Mis on arvutuslik neuroteadus?

Tartu Ülikooli arvutiteaduse instituudi üks kõige paeluvamaid teadusvaldkondi on kahtlemata arvutuslik neuroteadus. Selle uurimisgrupi töös kohtub inimaju, maailma kõige keerulisem arvutusmasin, tehisintellektiga.

Kui neuroteadus on püüd aru saada, kuidas aju töötab, siis arvutuslik neuroteadus püüab mõista, kuidas aju “arvutab” või töötleb informatsiooni. Arvutuslik neuroteadus kasutab sealjuures arvutit kui tööriista ja kui aju võrdluspunkti. Aju on üsna teistsugune arvutusmasin kui arvuti – näiteks mälusisud on ajus salvestatud ajurakkude omavaheliste ühenduste mustrisse ja see ühenduste rägastiku täpne arhitektuur muutub pidevalt. Ka just praegu. Arvutuslik ajuteadus üritab välja selgitada neid arvutuslikke põhimõtteid, mille põhjal aju töötab. See tähendab, et aju tööd soovitakse kirjeldada ja ennustada matemaatiliste mudelite abil.

Arvutusliku neuroteaduse labori uurimissuunad

Nii terve kui häirega aju mõistmine on üks tänapäeva suurimaid ning ühiskonnale olulisemaid teaduslikke väljakutseid. Arvutuslik neuroteadus püüab mõista, kuidas aju edastab, töötleb ning hoiustab infot, mis suunab meie käitumist. Viimase aja edasiminekud masinõppe algoritmides ning ajukuvameetodites on võimaldanud tehislikel ja bioloogilistel neurovõrgustikel üksteist paremini “tundma õppida”. Neid innovatsioone ära kasutades töötavad arvutusliku neuroteaduse labori teadlased selle nimel, et mõista, kuidas töötleb inimaju informatsiooni. Ehk õnnestub välja töötada ka uusi tehisintellekti süsteeme.
Selle eesmärgi saavutamiseks tegeletakse laboris kolme üksteisega seotud uurimissuunaga:

  1. Aju aktiivsuse analüüs masinõppe meetodite abil – kasutatakse arvutiteadusest tulevaid algoritme, et ajust paremini aru saada.
  2. Kognitiivne tehisintellekt – üritatakse teadmisi aju ja inimmõtlemise kohta rakendada, et luua nupukamaid tehismõistuseid. 
  3. Komplekssed süsteemid – nii inimaju kui ka moodsad (ja tulevased) tehismõistuse süsteemid on keerukad; nende mõistmiseks rakendatakse teadmisi ja analüüsimeetodeid, mis tulevad matemaatikast ja füüsikast.

Laboris töötavad erineva taustaga teadlased:  neuroteadlased, arvutiteadlased, matemaatikud, füüsikud ja bioinformaatikud. Seega on labori lähenemine nii uurimisküsimuste kui meetodite puhul valdkondadeülene ning igast distsipliinist “laenatakse” perspektiive ja meetodeid just nii nagu parajasti kasulik ja huvitav tundub.

Milliste projektidega laboris tegeletakse?

Nagu ikka, töötatakse teaduslaboris liiga paljude erinevate projektidega. Järgnevalt kirjeldatakse vaid mõnda üksikut projekti, et labori tööd paremini selgitada.

Kognitiivne tehisintellekt

I Kahe tehisintellekti tasupõhine õppimine koostöö- ja võistlustingimustes

Mis saab siis, kui arvutimängu ei mängi mitte inimene, vaid iseõppiv tehisintellekt? Ja kui ta ei tee seda üksi, vaid mängib hoopis teise tehisintellekti vastu? Arvutusliku neuroteaduse doktorandid Ardi Tampuu ja Tambet Matiisen näitasid enda 2017. avaldatud artiklis, et kaks omavahel mängivat tehisintellekti suudavad ise selgeks õppida mitmeid mängustrateegiaid ja neid efektiivselt rakendada.

Google DeepMindi eksperimenti eeskujuks võttes pandi kaks tehisintellekti omavahel mängima tennist meenutavat arvutimängu Pong. Katse eesmärk oli paremini aru saada sellest, millised käitumised võivad tekkida konkurentsi või koostöö tingimuses. Selle uurimistöö taga on suurem küsimus sellest, mis teeb inimesed erinevaks nii teistest loomadest kui ka tänapäeva tehisintellektist: üks hetkel juhtiv idee ütleb, et inimese evolutsioonis oli tähtsaks just efektiivse koostöö tekkimine.

Katse käigus võrreldi erinevaid strateegiaid ja tasuskeeme, sealhulgas nii koostööle kui ka konkurentsile viivaid. Samuti uuriti, mis juhtub koostöö ja võistlemise vahepeal ja kuidas toimub üleminek võistlevalt käitumiselt koostööle. Kui tehisintellektid pidid omavahel võistlema, said nad peagi mängus üsna heaks: nad lõid kiiresti palli ning õppisid ka raskeid palle päästma. Näide, kuidas tehisintellektid omavahel võistlevad:

 

Teises katsetingimuses pidid “mängijad” tegema koostööd, eesmärk sealjuures oli hoida palli mängus nii kaua kui võimalik. Tehisintellektid leiutasid erinevaid strateegiaid, näiteks ei pannudki nad palli mängu või kolisid palliga ekraani ülemisse serva ja põrgatasid seal omavahel palli kuni mäng kokku jooksis. Näide sellest, kuidas tehisintellektid omavahel koostööd tegid:


II Maailma nägemine teiste silme läbi:  vaimuteooria (theory of mind) õpetamine tehisintellektile läbi tasusüsteemi

Üks sotsiaalsete elusolendite keerulisemaid ülesandeid on õppida toime tulema sotsiaalsetes olukordades. Ellujäämise ja järglaste saamise edukuses mängib paljude liikide (sh inimese) jaoks kriitilist rolli oskus ennustada teiste grupiliikmete kavatsusi ja eesmärke.

Antropoloogia ja psühholoogia teooriate kohaselt oli inimintelligentsi võidukäigus oluline osa  vaimuteooria (theory of mind) tekkel ehk oskusel omistada erinevaid uskumusi, teadmisi ja kavatsusi teistele grupi liikmetele. Samas hilisem uurimistöö on näidanud, et osati suudavad liigikaaslaste teadmisi ja kavatsusi hinnata ka teised loomaliigid, näiteks šimpansid. Selle projekti eesmärk on uurida, kas ka tehismõistusele on võimalik õpetada ülesandeid, kus peab võtma arvesse teise agendi motiive ja kavatsusi. Esmased tulemused näitavad, et tõepoolest, ka üsna lihtsa “mõistusega” tehislikud agendid suudavad käituda, justnagu saaksid nad aru, mida teine agent näeb ja kavatseb. Oma katsete jaoks ammutasime inspiratsiooni just inimahvide peal tehtud uuringutest.

Alljärgnevas videos näete, kuidas üks “nõrgem” agent (märgitud sinise noolekesega) võtab (hamburgeri moodi) toidu söömisel arvesse seda, kas teine “tugevam” agent (märgitud punase noolekesega) toitu parajasti näeb või ei. Vasakul pool on näha “ülevaade” kogu toimuvast, parem ekraani pool aga näitab seda, mida “tugevam” agent näeb (kõik, mis on kaetud mustade kastikestega, jääb ta tajust välja). Videost on näha, et kui “tugevam” agent näeb toitu, siis “nõrgem” agent seda sööma ei lähe, vaid ootab ära, kuni “tugevam” pöördub mujale. Viimasel juhul (“test case 3”) on video pandud aegluupi, sest “tugevam” ei näe toitu kohe alguses ja “nõrguke” läheb sööb selle kohe ära. Ehkki niimoodi käituvad tehismõistused on veel kaugel inimlikust vaimuteooriast, oleme arvamusel, et säärased esimesed sammud on tarvilikud, et mõista inimliku mõtlemise arengut nii evolutsioonis kui ka väikese lapse ajus.


Aju aktiivsuse analüüs masinõppe meetodite abil: sügava visuaalse töötluse dünaamiliste neuraalsete korrelaatide leidmine

Moodsad sügavõppe algoritmid on saavutanud märkimisväärseid tulemusi objektide kategoriseerimisel. Sellegipoolest on arvutitel inimese nägemisvõimest nii mõndagi õppida, eriti mis puudutab nähtu üldistamist. Huvitaval kombel on aga nii, et teadlased saavad tehislikke sügavaid närvivõrke kasutada ka selleks, et paremini mõista ajus toimuvaid tajuprotsesse.

Antud projektis mudeldasime inimese ajust kogutud andmeid moodsate sügavate närvivõrkude abil. Eesmärk oli kindlaks määrata bioloogilise visuaalse töötluse dünaamilised neuraalsed korreldaadid. Selleks kasutasime põnevaid andmeid, mis on kogutud elektroodidega otse inimeste aju seest. Oma töös leidsime, et sügavad närvivõrgud sobituvad üsna hästi bioloogilise tajuga: sügavate närvivõrkude aktiivsus selgitas kõige paremini tajuprotsesse just visuaalses korteksis ja just nende sageduskomponentide kaudu, mis on esikohal ka bioloogilises tajus. Ehkki see kõik kõlab keerukalt, saab seda väljendada üsna lihtsalt: sügavad närvivõrgud aitavad paremini aru saada, kuidas teie ajus millegi nägemine toimub.

Need projektid illustreerivad vaid labori peamisi uurimissuundi, kuid oleme valmis ründama ja lahendama igasugu probleeme, mis meie ajudele parajasti huvitavad tunduvad. Näiteks aitame koostööpartnertiel masinõppe meetotite abil tuvastada metagenoomides viiruseid, üritame tuvastada roti ajuaktiivsusest tema positsiooni ruumis; proovime rakendada masinõpet, et paremini segmenteerida mikroskoobipilte ja oleme alati valmis arutama selle üle, kuidas luua masinaid, mis mõtlevad ja õpivad nagu inimesed.

Loe lähemalt arvutusliku neuroteaduse labori kohta: http://neuro.cs.ut.ee/lab/