MIT-ის მეცნიერებმა ჩაატარეს კვლევა, რათა გაეგოთ, ტვინის რომელი ნაწილია ჩართული კომპიუტერული პროგრამირებისას. მკვლევრებმა აღმოაჩინეს, რომ ტვინის რამდენიმე მოთხოვნა და ენობრივი სისტემა, რომლებიც აბსოლუტურად განსხვავებულ კოგნიტიურ დავალებებს უმკლავდებიან, შეიცავენ სპეციფიკური კოდის თვისებებს და მათ უნიკალურად უთავსებენ მანქანურ სწავლებას, რომელიც კოდის სახითაა წარმოდგენილი.
MIT-ის მეცნიერებმა ჩაატარეს კვლევა, რათა გაეგოთ, ტვინის რომელი ნაწილია ჩართული კომპიუტერული პროგრამირებისას. მკვლევრებმა აღმოაჩინეს, რომ ტვინის რამდენიმე მოთხოვნა და ენობრივი სისტემა, რომლებიც აბსოლუტურად განსხვავებულ კოგნიტიურ დავალებებს უმკლავდებიან, შეიცავენ სპეციფიკური კოდის თვისებებს და მათ უნიკალურად უთავსებენ მანქანურ სწავლებას, რომელიც კოდის სახითაა წარმოდგენილი.
ფუნქციური მაგნიტურ-რეზონანსული გამოსახულება, რომელიც ზომავს ცვლილებას ტვინისთვის სისხლის მიწოდებაში, ბოლო რამდენიმე ათწლეულის განმავლობაში სხვადასხვა დანიშნულებით მუშაობდა.
«ფუნქციური ანატომია» არის გზა იმის დასადგენად, თუ ტვინის რომელი უბნებია ჩართული, როდესაც ადამიანი კონკრეტულ ამოცანას ასრულებს.
ფუნქციური მაგნიტურ-რეზონანსული გამოსახულება გამოიყენებოდა ადამიანების ტვინის დასათვალიერებლად, როცა ისინი ასრულებენ სხვადასხვა დავალებას — მათემატიკური ამოცანების შემუშავება, უცხო ენების შესწავლა, ჭადრაკის თამაში, ფორტეპიანოზე იმპროვიზაცია, კროსვორდების კეთება და სატელევიზიო გადაცემების ყურება, როგორიცაა, მაგალითად, Curb Your Enthusiasm.
ერთ-ერთი დავალება, რომელსაც ნაკლები ყურადღება ეთმობოდა, კომპიუტერული პროგრამირებაა — როგორც კოდის დაწერის პროცესი, ისე უკვე დაწერილი კოდის ნაწილის გაგების მცდელობა, რომელიც ასევე დამაბნეველი ამოცანაა.
MIT-ის კომპიუტერული მეცნიერებისა და ხელოვნური ინტელექტის ლაბორატორიის დოქტორანტი, შაშანკ სრიკანტი საუბრობს კოდირებაში ჩართული ტვინის ნაწილების გამოკვლევის მნიშვნელობაზე.
«იმ მნიშვნელობის გათვალისწინებით, რაც კომპიუტერულმა პროგრამებმა მიიღეს ჩვენს ყოველდღიურ ცხოვრებაში, რა თქმა უნდა, ღირს ამ თემაზე ყურადღების გამახვილება. ჩვენს რეალობაში ბევრ ადამიანს აქვს საქმე კოდთან — კითხვა, წერა, დიზაინი, გამართვა — მაგრამ, არავინ იცის, რა ხდება მათ თავში, როდესაც ეს პროცესი მომდინარეობს».
საბედნიეროდ, სრიკანტმა შეძლო გარკვეული «წინასწარი» წარმატების მიღწევა ამ მიმართულებით თავის ნაშრომში, რომელიც მან MIT-ის კოლეგებთან: ბენჯამინ ლიპკინთან, ანა ივანოვასთან, ეველინა ფედორენკოსა და უნა მეი ო'რეილთან ერთად შექმნა. ნაშრომი 2022 წლის დეკემბრის დასაწყისში, ნიუ ორლეანში გამართულ «ნერვული ინფორმაციის დამუშავების სისტემების» კონფერენციაზე წარადგინეს.
ნაშრომი ეყრდნობა 2020 წლის კვლევას, რომლის შექმნაში მონაწილეობას 2022 წლის კვლევის ავტორებიც იღებდნენ. კვლევა იყენებდა ფუნქციური მაგნიტურ-რეზონანსული გამოსახულებას პროგრამისტების ტვინის მონიტორინგისთვის, როდესაც ისინი ცდილობდნენ გარკვევას კოდის პატარა ნაწილებში ან ფრაგმენტებში.
2020 წლის კვლევის თანაავტორი, ტვინისა და შემეცნებითი მეცნიერებების პროფესორი ფედორენკო ლაპარაკობს ნაშრომის შედეგზე, რომელმაც აჩვენა, რომ კოდის გარკვევის პროცესმა თანამიმდევრულად არ გაააქტიურა ენობრივი სისტემა და ტვინის რეგიონები, რომლებიც მუშაობენ ენის დამუშავებაზე.
«ამის ნაცვლად, ძლიერი იყო მრავალჯერადი მოთხოვნის ქსელის ჩართულობა — ტვინის სისტემა, რომელიც დაკავშირებულია ზოგად მსჯელობასთან და მხარს უჭერს ისეთ დომენებს, როგორიცაა მათემატიკური და ლოგიკური აზროვნება».
ახალი კვლევა, რომელიც ასევე იყენებს პროგრამისტების ტვინის ფუნქციური მაგნიტურ-რეზონანსული გამოსახულებით სკანირებას, უფრო სიღრმისეულ და დეტალურ ინფორმაციას მოიცავს.
2020 წლის კვლევა 20-30 ადამიანს აკვირდებოდა, რათა დაედგინა, ტვინის რომელ სისტემას ეყრდნობა კოდირების გაგება. ახალი კვლევა განიხილავს ცალკეული პროგრამისტების ტვინის აქტივობას, როდესაც ისინი ამუშავებენ კომპიუტერული პროგრამის სპეციფიკურ ელემენტებს.
მაგალითად, დავუშვათ, რომ არსებობს კოდის ერთსტრიქონიანი ნაწილი, რომელიც მოიცავს სიტყვების მანიპულირებას და კოდის ცალკეული ნაწილი, რომელიც მოიცავს მათემატიკურ ოპერაციას.
«შემიძლია, გადავიდე იმ აქტივობიდან, რომელსაც ჩვენ ვხედავთ ტვინში, ტვინის რეალურ სიგნალებზე, რომ შევეცადო, დავაკვირდე და გავარკვიო, კონკრეტულად რას უყურებდა პროგრამისტი?» — კითხულობს შაშანკ სრიკანტი — «ეს გამოავლენს, კოდირებასთან დაკავშირებული რა ინფორმაციაა ჩაშენებული ჩვენს ტვინში».
სრიკანტის თქმით, ნეირომეცნიერებისთვის თვისება ითვლება დაშიფრულად, თუ მათ შეუძლიათ ამ თვისების აღმოჩენა ვინმეს ტვინის სიგნალების დათვალიერებით.
მაგალითად, ავიღოთ განმეორებითი მოქმედება [loop] — ინსტრუქცია პროგრამის შიგნით კონკრეტული ოპერაციის განმეორების მიზნით სასურველი შედეგის მისაღწევად, ან პროგრამირების ინსტრუქციის განშტოება, რომელმაც შეიძლება გამოიწვიოს კომპიუტერის გადართვა ერთი ოპერაციიდან მეორეზე.
ტვინის აქტივობის ნიმუშებზე დაყრდნობით, ჯგუფს შეეძლო გაეგო, აფასებდა თუ არა ვინმე კოდის ნაწილს, რომელიც მოიცავს განმეორებით მოქმედებას ან ინსტრუქციის განშტოებას. მკვლევარებს ასევე შეეძლოთ დაედგინათ, ეხებოდა თუ არა კოდი სიტყვებს ან მათემატიკურ სიმბოლოებს და იკითხებოდა რეალური კოდი, თუ კოდის წერილობითი აღწერა.
ეს ეხებოდა პირველ კითხვას, რომელიც გამომძიებელმა შესაძლოა დასვას იმის გასაგებად, არის თუ არა რაიმე ჩაშენებული. თუ პასუხი დადებითია, შესაძლოა გაჩნდეს შეკითხვა: სად არის ის ჩაშენებული?
ზემოაღნიშნულ შემთხვევებში — განმეორებითი მოქმედება ან კოდირების განშტოება, მათემატიკური ან სიტყვიერი ამოცანები, რეალური კოდი ან კოდის წერილობითი აღწერა — ტვინის აქტივაციის დონეებში შედარებითი იყო, როგორც ენობრივ სისტემაში, ასევე მრავალჯერადი მოთხოვნის ქსელში.
თუმცა, შესამჩნევი განსხვავება დაფიქსირდა, როდესაც საქმე კოდის იმ თვისებებს შეეხო, რომლებიც დაკავშირებულია დინამიკურ ანალიზთან.
პროგრამებს შესაძლოა ჰქონდეთ «სტატისტიკური» თვისებები, როგორიცაა რიცხვების რაოდენობა თანმიმდევრობით, რომლებიც დროთა განმავლობაში არ იცვლება.
«მაგრამ პროგრამებს ასევე შეიძლება ჰქონდეთ დინამიკური ასპექტი, როგორიცაა განმეორებით მოქმედების გაშვების რაოდენობა», — ამბობს სრიკანტი. — «ყოველთვის არ არის შესაძლებელი, წავიკითხოთ კოდი და წინასწარ განვსაზღვროთ, რა იქნება ამ პროგრამის გაშვების დრო».
MIT-ის მკვლევრებმა დაადგინეს, რომ დინამიკური ანალიზისთვის ინფორმაცია ბევრად უკეთ არის ჩაშენებული მრავალჯერადი მოთხოვნის ქსელში, ვიდრე ენების დამუშავების ცენტრში.
ეს აღმოჩენა ერთ-ერთი მინიშნება იყო მათ სწრაფვაში იმის დასანახად, თუ როგორ ნაწილდება კოდის გაშიფვრა მთლიან ტვინში — რომელი ნაწილებია ჩართული და რომელს აკისრია უფრო დიდი როლი ამოცანების კონკრეტულ ასპექტებში.
გუნდმა ჩაატარა ექსპერიმენტების მეორე ნაკადი, რომელშიც ჩართული იყო მანქანური სწავლების მოდელები — ნერვული ქსელები, რომლებიც სპეციალურად იყო მომზადებული კომპიუტერულ პროგრამებზე. ამ მოდელებს ბოლო წლებში ჰქონდათ გარკვეული წარმატება და ეხმარებოდნენ პროგრამისტებს კოდის ნაწილების დასრულებაში. გუნდს სურდა გაერკვია, იყო თუ არა მათ კვლევაში ნანახი ტვინის სიგნალები, რომლებიც მათ კოდის ნაწილების გაშიფვრის კვლევისას აღმოაჩინეს, მსგავსი აქტივაციის შაბლონებისა, რომლებიც გამოვლინდა მაშინ, როდესაც ნერვული ქსელები აანალიზებდნენ კოდის იმავე ნაწილს. პასუხი კვალიფიცირებულად დადებითი აღმოჩნდა.
შაშანკ სრიკანტის თქმით «თუ ნერვულ ქსელში კოდის ნაწილს ჩადებთ, ის აწარმოებს რიცხვების ჩამონათვალს, რომელიც გარკვეულწილად გეტყვით, რის შესახებაა პროგრამა.»
იმ ადამიანების ტვინის სკანირება, რომლებიც სწავლობენ კომპიუტერულ პროგრამირებას, ანალოგიურად აწარმოებს რიცხვების ჩამონათვალს. სრიკანტის თქმით, როდესაც პროგრამაში დომინირებს ინსტრუქციის განშტოება, ჩანს ტვინის აქტივობის მკაფიო სურათი და მსგავსი ნიმუში ჩნდება მაშინაც, როდესაც მანქანური სწავლების მოდელი ცდილობს, გაიგოს იგივე ფრაგმენტი.
მაქს პლანკის პროგრამული სისტემების ინსტიტუტის წარმომადგენელი, მარია ტონევა მიიჩნევს, რომ მსგავსი აღმოჩენები განსაკუთრებით საინტერესოა.
«ისინი ზრდის კოდის გამოთვლითი მოდელების გამოყენების შესაძლებლობას, რათა უკეთ გავიგოთ, რა ხდება ჩვენს ტვინში პროგრამების კითხვისას.» — ამბობს ტონევა.
MIT-ის მეცნიერები დაინტერესებული არიან მათ მიერ აღმოჩენილი კავშირებით, რომლებიც ნათელს მოჰფენენ ტვინში კომპიუტერული პროგრამების დისკრეტული ნაწილების დაშიფვრას. თუმცა, მათ ჯერ არ იციან, რა შეიძლება იყოს ამ ბოლო დროს შეგროვებული შეხედულებების შედეგი იმის შესახებ, თუ როგორ ახორციელებენ ადამიანები უფრო დახვეწილ გეგმებს რეალურ სამყაროში.
იმ ტიპის ამოცანების შესრულება, როგორიცაა კინოში წასვლა, რომელიც მოითხოვს ჩვენების დროის შემოწმებას, გადაადგილების ფორმის არჩევას, ბილეთის შეძენას და ა.შ., ვერ დამუშავდება კოდის ერთი ერთეულით ან მხოლოდ ერთი ალგორითმით. ასეთი გეგმის წარმატებით შესრულება მოითხოვს კომპოზიციას — სხვადასხვა ფრაგმენტებისა და ალგორითმების გაერთიანებას გონივრული თანმიმდევრობით, რაც იწვევს რაიმე ახლის შექმნას, ისევე, როგორც ცალკეული მუსიკის ზოლების შეკრება ქმნის სიმღერას ან სიმფონიას.
CSAIL-ის მთავარი მკვლევარი, ო’რეილი ამბობს, რომ კოდის შემადგენლობის მოდელების შექმნა ამჟამად მათი გონების მიღმაა.
BCS-ის დოქტორანტ ბენჯამინ ლიპკინს მიაჩნია, რომ შემდეგი ლოგიკური ნაბიჯი იმის გარკვევაა, თუ როგორ უნდა გაერთიანდეს მარტივი ოპერაციები რთული პროგრამების შესაქმნელად და გამოიყენოს ეს სტრატეგიები ზოგადი ამოცანების ეფექტურად გადასაჭრელად. გარდა ამისა, მას მიაჩნია, რომ ამ მიზნისკენ მიღწეულ გარკვეულ პროგრესს გუნდი ინტერდისციპლინურ შემადგენლობას უნდა უმადლოდეს.
«ჩვენ შევძელით, ინდივიდუალური გამოცდილებებიდან გამოგვეყენებინა პროგრამის ანალიზი და ნერვული სიგნალის დამუშავება, ასევე, კომბინირებული მუშაობა მანქანური სწავლებისა და ბუნებრივი ენის დამუშავებისას. ამ ტიპის თანამშრომლობა სულ უფრო ხშირი ხდება, რადგან ნეირო და კომპიუტერული მეცნიერებები უერთდებიან ზოგადი ინტელექტის გაგებისა და აშენებისკენ მიმართულ ბრძოლას».
კვლევა, რომლის შესახებაც სტატიაშია მოთხრობილი, დაფინანსდა MIT-IBM Watson AI ლაბორატორიის, MIT Quest for Intelligence, ეროვნული სამეცნიერო ფონდი, ჯანმრთელობის ეროვნული ინსტიტუტის, McGovern-ის ტვინის კვლევის ინსტიტუტის, MIT-ის ტვინისა და შემეცნებითი მეცნიერებების დეპარტამენტისა და Simons-ის სოციალური ცენტრის გრანტებით.
