の脳の思考、認知、意思決定、学習、その他の高度な認知機能について十分に理解しているとは言えません。したがって、人間の脳の知能の生物学的メカニズムについて私たちが知っていることは今のところほとんどなく、認知能力の限界は非常に低いのです。このような状況で、脳のような模倣をどうやって行うのでしょうか?

盲人が暗闇の中で手探りで進むように、一度に一つずつ部分的な突破口を開き、最終的にそれらを統合して組み合わせることしかできません。無数の相対的な真実を組み合わせると絶対的な真実に近づくという格言があるかもしれませんが、ここでの問題はそういうことではないと思います。

そのため、人間の脳の認知機能に関する理解は非常に限られており、その限界も非常に低いため、あらゆる分野の人々や各方面の勢力が、構造や機能などを模倣するか、モデルアルゴリズムやチップで実装するかなど、さまざまなアプローチを使って脳をシミュレートしようと全力を尽くしてきました。そして、あらゆる方法が使われてきました。目標は脳のような技術を通じて知能を実現することですが、それらにはすべて明らかな限界があります。

誰もがコンセンサスを持っているので、汎用人工知能への限られた道になることは現時点では不可能であるのは明らかだと思います。では、今日のテーマである汎用人工知能の方向性はどこにあるのでしょうか?脳のような模倣についての私の個人的な意見は、脳科学は人間の脳の高度な機能を解読することができないため、汎用人工知能の実現において脳のような模倣などの技術的な道を盲目的に追求することはできないということです。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

人工知能分野の中国のトップ専門家たちは今何をしているのでしょうか？

ボトルネックの問題に取り組む人材は不足していません。私たちに最も欠けているのは、未知の領域に果敢に挑み、自ら新しい道を切り開き、新しい競争をリードできる才能と学者です。

人工知能、特に汎用人工知能の分野では、新たな道を切り開き、新たな理論と新たな方向性を持つ必要があると私は感じています。メカニズム生成理論や知的生成メカニズムがそのような役割を果たすことができると考えています。さらに、中国人が独自に生み出した基本的な理論的革新が特に欠けています。

なぜ私は、知的生成メカニズムの理論が汎用人工知能の新たな競争を切り開く可能性があると考えるのでしょうか?私は、2 つの明らかな特徴があることを発見しました。

1つ目は、人間の脳の神経活動メカニズムを介さず、それを回避できる点です。脳科学者がこれを完全に理解するまで待つ必要はありません。彼らの成功を利用してエンジニアリングを実装し、モデル化することができます。知能生成メカニズムを伴わないため、脳科学の発展の遅れの影響を受けません。これは機能です。

2つ目の特徴は、さまざまな知的生成プロセスと長期にわたる実践から抽出された普遍的な法則であるということです。普遍的な法則とは何でしょうか?それは普遍的なものです。複数の手法を寄せ集めたものではなく、自然に普遍的な特徴を備えています。そういったものを本当に普遍的なものにするのは難しいでしょう。

企画・制作

編集者: 金 宇芬 (インターン)