Süni Beyinlər

19-cu əsrin ortalarından bəri elm adamları bədənimizin geri qalanını idarə edən yağlı ət parçası olan beynin nədən ibarət olduğunu, necə qurulduğunu öyrənməyə çalışıblar. İspan neyroanatom Santiago Ramón y Cajal (az. Santyaqo Ramon-i-Kaxal) ilk dəfə beynin müxtəlif növ neyronlardan ibarət olduğunu müşahidə edə bilmiş və beləcə müasir neyroelmin binəsini atmışdır (Şəkil 1).

image
Şəkil 1. Cajal’ın əl ilə çəkdiyi neyronlar. (mənbə: Cervantes Virtual Mərkəzi)

20-ci əsrin ortalarında isə Alan Lloyd Hodgkin, Andrew Fielding Huxley və digərləri tərəfindən artıq neyronların elektro-fizioloji xüsusiyyətləri kəşf olunmuş və beyindəki neyronların elektro-kimyəvi siqnalların ötürürərək işlədiyi əyani olaraq sübut edilmişdi. Neyroelm sahəsində son 50 ildə çox uzun yol qət edilsə də, bu sahənin araşdırdığı ən böyük suallar—şüurun, zəkanın necə ortaya çıxdığı— hələ də aydın deyil. Bu sualları aydınlaşdırmaq üçün isə elm adamları beyin haqqında hələ daha çox bilməli olduğumuzu deyirlər. “Daha çox bilmək” dedikdə beynin hər zərrəsini öyrənmək, hətta onu yenidən qura bilmək nəzərdə tutulur ki, bir çoxları da məhz bu yolda işləməyə sövq olunmuşdur. İlk dəfə beyni sıfırdan qurmaq fikri Alan Turingin ağlına gəlmişdir, o da “mən beyni quracam” deyib ilk kompüterləri ərsəyə gətirmişdir. Ondan sonra “beyni qurmaq” üçün bir neçə cəhd olmuş, amma son illərin ən sensasiyalı fikirləri İsveçrədə yerləşən École Polytechnique Fédérale de Lausanne’ın (EPFL) neyroelm professoru Henry Markram (Şəkil 2.) tərəfindən ortaya atılmışdır. (Bu arada, yaxşı ki, Markram əslən isveçrəli elm adamı deyil, yoxsa məqalənin adını “İsveçrəli elm adamları insan beynini yenidən qururular” qoya bilərdim.)

2006-cı ildə Nature Reviews Neuroscience jurnalının fevral sayında, Henry Markram siçovul beyninin kiçik bir hissəsinin kompüter simulyasını qurmaq planlarını və proyektin texnoloji olaraq mümkünlüyü barədə məqaləsini yayınladı (1). Henry Markram bu məqalə ilə neyroelm qövmünü inandırmağa çalışırdı ki, nəhayət beyni hüceyrə-bə-hüceyrə öyrənməyə başlamağın vaxtı çatmışdır. Markam’ın əminliklə belə bir təşəbbüsü irəli sürə bilməsinə səbəb isə onun laboratoriyasının aid olduğu EPFL-in International Business Machines (IBM) şirkəti ilə qurduğu əməkdaşlıq idi. IBM’in 2004-cü ildə ərsəyə gətirdiyi Blue Gene superkompüterləri daha sürətli hesablama və prosessinq imkanları hesabına məməli beyninin daha detallı öyrənilməsinə imkan verirdi. EPFL ilə anlaşmaya əsasən, IBM həmin komptüterlərdən 4 ədədini beyin tədqiqatları və beynin kompüter simulyası üçün EPFL-də quraşdırmışdı. Kompüterin adına uyğun olaraq da Markram’ın başlatdığı layihənin adı Blue Brain layihəsi adlanırdı. Bu layihənin günün birində cavab vermək istədiyi sual isə bu idi: insan beyninin rəqəmsal simulyasını edən alqoritm hər hansısa zəkayavə şüura gətirib çıxara bilərmi?

image
Şəkil 2. Henry Markram. EPFL’də neyroelm professoru, Blue Brain və Human Brain layihələrinin banisi.

IBM şirkəti Blue Gene-dən əvvəl, hələ 1997-ci ildə Deep Blue kompüterini ərsəyə gətirmişdi ki, bu kompüter məşhur şahmatçı Kasparovu şahmatda orta hesabla məğlub edə bilmişdi. Bu qədər kompleks bir tapşırıqda süni intellektin insanı məğlub edə bilməsi həmin dövr üçün böyük sensasiya idi. Bu, o demək idi ki, yetəri qədər fərqli şərti nəzərə ala biləcək alqoritmlər vasitəsilə nə vaxtsa hətta insan şüurunu da təqlid etmək mümkün ola bilər. Lakin, Deep Blue kompüteri həmin oyunda Kasparovu sırf hesablama sürətinin hesabına məğlub etmişdi. Deep Blue kompüterinin proqramında şahmat oyunu üçün hər hansı situasiyada mümkün olan gedişlər, indiyə kimi qalib gələn oyunların açılışları, sonluqları və s. kimi məlumatlar kodlaşdırılmışdı. Hər gedişdən əvvəl bir neçə saniyə ərzində kompüter bütün mümkün ehtimalları gözdən keçirir və ən yaxşı nəticə verəcək olan gedişi seçirdi. Bu, isə insan intellektindən keyfiyyət olaraq çox fərqlidir. İnsan qərar verərkən sistemdə var olan məlumatı incələyib hansının daha yaxşı olduğuna baxaraq deyil, maye intellekt (ing. fluid intelligence) vasitəsilə— yəni, mühakimə yürüdərək qərar verir və bu proses vaxt alır. İnsan beyinin abstraktlaşdırma qabiliyyəti ona imkan verir ki, fiqurları kompüter kimi ayrı-ayrılıqda yox, onların qarşılıqlı əlaqələrini bütövlükdə analiz edə bilsin.

İnsan intellektini təqlid edə biləcək alqoritmlər üçün daha güclü kompüterə ehtiyac var idi və bunun üçün də IBM növbəti illərdə Blue Gene kompüterini (Şəkil 3) düzəltdi. Bu kompüter vasitəsilə beynin neyronal quruluşu əsasında yaradılacaq alqoritm istifadəyə verilə bilər və həmin alqoritm keyfiyyət baxımından insan intellektinə oxşar fəaliyyət sərgiləyə bilərdi. Lakin, 2006-ci ildə, ilkin hədəf, əvvəl dediyim kimi, siçovul beyninin kiçik bir hissəsini simulyasiya etmək idi.

image
Şəkil 3. IBM şirkətinə məxsus Blue Gene kompüterləri.

Bundan 3 il sonra, 2009-cu ildə, Avropa Komissiyasının “Gələcək və İnkişafda Olan Texnologiyalar proqramı” (ing. Future and Emerging Technologies programme) elmdə çevriliş edə biləcək iki böyük layihəni on il müddətinə 1 milyard euro ilə dəstəkləyəcəyini və bunun üçün layihə təklifləri qəbul edəcəyini elan etdi. Həmin dönəm, Henry Markram Blue Brain layihəsinin hələ ilkin mərhələsində idi. Avropa Birliyinin elan etdiyi bu müsabiqəyə özünün əsl qayəsi olan Blue Brain layihəsinin daha da böyük miqyaslı versiyasını — Human Brain layihəsini təklif etdi. Bu layihə neyroelm aləmində elə o vaxtdan bir çox suallar doğursa belə, nəhayət 2013-cü ildə, Avropa Birliyi 10 il müddətinə Human Brain layihəsi üçün 1 milyard euro verəcəyini bəyan etdi və həmin ilin oktyabrından etibarən Markram və əməkdaşlıq elədiyi 150 digər tədqiqatçı layihənin ilkin mərhələsinə başladılar. Lakin, ilk hədəfi insan beynini öyrənmək olan və əsasən neyroelm yönümlu olan bu layihə tezliklə istiqamətini dəyişdi və insan beynini neyronal quruluşuna əsaslanaraq verilənlər bazası menecmenti edə biləcək alqoritminin hazırlanmasına döndü. Markram quracağı alqoritmin gələcəkdə böyük həcmli datanın analiz olunması üçün istifadə etmək istəyirdi ki, işə cəlb olunan bir xeyli neyrobioloq bundan məmnun deyildi (2).

Human Brain layihəsindən əlavə, okeanın o tayında bir də BRAIN təşəbbüsü var ki, bu da Avropanın Human Brain layihəsindən bir az sonra ABŞ prezidenti Barack Obama tərəfindən təklif edilmişdir (3). Hər iki layihənin ortaq nöqtəsi beyin haqqında daha çox məlumat toplamaq olsa da, layihənin amerikalı versiyası Avropadakından fərqli olaraq bir çox mərkəzdən idarə olunacaq. Yəni, layihə Markram kimi bir nəfərin fikirləri üzərinə qurulu olmayacaq. Prezident Obama bu təşəbbüsü ilk dəfə elan edəndə, olduqca qeyri-müəyyən səslənən “beynin daha yaxşı öyrənilməsi üçün neyrotexnologiyaların təkmilləşdirməsi” yönündə olacağını bəyan etmişdi. Bu qeyri-dəqiqlik halında, layihəyə ortaq bir qayə seçmə məsələsində xeyli düşünən amerikalı elm adamları beyni tədqiq etmək üçün təşəbbüsü bir neçə səmtə parçalamaq qərarına gəldilər və bunların içində beynin fəaliyyət xəritəsi (ing. brain activity map), fərqli beyin konnektomu, yəni, ərazilərin ələqəliliyi (ing. brain connectome) və s. kimi daha spesifik layihələr var. Təşəbbüsün belə kiçik hissələrə bölünməyindən də göründüyü kimi, məqsəd beyni simulyasiya etmək yox, onun haqqında daha çox öyrənmək və bu prosesi sürətləndirmək üçün yeni metodlar ərsəyə gətirməkdir. Hədəf isə, əhali get-gedə qocaldığından daha da çox geniş vüsət almağa başlayan nevroloji və psixiatrik xəstəliklərə tezliklə çarə tapa bilməkdir. Dövlət səviyyəsində bu layihənin dəstəklənməsinin əsas məqsədi ABŞ-ı günün birində bu sahədə lider dövlətə çevirməkdir.

BRAIN təşəbbüsü çərçivəsində əldə olunan məlumatların sonradan bir araya necə gətiriləcəyi hələ bir az müəmmalı qalsa da, Human Brain layihəsi ilə müqayisədə amerikalı layihənin idarə olunması daha effektivdir, daha çox neyroelm tədqiqatçısının əməyi və fikrinə əsaslanır. Lakin hər iki layihənin gələcəyinin çox müəmmalı olmasından və tamamlanması üçün bundan sonra hələ xeyli iş görülməli olduğuna görə bu layihələr barədə daha da çox dərinə getməyəcəyəm. Ondansa, nisbətən kiçik layihə olan və ilkin versiyası bu yaxınlarda tamamlanmış olan Blue Brain layihəsinə nəzər salacağıq.

Blue Brain layihəsinin birinci fazasında siçovul beynində somatik hissiyat (toxunuş, temperatur və s.) korteksinin (ing. somatosensory cortex) kiçik bir hissəsi kompüterdə qurulacaqdı. Bunun üçün isə Markram laboratoriyası bir neçə neyronu, neyronlardakı müxtəlif ion kanallarının miqdarını və neyronların arasındakı sinaptik əlaqələri eyni anda izləyə biləcək elektrofizioloji metodlar ərsəyə gətirmişdilər (SuperRəşad MQ №1). Bu metodlarla onlar hissiyat korteksində minlərlə neyronun elektrik potensialını ölçə, onlardakı elektrik kanallarını xarakterizə eləmişdirlər.

(Bundan sonra yazının ortasında qəliz, amma maraqlı şeylərlə rastlaşdıqda həmin mövhümü bizlərə izah etsin deyə SuperRəşada müraciət edəcəyik. İndi də, elektrofiziologiya barədə daha ətraflı məlumatlanmaq üçün SuperRəşad köməyimizə yetəcək.)

Sonradan elektron mikroskopu ilə həmin neyronların anatomik quruluşları analiz olunacaq və üç ölçülü (3D) formatda kompüterdə yenidən qurulacaqdı. 3D anatomik quruluşa daha əvvəl sadaladığım elektrofiziloji məlumatları da əlavə etdikdə beynin neyronal quruluşu (yardımçı qlia hüceyrələri və damarlanmanı ehtiva etmədən) əldə ediləcəkdi. Kompüterdə yenidən qurulacaq, ya da rekonstruksiya ediləcək beyin hissəsi isə layihənin adına uyğun olaraq Blue Column (az. mavi sütun) adlandırılmışdır. Blue Column təxminən 20 – 35 min neyrona sahib, 0.5 mm diametr və 1.5 mm hündürlükdə silindrşəkilli beyin hissəsi olacaqdı.


SuperRəşad Məlumat Qutusu

Elektrofiziologiya: Patch clamp

image
Şəkil SRMQ1. Patch clamp metodunun bəsit diaqramı (mənbə: Leica Microsystems).

Hüceyrələrin səthində ion (elektrik yüklü birləşmələr) axınına və dolayısıyla hüceyrədə elektrik potensialının dəyişməsinə səbəb olan xüsusi ion kanalları var. Patch clamp metodu istifadəsindən asılı olaraq hüceyrədə elektrik potensialını və yaxud da elektrik axımını sabit saxlamağa imkan verir. Bu isə öz növbəsində, hüceyrədə bir və ya bir neçə ion kanalının səbəb olduğu ion axınını öyrənmək, həmin kanalları xarakterizə etmək üçün işə yarayır. İndi isə qısaca bunun necə baş tutduğuna baxaq. Patch clamp üçün, içi məhlul dolu şüşə mikropipet hüceyrənin səthinə yerləşdirilir (Şəkil SRMQ1.). Mikropipetin içindəki məhlulda hüceyrə üçün gərəkli ionlar, həm də müsbət yüklü gümüş ionları (Ag+) və gümüş tel olur. Misal üçün, hüceyrənin səthindəki kanallar açılıb hüceyrənin içinə müsbət yüklü ionlar (məsələn Na+) hərəkət etdikdə mikropipetin içindəki məhlulda müsbət yük sayı azalır. Bunu kompensasiya etmək üçün gümüş teldən müsbət yüklü Ag+ ionları ayrılır və məhlula qarışır. İon miqdarındakı bu ani dəyişikliklər gümüş teldə eletrik axınına səbəb olur. Xüsusi gücləndirici vasitəsilə həmin pikoamper (10-12 A) miqyasındakı elektrik axınları gücləndirilir və analiz edilə bilən siqnala çevrilir. Nəticə etibarilə, tədqiqatçı elektrik axımındakı bu dəyişiklikləri izləyərək, hüceyrə səthindəki kanalları müşahidə edə bilir.

image
Şəkil SRMQ2. Patch clamp ilə ion axınlarının öyrənilməsi. (mənbə: Memorial Universiteti)

Nümunə üçün, Şəkil SRMQ2-də hüceyrənin voltajına edilən dəyişiklə Na+ kanalında olan elektrik axımının necə dəyişdiyi göstərilmişdir. Müsbət potensialda hüceyrə səthindəki Na+ kanalı açılır, Na+ hüceyrənin içinə daxil olur və biz bunu elektrik axımı qrafikində içəri doğru olan müsbət axım olaraq görürük. Bu metod, 80-ci illərin əvvəlində Almaniyanın Göttingen Universitetində Erwin Neher və Bert Sakmann tərəfindən yaradılmış və hər ikisinə 1991-ci ildə Nobel mükafatı qazandırmışdır. Qeyd etmək lazımdır ki, Henry Markram xeyli müddət Bert Sakmannın Heidelbergdəki laboratoriyasında işləmiş və patch clamp metodunu inkişaf elətdirərək iki və daha artıq hüceyrənin bu metodla eyni anda müşahidə olunması praktikasını ərsəyə gətirmişdir.


 Blue Brain layihəsinin ilkin mərhələsinin nəticələri Cell jurnalında 2015-ci ilin oktyabr ayında dərc edildi (4). Bu məqalə siçovul beyninin 0.29 mm3 həcmli və ~31 000 neyrondan ibarət çox cüzi bir hissəsinin kompüterdə rekonstruksiya olunma prosesini mərhələli şəkildə təsvir edir. Bütöv siçovul beyninin təxmini 1 200 mm3 olduğunu nəzərə alsaq, rekonstruksiyası 9 il çəkən çox kiçik həcmli beyin parçası Human Brain layihəsinin nə qədər uğurlu ola biləcəyi haqda məndə şübhələr oyadır. Lakin, beynin kiçik də olsa bir hissəsinin kompüterdə simulyası maraqlıdır və gəlin bu prosesin mərhələlərinə nəzər salaq. Markram və digərləri Cell jurnalında dərc olunan məqalədə 5 mərhələli rekonstruksiya prosesini olduqca detallı təsvir edirlər. Mən burada həmin mərhələlərin sadəcə nədən ibarət olduğunu sadalayacağam.

Birinci mərhələdə, beyin parçasını əmələ gətirən hüceyrə toplusunun morfologiyası analiz olunur. Bunun üçün korteksin hər qatına aid yüzlərlə neyronun morfologiyası elektron mikroskopundan əldə edilən data əsasında xüsusi proqram vasitəsilə kompüterdə rekonstruksiya olunur. Korteksin hər qatının özünəməxsus neyron növləri var və analiz olunan neyronların morfoloji sinifləndirməsi aparılır. Qeyd etmək vacibdir ki, 31 min neyronluq beyin parçasının yenidən qurulmasında heç də hər bir neyron elektron mikroskopu ilə görüntülənməyib. Kiçik bir neyron populyasiyası analiz olunur və həmin analiz əsasında kompüter alqoritmləri 31 000 neyronluq model qurur. Məqaləyə əsasən korteksdə toplam 55 növ fərqli morfologiyada neyron aşkarlanıb. İkinci mərhələdə, həmin alqoritm bütün morfoloji növlərin korteksin fərqli qatlarındakı sıxlığını, hansı digər morfoloji neyron növlərilə əlaqədə olduğunu statistik olaraq nəzərə alır və analiz olunan təxmini 2 000 neyron əsasında daha böyük modeli qurur. Lakin, həmin modeldə hələki ancaq neyronlar fərqli korteks qatlarına yerləşdirilmiş haldadırlar və onların bir-biriləri ilə hansı nöqtədə əlaqədə olduqları bilinmir. Neyronları bir-birbirinə calamaq üçün yenə də analiz olunan kiçik sayıda neyrona müraciət olunur. Neyron növlərin öz aralarında hansı nöqtələrdə əlaqə qurmaq ehtimallarının daha çox olduğu müşahidə olunur. Neyronların əlaqə qurduğu yerlər həm elektrofizioloji olaraq, həm elektron mikroskopu ilə təsdiqlənir. Əldə olunan sinaptik əlaqəlilik “qaydalarına” əsasən, üçüncü mərhələdə alqoritm korteksə düzülmüş neyronları bir-birilə əlaqələndirməyə başlayır. Bu mərhələdən sonra artıq, bütün neyronlar statistik olaraq beyində olduğuna bənzər şəkildə əlaqəlidirlər. Lakin, neyronların təsnifatı heç də sadəcə onların fərqli morfologiyalarından ibarət deyil. Neyronlar həm də hərəkət potensialı dinamikalarına görə fərqlənirlər. (Hərəkət potensialı barədə ətraflı məlumatlanmaq üçün jurnalın ikinci sayında Ərtoğrul Alışbəylinin “Neyronların dili” yazısına baxa bilərsiniz (5).) Oxşar morfologiyaya sahib iki neyronun fərqli aktivləşmə ritmi ola bilər ki, bu da neyronların elektro-morfoloji təsnifatını vacib qılır. Dördüncü mərhələdə, alqoritmdə hər bir neyronun hansı ritmə uyğun aktivləşməli olduğu kodlaşdırılır. Axırıncı, beşinci mərhələdə, isə neyronların əlaqə qurduğu nöqtələrdə sinapsların növləri qeyd olunur. Heç də hər sinaps növbəti neyronu aktivləşdirmək funksiyası daşımır. Sinapsın funksiyası neyronun sinaptik boşluğa hansı neyromodulyatoru ifraz etməsi və bu siqnalı qəbul edən neyronun hüceyrə membranında (post-sinaptik quruluş) yerləşən ion kanallarından asılıdır. Ümumi götürəndə, korteksdə “aktivləşdirici” neyromodulyator asetilxolin (AX, ing. acetylcholine), inhibisiya neyromodulyatoru isə qamma-aminobutirik turşudur (QABT, ing. gamma-aminobutyric acid). Bundan əlavə, sinapslar güclərinə görə fərqlənirlər. Siqnalı göndərən neyron eyni sinapsda bir və ya bir neçə neyrona neyromodulyator çatdıra bilər. Bu parametrləri elektrofizioloji metodlarla öyrənmək mümkündür, lakin bir neçə neyronun siqnal ötürmə dinamikasını eyni anda “izləmək” gərəkdir bunun üçün. Minlərlə fərqli elektrik və morfoloji fərqlilikləri olan neyronların arasındakı sinapsların da növləri qurulan korteks modelinə əlavə olunandan sonra Markramın kiçik modeli tamamlanmış olur.

Bəs, milyonlarla maddi vəsait, bir neçə laboratoriya və onlarla insanın üzərində işlədiyi bu model nəyə yaradı? Cell jurnalındakı məqalədə Markram və digərləri əvvəllər canlı heyvanların və ya beyin dilimlərin üzərində aparılan təcrübələri simulyasiya etdikləri beyin paçasında təqlid etməyə çalışıblar (4). İlk olaraq, rekonstruksiya edilmiş neyronlardakı spontan aktivlik əvvəlki müşahidələrlə üst-üstə düşüb. Onların nəticələrinə əsasən beynin rəqəmsal simlulyasiyası üzərində aparılan əvvəlki eksperimentlərdən alınan nəticələri təsdiqləyir. Simulyasiya üzərində aparılmış ilk həqiqi eksperimentdə siçovulların bığları ilə hissetməsində iki fərqli nöqtədə toxunuşu bir birindən necə ayırd olunduğu neyronal səviyyədə öyrənməyə çalışıblar və məlum olub ki, qonşu neyronlar 0.150 mm-ə qədər aralıqda olan toxunuşları iki fərqli toxunuş kimi ayırd edə bilirlər. Rekonstruksiya edilmiş korteks parçası elmi məqsədlə istifadə olunması üçün hamıya açıqdır və tədqiqatçılar öz eksperimentlərini dizayn edə bilərlər (https://bbp.epfl.ch/nmc-portal/welcome).

Bu nəticələrə baxmayaraq, bir çox tədqiqatçılar Blue Brain və Human Brain layihələrini tənqid edirlər. Tənqidin əsas elementi olaraq isə bu layihələrin üzə çıxara biləcəyi elmi məqamların çox sadə olması və həmin nəticələr üçün bu qədər kompüter gücü, enerji və maddi resurs tələb edən qəliz eksperimental metoda ehtiyac olmaması göstərilir. Məsələn, Blue Brain layihəsinin ilkin nəticələrinin açıqlanmasından daha əvvəl, 2012-ci ildə Kanadanın Waterloo Universitetində Chris Eliasmith 2.5 milyon virtual neyrona sahib Spaun adlandırdığı beyin alqoritmini ərsəyə gətirmişdir (6). Spaun 8 fərqli çox bəsit məntiq tələb edən tapşırığın öhdəsindən gələ bilir. Məsələn, ekranda Spaun’a sıra ilə 1, 2, 3, 4, 5, 6, 7 göstərilir, daha sonra 3, 4 və “?” gəldiyində, Spaun fiziki olaraq yazmağı bacaran qolu ilə qarşısındakı platformaya 5 rəqəmini yazır. Başqa bir tapşırıqda isə, Spaun ona göstərilən rəqəmlərini sırasını yadda saxlayır və sual işarəsi gördükdə həmin sıranı yazmağa başlayır. Spaun modelinin anamotik arxitekturası (Şəkil. 4) elmi ədəbiyyatda mövcud olan beyin anatomiyası haqqında bilgilərə dayanır. Bu modeldə beynin ən bəsit və fundamental neyronal qrupları rekonstruksiya edilmişdir.

image
Şəkil 4. Spaun alqoritmi beynin neyronal şəbəkəsini anatomik bilgilərə əsasən təqlid edir. (Mənbə: (6))

Görmə sistemindəki iyerarxik neyronal quruluş, ekrandan aldığı məlumatı müəyyən hərəkət potensialı ritminə (ing. pattern) çevirir. Daha sonra, bu hərəkət potensialları ön beyin strukturlarında emal edilir, yaxud da işlək yaddaşda (ing. working memory) saxlanılır. Nəhayət, hesablamaların nəticəsində hərhansı qərar alındıqda hərəki korteks alınan qərara uyğun fiziki qolu hərəkət etdirərək nəticəni yazır. Maraqlısı odur ki, Spaun’un yuxarıdakı tipdə məntiq testlərində göstərdiyi uğur faizi (88%) ortalama insanların göstərdiyi nəticə (89%) ilə çox oxşardır. Spaun modelinin ən böyük uğuru isə heç də bu məntiq testlərini həll etməkdə deyil; hər bir tapşırığı ayrılıqda həll edəcək model düzəltmək əlbəttə çox bəsit olardı. Burada önəmli olan məsələ, insan beyninin ən fundamental hissələrinin simulyasiyasının artıq müəyyən tapşırıqları həll edə bilməsidir. Daha bir vacib məqam isə, eyni arxitekturanın 8 fərqli tapşırığı yerinə yetirə bilməsidir. Yəni, Spaun modelinin qarşısına çıxan tapşırığın nə olduğunu “anlamaq” və onu həll etmək bacarığı var. Bu isə artıq kodlaşdırılmış tapşırıq yerinə yetirmə funksiyası yox, ilkin intellekt formasının əmələ gəlməsindən xəbər verir.

Bu və digər metodoloji baxımdan daha bəsit amma beynin işləyişi haqqında bizə nələrisə öyrədə biləcək layihələrin fonunda, Human Brain layihəsi neyroelm icmasında böyük fikir ayrılıqları yaradıb (7). Markramın ideyasını dəstəkləyən Eric Kandel, Rafael Yuste, Christof Koch və s. bir çox nüfuzlu neyroelm adamları və təbii ki, layihəni maddi olaraq dəstəkləyən Avropa siyasətçiləri olsa da (8), böyük bir qisim də Human Brain layihəsinin uğursuzluqla nəticələnəcəyini ön görürlər. Uğursuzluq dedikdə isə nəticənin gözləntinin çox-çox altında olacağı düşünülür.

Mənim fikrimi öyrənmək istəsəniz deyərdim ki, əslində, beyni simulyasiya ideyası özü-özlüyündə çox xoşuma gəlir, buna görə də bu yazını yazmaq qərarına gəlmişəm. Lakin, təəssüf ki, beyni olduğu kimi detallı qurmaq qeyri-mümkündür. Blue Brain layihəsi heç də hər neyronu elektron miskropu ilə incələyib onun hansı digər neyronlara bağlandığına baxa bilməyib. Onlar sadəcə mümkün olan kiçik bir populyasiyanı analiz edib statistik olaraq real beyinə yaxın bir strukturun modelini qurublar. Ümumiyyətlə, elektron mikroskopu dərslərimdə mənə verilən məlumata əsasən, indiyə qədər elektron mikroskopiyası ilə analiz olunan bioloji nümunələrin həcmi heç 1 mL belə deyil. Yəni, insan beyninin qəlizliyi bir yana, həcmi də indiyə qədər analiz olunmuş toxumalarla eyni miqyasda deyil. Lakin, hər nə qədər çətin olsa da bütöv beyni yenidən qurmaq ona görə maraqlıdır ki, bu, bizə şüur, intellekt və s. digər bioloji baxımdan başa düşmədiyimiz məfhumların beyində necə əmələ gəldiyini açıqlaya bilər. Bundan əlavə, inanıram ki, simulyasiya edilmiş beynin şüura sahib ola bilməsi üçün beynin eynisi olması şərtdir. Yəni, kiçik bir neyron qrupunu analiz edib, müxtəlif statistika “oyunları” ilə beyin qurmağı heç də beynin realistik modeli hesab etmirəm. Təbii ki, tamamlandığı təqdirdə, müəyyən nisbətən bəsit orqanizasiyası olan beyin strukturlarının öyrənilməsində vacib açılımlar edəcək bu layihə. Həmin məlumatların öyrənilməsi üçün isə 1 milyardlıq maddi vəsait və ən əsası 20 il müddətinə davam edən enerji sərfinin nə qədər doğru olduğuna isə əmin deyiləm.

Mənbələr

1. Markram, H. (2006). The blue brain project. Nature Reviews. Neuroscience, 7(2), 153–160.

2. Theil, S. (2015). Trouble in Mind. Sci Am, 313(4), 36-42.

3. Shen, H. (2013). Neurotechnology: BRAIN storm. Nature, 503(7474), 26-28.

4. Markram, H., Muller, E., Ramaswamy, S., Reimann, M. W., Abdellah, M., Sanchez, C. A., … Schürmann, F. (2015). Reconstruction and Simulation of Neocortical Microcircuitry. Cell, 163(2), 456–492.

5. Alışbəyli, Ə. (2016). Neyronların dili. Elmi Spektr (1) 2, 15-21.

6. Stewart, T. C., Choo, F.-X., & Eliasmith, C. (2012). Spaun: A Perception-Cognition-Action Model Using Spiking Neurons. Proceedings of the 34th Annual Meeting of the Cognitive Science Society (CogSci 2012), 1018–1023.

7.Giles, J. (2005). Blue Brain boots up to mixed response. Nature, 435(7043), 720–721.

8. Kandel, E. R., Markram, H., Matthews, P. M., Yuste, R., & Koch, C. (2013). Neuroscience thinks big (and collaboratively). Nature Reviews. Neuroscience, 14(9), 659–64.


Foto: Riyaziyyatçı və hesablama elminin öndərlərindən olan Charles Babbage-in Analitik Mühərriki tamamilə avtomatlaşdırılmış şəkildə hesablama aparan ilk aparat idi (Mənbə: Wikimedia Commons).

Bir cavab yazın

Sizin e-poçt ünvanınız dərc edilməyəcəkdir.

Axtarmaq istədiyiniz şeyi yazıb, Enter düyməsinə basın. Çıxmaq üçün Esc düyməsinə basın.

Yuxarı qayıt