Прорив у обчислювальній потужності та нейронауці зближуються, дозволяючи дослідникам симулювати діяльність людського мозку в безпрецедентному масштабі. Вперше суперкомп’ютери мають обчислювальну потужність для моделювання мільярдів нейронів, складність якої можна порівняти зі справжнім біологічним мозком. Цей прогрес полягає не лише у швидкості обробки, але й у зростаючій здатності перевіряти фундаментальні теорії функціонування мозку, які раніше були недоступні.
Ера екс-масштабних обчислень
Ключовим фактором є поява «екзамасштабних» обчислень, коли системи можуть виконувати квінтильйони обчислень за секунду. Зараз у світі існує лише чотири таких машини, одна з яких – JUPITER, розташована в Німеччині – використовується дослідниками під керівництвом Маркуса Дісманна з Дослідницького центру Юліха. Команда успішно налаштувала модель імпульсної нейронної мережі для роботи на тисячах графічних процесорів JUPITER, імітуючи мережу, еквівалентну корі головного мозку людини: 20 мільярдів нейронів, з’єднаних 100 трильйонами синапсів.
Цей стрибок у масштабі є критичним. Невеликі симуляції мозку, такі як плодові мушки, не мають характеристик, які з’являються лише у великих системах. Останні досягнення у великих мовних моделях (LLM) демонструють цей принцип: більші мережі демонструють якісно інші моделі поведінки. Як пояснює Дісманн: «Тепер ми знаємо, що великі мережі можуть робити принципово інші речі, ніж малі. Очевидно, що великі мережі відрізняються. »
Від теорії до перевірки
Моделювання базується на емпіричних даних експериментів на людському мозку, що забезпечує анатомічну точність щодо щільності та рівнів активності нейронів. Це дозволяє дослідникам перевірити основні гіпотези про те, як працює мозок, наприклад механізми формування пам’яті. Наприклад, вони можуть виставити змодельовану мережу на зображення та спостерігати, як сліди пам’яті розвиваються в різних масштабах.
Крім базової нейронауки, ці симуляції пропонують нову платформу для тестування ліків. Дослідники можуть моделювати такі неврологічні захворювання, як епілепсія, і оцінювати дію різних фармацевтичних препаратів без втручання людини. Збільшення швидкості обчислень також дає змогу вивчати повільні процеси, такі як навчання, у режимі реального часу з більшою біологічною детальністю, ніж будь-коли раніше.
Обмеження та перспективи
Незважаючи на ці досягнення, симуляція мозку — це не те саме, що його відтворення. Сучасним моделям не вистачає критичних елементів, які присутні в реальному мозку, таких як сенсорний вхід із середовища. Як зазначає Томас Новотні з Університету Сассекса: «Ми не можемо побудувати мізки. Навіть якби ми могли побудувати симуляції розміром з мозок, ми не змогли б побудувати симуляції мозку. »
Більш того, навіть симуляції плодових мушок не повністю відповідають реальній поведінці тварин. Поле все ще обмежене нашим неповним розумінням функції мозку.
Однак можливість запускати повномасштабне моделювання знаменує собою поворотний момент у нейронауці. Це відкриває безпрецедентні можливості для перевірки гіпотез, уточнення теорій і прискорення відкриття ліків, зрештою подолаючи розрив між біологічною складністю та обчислювальним моделюванням.
