この線虫は単純ではありません!脳は高精度に修復され、ダイナミックに前進できる

最高精度の「線虫脳」、ここに登場。

この「脳」は、Caenorhabditis elegans 線虫の生物学的神経系全体をシミュレートします。

(注: Caenorhabditis elegans は 302 個のニューロンを持つ「最も単純な知的生物」です)

今回、国内の学者らは線虫Caenorhabditis elegansの神経ネットワーク全体を復元しただけでなく、細胞内接続の分析まで行った。

その洗練度は現在知られている最高レベルに達していると理解されています。

以前、1 つの生物学的ニューロンの計算の複雑さを調査した研究がありました。その論文では、ディープ ニューラル ネットワークでは、1 つの生物学的ニューロンの複雑さを表現するために、5 ～ 8 層の相互接続されたニューロンが必要であると指摘されています。

このように精巧に構築された「脳」を通じて、この「インテリジェント線虫」はダイナミックな這い回りを実現できます。

これは北京人工知能研究院の最新の研究成果であり、その背後にある「武器」が天眼プロジェクトである。

さらに、研究チームによれば、この「インテリジェント線虫」である MetaWorm 1.0 の誕生は、生命シミュレーションの精度における画期的な進歩であるだけではありません。

これは人工知能の実現に向けた重要な一歩です。

最高精度の脳はどうやって作られるのでしょうか?

今回脳が選んだ線虫は「神経系を持つ最も単純な生物の一つ」と言える。

完全な神経系を持ち、感知、逃走、採餌、交尾が可能で、全体的な構造は非常に単純で、成体でも体細胞はわずか約 1,000 個しかありません。

体長約1mmのこの小さな透明な生物は、科学研究コミュニティでは定番となっており、過去20年間でこの生物に関連したノーベル賞が3つ受賞している。

神経科学者にとって、線虫 Caenorhabditis elegans の神経系は完全に解明され、リアルタイム マップはその年の Nature の表紙を飾ったほどで、「脳回路」の研究とシミュレーションに非常に適したものとなりました。

△両性具有、神経細胞総数302個

さらに重要なのは、線虫に存在するアセチルコリンやドーパミンなどの神経伝達物質が哺乳類にも存在することです。

その神経系を研究することは、人間の神経系の調節メカニズムを研究する上でも重要です。

しかし、構造を研究することと、それをコンピューターでモデル化することは別のことです。

生物学的ニューロンのシミュレーションは、畳み込みのような線形変換を行うほど単純ではないことを知っておく必要があります。シミュレーションされる動作、たとえば物質交換 (細胞間)、ニューロン間の活動電位の生成と伝導などは非常に複雑です。

例えば、シナプス間の神経伝達物質の伝達だけでも、量、速度、濃度、逆流、方向など複数のパラメータが関係しており、数学モデルを使用して計算やシミュレーションを行うのはさらに複雑になります。

完全な神経系をシミュレートできたとしても、コンピュータを使って現実の環境に近い「サイバースペース」をシミュレートし、その中で「インテリジェント線虫」モデルをトレーニングする方法は、もう一つの大きな研究課題です。

これまで、多くのチームが線虫シミュレーションの研究を行ってきましたが、精度とシミュレーション環境はどちらも現実とは依然として多少異なっており、私たちが目にする一般的なバイオニックロボットの魚が魚の精度からは程遠いのと同じです。

今回、天眼チームは最高の精度でインテリジェントな「サイバー線虫」のモデル化に成功し、3D流体シミュレーション環境内で動的に前進し、単純に利益を追求して危害を回避する能力を持たせることができました。

では、この「知能線虫」はどのような姿をしているのでしょうか?

まず、研究チームは多数の数式とモデルを使用して、線虫の「電子ニューロン」をモデル化しました。

使用される主なモデルは、複数イオンチャネル モデル、ホジキン ハクスリー モデル、マルチコンパートメント モデルの 3 つです。

その中で、マルチイオンチャネルモデルは、その名前が示すように、細胞膜上のさまざまなイオンチャネルをシミュレートするために使用されます。Tianbao 1.0 モデルは 14 個のイオンチャネルを使用します。

ホジキン・ハクスリーモデル（HH モデル）は、ニューロンの各部分を異なる回路要素としてシミュレートできます。

△HHモデルの例、画像はWikipediaより - 真の生物学は洗練された電子機器である

マルチコンパートメントモデルでは、ニューロンをシステムとして捉え、その動的特性に応じて複数のコンパートメントに分割します。各コンパートメントに含まれるイオンチャネルの数も異なります。

△写真は、Jiang Xiaofang、Liu Shenquan、Zhang Xuchenによる論文「中型有棘ニューロンのマルチコンパートメントモデル解析」より引用

これら 3 つのモデルを組み合わせることで、ニューロンの構造、ニューロン細胞膜上の活動電位と勾配電位の形成と伝導、身体のさまざまな部分間の物質の伝導速度をシミュレートできます。

構築が完了すると、この「スマート線虫」は、14 種類のイオン チャネルを使用して、Caenorhabditis elegans (両性具有) の 302 個のニューロンと、これらのニューロン間の数千の接続を、細胞内レベルまで詳細にモデル化しました。

線虫の302個のニューロンは、感覚ニューロン、介在ニューロン、運動ニューロンに分けられます。研究チームはそのうち、106個の感覚ニューロンと運動ニューロンに対して高精度のモデリングを行い、それらの電気生理学的動態に非常によく適合しました。

統計によると、単一のニューロンの区画の最大数は 2313 で、最小数は 10 です。 302 個のニューロンにはそれぞれ平均 52 個の区画があります。ニューロン間のシナプス接続は、神経突起（樹状突起、軸索）のレベルと同じくらい詳細です。

その後、研究チームは、線虫が現実に近いシナリオで移動できるように、3D 流体力学シミュレーション環境を構築しました。

環境をシミュレートするステップは特に重要であることに注意してください。これは、線虫が微小環境に適応して移動する方法を研究する上で重要なステップです。

線虫を細胞内レベル（マイクロメートルレベル）までモデル化すると、物理法則のスケールが縮小され、摩擦と粘性の影響は重力よりも数桁大きくなります。

このような状況下でも、線虫はエネルギーを得るために自由に食べたり水を飲むことができ、これは環境と相互作用する線虫の巧妙な方法と切り離せないものです。

そこで、天眼チームは計算神経科学、生体力学、グラフィックスなどの複数の分野を組み合わせ、インテリジェント線虫「天宝」のリアルな線虫の筋肉と体のソフトウェアモデルを構築し、人工知能のトレーニングにより適した流体シミュレーション環境を確立しました。

具体的には、この環境フレームワークは、3D モデリング、有限要素法、簡略化された流体モデル、強化学習、可視化などの複数のモジュールで構成されており、線虫と環境の相互作用を最大限にシミュレートできます。

現在世界をリードする OpenWorm 線虫シミュレーション プロジェクトと比較すると、天眼チームの流体シミュレーション環境は規模が大きく、生体のマルチボディ/グループ インテリジェント動作シミュレーション環境として、またインテリジェント ボディの学習とトレーニングのさまざまな複雑なタスクを完了するのに適しています。

最後に、チームは線虫モデルをシミュレーション環境に配置し、予備トレーニングを完了しました。

これらはすべて、将来の Tianyan プラットフォームのコンポーネントです。具体的には、これはまだ構築中であり、生物学的ニューロンの高精度で大規模なシミュレーションに使用できるマルチ GPU クラスター プラットフォームです。

研究チームは、線虫の体長 1,300 個を超えるシーン スケールのシミュレーション環境で、環境の化学信号の分布に基づいて自律的に行​​動できる「インテリジェント線虫」を予備的にトレーニングしました。このシーンは、より広い空間や複数の線虫グループのシミュレーションもサポートできます。

チームによれば、「インテリジェント線虫」モデルは、流体環境との相互作用の法則を効率的かつ正確に計算できる。同じ計算リソースで、1 匹の線虫の単一シミュレーション時間は 0.1 秒未満である。

次の段階では、天眼チームはこの「サイバー線虫」が障害物の回避や採餌などのより複雑なインテリジェントタスクを実行できるようにする予定です。

実際、脳のような知能の研究は常に世界的な話題となってきました。

国際的には、欧州ブレインプロジェクトと米国ブレインプロジェクトの支援を受けたブルーブレインプロジェクトが脳に似た研究を行っており、Googleなどのテクノロジー大手は過去5年間に脳マップや脳ツールを公開しており、MITなどの大学研究機関は19匹の線虫を使ってニューロンをシミュレートし、自動運転制御を実現しています...

しかし、脳のような研究だけを見ても、各チームの研究の方向性は大きく異なります。まずチップを設計し、次にアルゴリズムを設計することで、脳のようなコンピューティングを実現するチームも少なくありません。

しかし、そのような研究は、アルゴリズムの設計と実装においてチップなどのハードウェアによって制約され、最終的には脳のような知能を実現するという目標からは程遠いものとなるでしょう。

これに対して、天眼チームは、AI実現の観点から脳のような知能を研究し、実現することを選択しました。

しかし、そうだとしても、線虫の脳をモデル化するためにそこまで苦労することに本当に意味があるのでしょうか?

線虫の「脳」は何に使われるのでしょうか?

この問題を一文で要約すると次のようになります。

これは人工知能の実現に向けた重要な一歩です。

人工知能の誕生以来、「機械を人間のようなものにすること」は研究者たちが懸命に開発に取り組んできた方向性となっている。

しかし、時が経つにつれ、ディープラーニングが主流となっている現在の開発段階においても、人工知能はまだ真の知能のレベルには達していません。

2016年にアルファ碁が世界に衝撃を与えた囲碁の試合でさえ、人工知能に対する人々の理解を新たにしただけだった。

しかし、CMU のハンス・モラベック教授は次のように述べている。

コンピュータに大人のようにチェスをプレイさせることは比較的簡単ですが、コンピュータに 1 歳児の知覚能力と行動能力を持たせることは非常に困難であり、不可能でさえあります。

それで、問題は何でしょうか?

2016年、中国科学院の黄鉄軍院長がその答えを出した。

彼は、ディープラーニングは本質的に人工ニューラルネットワークに依存し、生物学的知能は生物学的ニューラルネットワークに依存していると考えています。

このうち、人工ニューラルネットワークは「機能を実現する」という点に近く、一方、生物学的ニューラルネットワークは「機能を実現する構造」をシミュレートしています。両者は「量」という点では同レベルではありません。後者の方が明らかにはるかに大きく、より重要です。

構造が機能を決定し、生物学的神経ネットワークが知性の担い手となるからです。

したがって、この状況に基づいて黄鉄軍が提案した「解決策」は次のとおりです。

脳の仕組みシミュレーションの観点から。

簡単に言えば、生物の脳内部の「動作モード」を探究することであり、汎用人工知能を実現する方法の一つです。

偶然にも、2009年にはすでに、スイス連邦工科大学ローザンヌ校のヘンリー・マークラム教授も同様の見解を唱えていた。

当時、彼は脳の構造を理解した上で、スーパーコンピューターを使って脳モデルを構築する計画を発表した。

この計画は後に欧州連合から強力な支持と注目を集めた。なぜなら、このアプローチの重要性は、人間の脳自体の知能を理解することだけでなく、脳疾患に対する新たな治療法を見つける可能性もあるからだ。

しかし、問題も発生します。コンピューターを使用して人間の脳の神経ネットワーク全体をシミュレートするのは非常に困難です。

これは、計算シミュレーションの複雑さだけでなく、生物学的脳自体の複雑さによるものでもあります。

結局のところ、人間の脳には 1011 個ものニューロンが含まれているので、必要な計算量とコストは想像がつくでしょう。

実際、人間が脳を使って推論や創造などの一連の動作を実行する場合、消費電力はわずか 20 ～ 25 ワットです。

つまり、生物学的脳は「高い知能」と「低消費電力」という特性を持っています。

これが、生物学的脳の研究が汎用人工知能の最良の青写真となる理由です。

そして、そのような兆候はすでに現れ始めています。

例えば、2021年にトップジャーナルNEURONに掲載された「深層人工ニューラルネットワークとしての単一皮質ニューロン」

ネットワーク研究によると

ディープ ニューラル ネットワークでは、単一の生物学的ニューロンの複雑さを表現するために、5 ～ 8 層の相互接続されたニューロンが必要です。

これは、単一ニューロンの強力な計算能力を証明するものでもあり、したがって、単一ニューロンを非常に細かく描写することができれば、生物学的情報処理の複雑なプロセスに近づくことができるだろう。

しかし、生物学的脳のより洗練されたシミュレーションの重要性は、これをはるかに超えています。

現在でも、アルツハイマー病、うつ病、脳損傷など、人類は脳に多くの難病を抱えています。

さまざまな脳疾患を研究するプロセスには、膨大な人的資源と物質的資源が費やされます。生物学的脳を正確にシミュレートできれば、解決の新たな可能性が生まれるかもしれません。

…

つまり、脳をより良くシミュレートして理解するということは、人間自身にも注意を払いながら脳自体を理解することなのです。