IBM ja Lausannen yliopisto Sveitsissä ovat käynnistäneet suurprojektin, jossa Blue Gene -tietokoneen tekniikkaa käytetään ihmisaivojen simulointiin molekyylitasolta lähtien.
http://bluebrainproject.epfl.ch/
http://www.newscientist.com/article.ns?id=dn7470
Henry Markram, Brain and Mind Instituutin johtaja, Ecole Polytecnique Fédérale de Lausanne (EPFL), kertoo, että heillä on valmiina laajin tietokanta aivojen sisäisistä kytkennöistä, mutta vasta nyt he saavat IBM:n avulla tarvittavan simulointikapasiteetin erikoistietokoneen muodossa, jossa he pystyvät laajaan simulointiin.
Aika kova juttu. Menin vähän aikaa sitten väittämään, että Blue Gene teknologiaa ei tulla käyttämään tällä rintamalla, mutta onneksi olin väärässä! Nyt mennään kovaa, mutta minne?
Eihän Blue Gene -tason kone vielä pysty koko aivoja molekyylitasolta asti simuloimaan, mutta ehkä muutamaa kolumnia tai vastaavaa kokonaisuutta, jopa ehkä hippokampusta. Mutta se seuraava tietokonesukupolvi voi jo yltää koko aivoihin ja siitä n. 15v eteenpäin, niin kohtuuhintainen kone pystyy samaan ja tavallinen ihminen pystyy ajamaan omien aivojensa varmuuskopioita (sitten kun tiedämme millä ne voisi ensin skannata).
Mutta singulariteetti voi ehtiä ennen! Elämme jännittäviä vuosikymmeniä!
http://bluebrainproject.epfl.ch/
http://www.newscientist.com/article.ns?id=dn7470
Henry Markram, Brain and Mind Instituutin johtaja, Ecole Polytecnique Fédérale de Lausanne (EPFL), kertoo, että heillä on valmiina laajin tietokanta aivojen sisäisistä kytkennöistä, mutta vasta nyt he saavat IBM:n avulla tarvittavan simulointikapasiteetin erikoistietokoneen muodossa, jossa he pystyvät laajaan simulointiin.
Aika kova juttu. Menin vähän aikaa sitten väittämään, että Blue Gene teknologiaa ei tulla käyttämään tällä rintamalla, mutta onneksi olin väärässä! Nyt mennään kovaa, mutta minne?
Eihän Blue Gene -tason kone vielä pysty koko aivoja molekyylitasolta asti simuloimaan, mutta ehkä muutamaa kolumnia tai vastaavaa kokonaisuutta, jopa ehkä hippokampusta. Mutta se seuraava tietokonesukupolvi voi jo yltää koko aivoihin ja siitä n. 15v eteenpäin, niin kohtuuhintainen kone pystyy samaan ja tavallinen ihminen pystyy ajamaan omien aivojensa varmuuskopioita (sitten kun tiedämme millä ne voisi ensin skannata).
Mutta singulariteetti voi ehtiä ennen! Elämme jännittäviä vuosikymmeniä!
Vastaukset 9
Vanhimmat
"Eihän Blue Gene -tason kone vielä pysty koko aivoja molekyylitasolta asti simuloimaan, mutta ehkä muutamaa kolumnia tai vastaavaa kokonaisuutta, jopa ehkä hippokampusta. "
Tarkotus onkin simuloida vain yksi NCC (neocortical column) kerrallaan molekyylitasolla ja sitten muodostaa siitä ylemmän hierarkiatson malli, joita yhdistelemällä saadaan koko aivojen malli.
Yhdessä "aivokuoren pylväässä", NCC:ssä, on 10 000 - 70 0000 neuroonia, se on n. 0,5mm paksu ja 2mm korkea. Sitä on nimitetty vertauskuvallisesti "aivojen mikroprosessoriksi". Se on siis jonkinlainen rakenneyksikkö, jossa on hyvin paljon sisäisiä kytkentöjä, mutta rajoitetummin ulkoisia kytkentöjä.
Olen kanssa mielenkiinnolla seuraillut tuota, tietokoneista en tiedä mitään, neurobiologiasta jotain toivottavasti :) Itse en usko mettä vielä pitkiin aikoihin pystytääv mallintamaan edes osia aivoista pätevästi (ts. niin, että esim. hippokampusleike ja tietokonemalli antaisivat tulokset kokeissa), sillä aivojen molekyylitason toiminta on edelleen aika huonosti tunnettua. Tietokonehan ei tunnetusti luo uutta tietoa, vaan yhdistelee vanhaa (usein kylläkin hyvin valaisevalla tavalla), joten se ei kykene mallintamaan aivoja hyvin enne kuin voimme koneelle kertoa, millaiset aivot ovat.
Epäilen siis, että aivojen varmuuskopioita voidaan joutua odottelemaan useita vuosikymmeniä...jos se nyt ylipäänsä on skannausmenetelmien puitteissa ikinä mahdollista :)
Tästäkin huolimatta tuo ja muut tietokonemallit ovat tärkeitä tutkimukselle, niillä voidaan. mm jo nyt vähentää hieman eläinkokeita ja jatkossa todennäköisesti korvaamismahdollisuudet lisääntyvät. Lisäksi malleja ja todellisuutta vertaamalla voimme päätellä, kuinka paljon todella tiedämme.
" tietokoneista en tiedä mitään, neurobiologiasta jotain toivottavasti :)"
Minä olen tietokoneissa huono ammattilainen (hyvin suppeaa erikoisosaamista ja paljon yleistä perusymmärrystä: iso aukko välissä :( ), mutta neurologiassa uskon olevani hyvä amatööri. Eli puheisiini kannattaa aina suhtautua varauksella.
En näe tietokoneen hyödyntämisellä mitään periaattellista rajaa. Mooren laki ehkä hidastuu piakkoin piilitografiassa, mutta nanotekniset ja vaikka DNA-pohjaiset piiriratkaisut tuovat uutta tehoa vielä vuosikymmenien ajan, jos esim. maailmantalous ei romahda. Uskon myös, että ohjelmistotekniikkakin löytää "hopealuoteja" ja tekoälymenetelmien osaaminen paranee radikaalisti.
Sitä mukaa, kun neuronin todellisen rakenteen ja toiminnan ymmärrys tarkentuu, niin myös tietotekniikka pystyy verkkojen "riittävän" tarkkaan mallintamiseen.
Mutta olen hyvin tyytyväinen siitä, että IBM:ssä on ymmärretty asian tärkeys ja firma tukee ihmiskunnan tärkeimmän tieteellisen haasteen ratkaisua!
Minä en usko, että tietokoneiden kehitys tulee olemaan tämän hankkeen pullonkaula. Kuten sanoin, niin koneet ovat minulle lähinnä välttämätön paha, mutta maallinkon tietojeni perusteella uskon silti, että niiden kapasiteettia pystytään kyllä kasvattamaan melko nopeastikin.
Sen sijaan olen hyvin vakuuttunut siitä, että tietomme neurobiologiasta eivät tule lisääntymään lähitulevaisuudessa niin paljon, että niiden perusteella voitaisiin toimivasti ja todella tarkasti mallintaa edes aivojen osien (kuten hippokampuksen) toimintaa. Mitä enemmän neurobiologian tutkimusta sisältä päin näkee, sitä enemmän pahoja eukkoja tuntuu löytyvän. Vielä kauempana lienevät toimivat skannausmenetelmät, joiden avulla esim. "varmuuskopioita" voitaisiin ottaa, siinä kehityksessä on otettu tuskin alkuaskelia.
Kaikesta tästä huolimatta minustakin on kyllä hienoa, että tuohon asiaan panostetaan, ja uskon, että vaikka täydellinen mallintaminen jäisikin haaveen tasolle vielä sadaksi vuodeksi, voivat tuon kaltaiset projektit antaa meille runsaasti hyödyllistä tietoa - ja aivan varmasti ne ruokkivat mielikuvitustamme :)
" Sen sijaan olen hyvin vakuuttunut siitä, että tietomme neurobiologiasta eivät tule lisääntymään lähitulevaisuudessa niin paljon, että niiden perusteella voitaisiin toimivasti ja todella tarkasti mallintaa edes aivojen osien (kuten hippokampuksen) toimintaa. Mitä enemmän neurobiologian tutkimusta sisältä päin näkee, sitä enemmän pahoja eukkoja tuntuu löytyvän. Vielä kauempana lienevät toimivat skannausmenetelmät, joiden avulla esim. "varmuuskopioita" voitaisiin ottaa, siinä kehityksessä on otettu tuskin alkuaskelia."
Olen täsmälleen samaa mieltä vaikeusjärjestyksestä:
1. Helpointa on laskentateho: aika hoitaa sen.
2. Seuraavaksi vaikeinta on neuroarkkitehtuurinen ymmärrys. Mutta kyllä tässä ollaan jo kovin pitkällä. Esimerkkinä Mind-Upload-sivujen (http://minduploading.org/) ja sähköpostilistan ylläpitäjän Randal Koenen (ja muiden laitoksen tutkijoiden) hippokampustutkimukset:
http://askja.bu.edu/
3. Vaikeinta on tuo skannaus, mutta silläkin suunnalla homma edistyy ja läpimurto voi olla mahdollinen. Se vaan saattaa jäädä singulariteetin jälkeiseen aikaan..
"Seuraavaksi vaikeinta on neuroarkkitehtuurinen ymmärrys. Mutta kyllä tässä ollaan jo kovin pitkällä."
Tämä on tietysti määrittelykysymys. Mutta kun otamme huomioon sen tosiasian, ettemme tiedä kovinkaan tarkasti esim.
a) kuinka solun sähköisiin (ja siten viestinnällisiin) ominaisuuksiin vaikuttavat ionikanavat ovat jakautuneet hermosolujen eri osiin eri solutyypeissä
b) mikä on LTPn ja LTDn tarkka molekyylitason mekanismi eri soluissa ja kuinka niitä moduloidaan tai mikä niiden rooli todella oppimisessa on
c) mikä yhteys tarkalleen ottaen on anatomialla ja funktiolla
Neuroarkkitehtuuria tunnetaan toki jo kohtalaisen hyvin, mutta pelkkä arkkitehtuuri ei kerro paljoakaan aivojen funktioista. Neuroarkkitehtuuri ei myöskään ole stabiili vaan se on riippuvainen mm. edellä mainituista esimerkestä ja muuttuu jatkuvasti, siksi edes arkkitehtuurin dynaaminen mallintaminen ei onnistu ilman syvempää tietoa molekyylitason mekanismeista (jota meillä ei ole) eikä varmuuskopioiden ottaminen ole mahdollista. Kyseinen projekti ei toki suoraan tällaiseen mallintamiseen pyrikään.
Tulipa sekava, sorry :)
" a) kuinka solun sähköisiin (ja siten viestinnällisiin) ominaisuuksiin vaikuttavat ionikanavat ovat jakautuneet hermosolujen eri osiin eri solutyypeissä
b) mikä on LTPn ja LTDn tarkka molekyylitason mekanismi eri soluissa ja kuinka niitä moduloidaan tai mikä niiden rooli todella oppimisessa on
c) mikä yhteys tarkalleen ottaen on anatomialla ja funktiolla"
a) ja b) ovat hyviä melko selkeästi määriteltyjä kysymyksiä, joiden vastausehdotuksia on olemassa, mutta ei selkeää kuvaa. Varmasti 5-10v kuluttua asiat ovat riittävän selkeitä.
c) kohtaan on Blue Brain projektin juuri minun ymmärtääkseni tarkoitus todenteolla paneutua. Siis myös ehkä 10v kuluttua kuva on selkeä.
"arkkitehtuurin dynaaminen mallintaminen ei onnistu ilman syvempää tietoa molekyylitason mekanismeista"
Tämän minäkin olen ymmärtänyt isoksi kysymykseksi. Miten on mahdollista, että yleensä muistamme mitään päivää tai viikkoa kauempaa, kun neuroonien dedriittirakenne, synapseista puhumattakaan, elää kokoajan villisti???? Tästä oli jossakin hyviä kuvia. Jo tuntien kulutta samassa neuroonissa on silminnähtävän (on tietysti mikroskoopilla) isoja muutoksia! Teorioita on, mutta ei vakuuttavia. Mutta tähänkin BBP voi tuoda valoa.
Itse olen ehkä hieman skeptinen, koska viimeisen 20 vuoden aikana biologian eri aloilla on ennustettu sitä järjetöntä läpimurtoa niin monta kertaa, eikä mitään ole tapahtunut... :) Tai siis toki "mitään" mutta odotuksiin nähden saaliit ovat olleet laihoja. Geeniteknologian piti vähentää tarvetta elänkokeisiin huomattavasti 1990-luvullä. Kävi päin vastoin...jne.
c) oli tosiaan aika laaja, ja äärettömän mielenkiintoinen kysymys. Tässä eräänä päivänä olin luennolla, jossa yksi heppu (harmikseni en nimeä muista) esitteli menetelmää, jolla voitiin kuvantaa anatomian muutoksia in vivo okahaarakkeiden tasolla - ne kuvat olivat kyllä mykistäviä, juuri kuvailemasi kaltaisia. In vitro menetelmät ovat tietysti jo paremmin kehittyneitä.
"Miten on mahdollista, että yleensä muistamme mitään päivää tai viikkoa kauempaa, kun neuroonien dedriittirakenne, synapseista puhumattakaan, elää kokoajan villisti????"
Niinpä! Väitän, että vastaamalla tuohon saat Nobelin tai kaksi :) Viimeaikoina LTPn puolesta on liputettu kovasti, mutta valitettavasti mekanismin linkki oppimiseen ja muistamiseen puuttuu - joissain artikkeleissa oppiminen on hälyyttävästi redusoitu hippokampuksen CA1 alueen LTPksi, mikä on minusta perusteetonta yksinkertaistamista. Muilla aivoalueilla tutkimusta on tehty vähemmän, mutta näyttää selvältä, että LTPn mekanismit vaihtelevat rajusti eri alueilla.
Well, tulevaisuus näyttää, onneksi olen vielä nuori, eli todennäköisesti voin tarkistaa 10-20 vuoden päästä onko povaamaasi edistystä tapahtunut ;)
"joissain artikkeleissa oppiminen on hälyyttävästi redusoitu hippokampuksen CA1 alueen LTPksi, mikä on minusta perusteetonta yksinkertaistamista."
Noin ei todellakaan voi yksinkertaistaa. Hippokampuksen oppiminen on tärkeää: episodien, tapahtumaketjujen ja geometristen sisäisten mallien (paikkasolut) muistaminen, mutta se ilmeisesti on erittäin aktiivisessa vuorovaikutuksessa aivokuoren ja muiden alueiden oppimisen kanssa. Hippokampus tarvitsee aivokuoren esikäsiteltyjä abstraktioita (jotka on siis opittu) ja sen episodinen sisältö ilmeisesti muokkaa ja jopa ylläpitää (siis tämä dynaamisuus) aivokuoren ja muiden alueiden muistisisältöä. Kokonaisuus on aivan ilmeisesti melkoisen monimutkainen, mutte EI äärettömän monimutkainen. Oletan BBP:n tuovan tähän paljon selvitystä. Tällaista työkalua ei yksikertaisesti ole ennen ollut.
Myös sisarprojekti Blue Gene tuo varmasti piankin mielenkiintoisia tuloksia.
Ihmisen aivojen "geneerinen" rakenne (se mikä on meillä kaikilla yhteistä) ei voi olla "äärettömän" monimutkaista, koska geenit luovat sen sikiöaikana ja geenejä on rajallinen määrä, eteenkin ihmisen aivospesifisiä geenejä. Yksilön aivot ovat käsittämättömän monimutkaiset ja siksi "Mind Upload" on vielä kaukana. Käsittäkseni BBP keskityy juuri tuohon geneeriseen rakenteeseen.