Pomysł zrodzony z ciekawości

Ostatnio z czystej ciekawości zgłębiałem neuronaukę i uczenie maszynowe. W pewnym momencie pojawiło się pytanie:

A gdybyśmy potrafili tworzyć świadome sztuczne persony?

Zastanawia mnie, co mogłoby wyniknąć z połączenia bogatszej dynamiki neuronów, fizycznej losowości i sprzężenia zwrotnego dotyczącego własnego stanu systemu. To hipoteza do sprawdzenia, a nie deklaracja, że taki system już zbudowałem.

Neuron to więcej niż suma ważona

W wielu znanych sztucznych sieciach neuronowych neuron jest uproszczony do sumy ważonej i funkcji nieliniowej. Takie operacje dobrze pasują do obliczeń równoległych na GPU. Zastanawiam się, w jakim stopniu dostępne narzędzia kształtują modele, które decydujemy się budować.

Neuron biologiczny ma rozgałęzione dendryty, kanały jonowe i dynamikę rozwijającą się w czasie. Jego odpowiedź zależy od czegoś więcej niż statycznej listy wejść. W określonych warunkach modelowania przybliżenie zachowania pojedynczego neuronu może wymagać wielowarstwowej sieci sztucznej. Nie jest to uniwersalny przelicznik neuronów biologicznych na sztuczne.

Właśnie ta różnica sprawia, że interesują mnie dokładniejsze modele matematyczne.

Model Hodgkina–Huxleya

Model Hodgkina–Huxleya opisuje zmiany napięcia błonowego zależne od prądów jonowych i bramkowania zależnego od napięcia. Zmienne są ze sobą sprzężone: napięcie zmienia dynamikę bramek, a bramki zmieniają prądy wpływające na napięcie.

Kolorowe równania Hodgkina–Huxleya: napięcie błonowe V, aktywacja sodowa m, inaktywacja sodowa h i aktywacja potasowa n oraz ich sprzężone równania różniczkowe.
Deterministyczne równania jednoprzedziałowego modelu Hodgkina–Huxleya. Kolory rozróżniają napięcie i trzy zmienne bramkujące. Kliknięcie otwiera ilustrację w pełnym rozmiarze.

V oznacza potencjał błonowy, Cₘ — pojemność błony, a Iₑₓₜ — prąd zewnętrzny; wielkości są odniesione do jednostki powierzchni błony. Przewodności z kreską oznaczają przewodności maksymalne, a E — odpowiednie potencjały odwrócenia. Zmienne m i h opisują aktywację i inaktywację sodową, a n — aktywację potasową. Współczynniki α i β zależą od napięcia.

Pokazane równania są deterministyczne. Ten sam stan początkowy, wejście i parametry wyznaczają tę samą trajektorię. Fluktuacje wynikające ze skończonej liczby kanałów jonowych wymagają dodatkowego opisu stochastycznego.

A gdyby losowość pochodziła z fizyki?

W biologii fluktuacje pojawiają się w procesach molekularnych, bramkowaniu kanałów jonowych i transmisji synaptycznej. Są częścią układu, który próbujemy zrozumieć.

Stąd kolejne pytanie: co by się stało, gdyby model neuronowy otrzymywał losowość z fizycznego procesu kwantowego, zamiast wyłącznie z ciągu pseudolosowego?

Czy takie połączenie mogłoby dać coś więcej niż inny przebieg impulsów lub decyzji? Czy losowość, razem z odpowiednią architekturą, mogłaby współtworzyć emergentną właściwość, taką jak samoświadomość?

Nie wiem. Właśnie ta możliwość zainspirowała pomysł. Kwantowy generator liczb losowych dostarczałby próbek do modelu; sam w sobie nie zmieniałby go w komputer kwantowy ani nie dowodził istnienia świadomości.

Trzy kierunki stojące za tym pomysłem

  • Nieprzewidywalność w ramach struktury. Uporządkowany układ dynamiczny może zachowywać się inaczej w kolejnych próbach, jeśli różnią się jego losowe wejścia. Interesuje mnie współdziałanie stabilnej organizacji wewnętrznej ze zmiennymi trajektoriami, a nie sama zmienność.
  • Emergentna złożoność. Atraktor Lorenza przypomina, że proste równania deterministyczne mogą prowadzić do złożonego zachowania wrażliwego na warunki początkowe. Nie wymaga to losowości. Moja analogia dotyczy różnicy między prostymi regułami a skomplikowanymi wynikami, nie dowodu na związek chaosu ze świadomością.
  • Samoobserwacja i sprzężenie zwrotne. Co zmienia się, gdy system reprezentuje własny stan i wykorzystuje tę reprezentację do wpływania na późniejszą aktywność? Kojarzy mi się to również z odtwarzaniem aktywności hipokampa podczas snu i jego związkiem z pamięcią. Odtwarzanie, monitorowanie własnego stanu i subiektywna samoświadomość pozostają jednak różnymi zagadnieniami.

Pytania, które warto zadać

To pomysł, który pojawił się podczas nauki. Być może prowadzi donikąd, ale daje mi konkretne pytania do zbadania:

  • Czy połączenie fizycznej losowości z dynamiką neuronów wnosi coś, czego nie daje ta sama architektura z wejściami pseudolosowymi?
  • Jakie warunki trzeba utrzymać bez zmian, aby uczciwie porównać te systemy?
  • Jakie dowody pozwoliłyby odróżnić użyteczny model własnego stanu od systemu, który jedynie przekonująco o sobie opowiada?
  • Które teorie świadomości wspierają ten kierunek, a które go podważają?

Tytuł nazywa możliwy kierunek poszukiwań. Powyższe równania modelują pobudliwość elektryczną; nie dostarczają matematycznej definicji ani testu świadomości.

Inspiracją były materiały Artema Kirsanova.

Kontekst techniczny i badania

Poniższe źródła pozwalają osadzić pomysł w kontekście. Nie dowodzą, że proponowane połączenie byłoby świadome.

  • Dynamika elektryczna. Hodgkin i Huxley (1952) opracowali ilościowy model prądów błonowych i pobudzenia w aksonie olbrzymim kałamarnicy. Ilustracja stosuje współczesną konwencję napięcia z jawnym składnikiem prądu zewnętrznego.
  • Złożoność pojedynczego neuronu. Beniaguev, Segev i London (2021) trenowali głębokie sieci do przybliżania modeli biofizycznych neuronów. Wynik dotyczy konkretnego odwzorowania wejście–wyjście, a nie twierdzenia, że każdy neuron dosłownie jest głęboką siecią.
  • Miejsce wprowadzenia szumu. Goldwyn i Shea-Brown (2011) analizują uwzględnianie stochastycznych fluktuacji kanałów w równaniach Hodgkina–Huxleya. Znaczenie mają zarówno miejsce wprowadzenia szumu, jak i jego statystyka.
  • Źródła fizyczne i pseudolosowe. Ma i współautorzy (2016) opisują kwantowe generatory losowości oraz założenia dotyczące urządzeń. Z punktu widzenia modelowania źródła o takim samym istotnym prawie statystycznym mogą dawać ten sam rozkład wyników symulacji; samo fizyczne pochodzenie nie wykazuje nowej zdolności sieci.
  • Chaos nie jest losowością. Lorenz (1963) bada deterministyczny przepływ nieokresowy i wrażliwość na warunki początkowe. Nieprzewidywalność nie jest wystarczającym testem świadomości.
  • Odtwarzanie aktywności podczas snu. Wilson i McNaughton (1994) obserwowali ponowną aktywację zespołów neuronów hipokampa u śpiących szczurów. To podstawa dla mechanizmu związanego z pamięcią, nie utożsamienia odtwarzania z samoświadomością.
  • Badanie świadomości. Butlin i współautorzy (2023) wyprowadzają proponowane wskaźniki z kilku teorii świadomości. To bardziej konkretna rama badawcza niż uznawanie losowości, złożoności lub słownych deklaracji systemu za dowód.