Меньше нанометра: как новый нейрочип научили распознавать голоса

Биоинженеры с кафедры разработки интеллектуальных систем Университета Индианы в Блумингтоне сконструировали чип на клетках человеческого мозга, способный распознавать голоса с большой точностью. С подробностями – научный обозреватель Николай Гринько.

Фото: 123RF/peopleimages12

Человеческий мозг изучают очень давно, но в последние десятилетия в этих исследованиях произошел самый настоящий прорыв: ученые смогли наблюдать работу отдельных его клеток. Конечно, мы полностью не понимаем, как именно работают нейроны, но уже способны подавать на них электрические сигналы, а также с высокой долей вероятности предсказывать их реакцию на это. Такой подход позволяет инженерам использовать мозговые клетки в качестве логических элементов и строить на их основе вычислительные системы. Конечно, это связано с многочисленными трудностями, в первую очередь – с необходимостью поддерживать жизнедеятельность нейронов. Даже будучи погруженными в питательную жидкую среду, клетки живут не слишком долго, хотя срок их жизни может исчисляться месяцами.

В упрощенном виде сегодняшний нейрочип устроен так: на дне лабораторной чашки Петри располагается сетка из микроэлектродов, проводящих ток. Ученые помещают нейроны в нужных местах сетки, и спустя некоторое время клетки приживаются, образуя связи между собой – получается органоид, своеобразная "заготовка", или "упрощенная модель" мозга. Теперь можно подавать на одни электроды электрические сигналы, а с других – снимать получаемый ответ.

Такие чипы работают во много раз быстрее и эффективнее любой современной кремниевой микросхемы, а потому на их основе часто строят системы искусственного интеллекта. Ничего удивительного: современные компьютерные нейросети потребляют по несколько мегаватт энергии в день, а всему человеческому мозгу, состоящему из десятков миллиардов нейронов, для работы требуется около 20 ватт в сутки.

Фото: bloomington.iu.edu

Биоинженеры Университета Индианы вырастили крохотный органоид диаметром менее нанометра. Его подключили к печатной плате, где алгоритмы машинного обучения расшифровывали ответы нейронов. Для проверки математических способностей чипа ему поручили просчитать математическую конструкцию в области хаотической динамики – так называемую карту Энона. Органоид справился с задачей быстрее и точнее, чем компьютерная нейросеть. Затем системе предложили задачу, с которой традиционные схемы справляются с большим трудом: распознавание голосов.

Для начала ее обучили на примерах, загрузив аудиозаписи, на которых восемь разных людей читали отрывки текстов, произносили отдельные слова и просто разговаривали. Обучение длилось буквально несколько минут, после чего сеть выработала собственный алгоритм для распознавания. Для начала она определила, что наибольший разброс в примерах наблюдается в произношении гласных звуков. Затем система соотнесла эти особенности с конкретными людьми и после этого смогла различать их по голосам. Причем происходило это с довольно высокой точностью: сеть правильно определяла говорившего в 78% случаев. Этот результат может показаться не слишком впечатляющим, но нужно учесть, что время обучения системы измерялось минутами, а сам органоид, проводивший вычисления, был точкой, размер которой приблизительно в 50 раз меньше толщины человеческого волоса.

Это и другие подобные исследования рано или поздно приведут к созданию сверхмощного компьютера, сконструированного на основе живых нейронов. Он будет в тысячи раз быстрее любого современного устройства и сможет работать буквально на голодном энергетическом пайке. Разумеется, такие биомашины будут обслуживать системы искусственного интеллекта. И вот тогда человечеству придется задуматься над множеством этических вопросов. Впрочем, возможно, с ними нам помогут разобраться все те же нейросети.

Хотя...