Прорывы в вычислительной мощности и нейронауке сходятся, позволяя исследователям моделировать активность человеческого мозга в беспрецедентном масштабе. Впервые суперкомпьютеры обладают вычислительной мощностью, достаточной для моделирования миллиардов нейронов – сложности, сопоставимой с реальными биологическими мозгами. Этот прогресс заключается не только в скорости обработки данных, но и в растущей способности проверять фундаментальные теории функционирования мозга, которые ранее были недоступны.
Эпоха эксаскейльных вычислений
Ключевым фактором является появление «экзаскейльных» вычислений, когда системы могут выполнять квинтиллион вычислений в секунду. В настоящее время в мире существует всего четыре такие машины, одна из которых – JUPITER, расположенная в Германии – используется исследователями под руководством Маркуса Дисманна из Юлихского исследовательского центра. Команда успешно настроила модель спайковой нейронной сети для работы на тысячах графических процессоров JUPITER, смоделировав сеть, эквивалентную человеческой мозговой коре: 20 миллиардов нейронов, соединенных 100 триллионами синапсов.
Этот скачок в масштабе имеет решающее значение. Небольшие симуляции мозга, например, у мух-дрозофил, лишены характеристик, которые проявляются только в более крупных системах. Недавние достижения в области больших языковых моделей (LLM) демонстрируют этот принцип: более крупные сети демонстрируют качественно иные модели поведения. Как объясняет Дисманн: «Мы теперь знаем, что большие сети могут делать качественно другие вещи, чем маленькие. Очевидно, что большие сети отличаются. «
От теории к проверке
Симуляции основаны на эмпирических данных из экспериментов на человеческом мозге, обеспечивая анатомическую точность в отношении плотности и уровней активности нейронов. Это позволяет исследователям проверять основные гипотезы о том, как работает мозг, например, механизмы формирования памяти. Например, они могут подвергать смоделированную сеть воздействию изображений и наблюдать, как следы памяти развиваются в разных масштабах.
Помимо базовой нейронауки, эти симуляции предлагают новую платформу для тестирования лекарств. Исследователи могут моделировать неврологические состояния, такие как эпилепсия, и оценивать влияние различных фармацевтических препаратов без участия людей. Повышенная вычислительная скорость также позволяет изучать медленные процессы, такие как обучение, в реальном времени с большей биологической детализацией, чем когда-либо прежде.
Ограничения и перспективы
Несмотря на эти достижения, смоделировать мозг – это не то же самое, что воссоздать его. Современным моделям не хватает критически важных элементов, которые присутствуют в реальных мозгах, таких как сенсорные входные данные из окружающей среды. Как отмечает Томас Новотны из Университета Сассекса: «Мы не можем построить мозги. Даже если мы сможем создать симуляции размером с мозг, мы не сможем создать симуляции мозга. «
Кроме того, даже симуляции мух-дрозофил не полностью соответствуют реальному поведению животных. Область по-прежнему ограничена нашим неполным пониманием функционирования мозга.
Тем не менее, возможность запускать полномасштабные симуляции знаменует собой поворотный момент в нейронауке. Она открывает беспрецедентные возможности для проверки гипотез, уточнения теорий и ускорения открытия лекарств, в конечном итоге преодолевая разрыв между биологической сложностью и вычислительным моделированием.
