Bloki poznawcze dają mózgowi przewagę nad sztuczną inteligencją

Bloki poznawcze dają mózgowi przewagę nad sztuczną inteligencją

Sztuczna inteligencja może pisać wielokrotnie nagradzane artykuły i diagnozować choroby z niezwykłą dokładnością, ale mózgi biologiczne nadal mają przewagę w co najmniej jednym kluczowym obszarze: elastyczności.

Na przykład ludzie mogą szybko i stosunkowo łatwo przystosować się do nowych informacji i nieznanych wyzwań – ucząc się nowego oprogramowania komputerowego, postępując zgodnie z przepisem lub ucząc się nowej gry – podczas gdy systemy sztucznej inteligencji mają trudności z nauką w locie.

W nowym badaniu neurolodzy z Princeton odkrywają jeden z powodów, dla których mózg ma przewagę nad sztuczną inteligencją: ponownie wykorzystuje te same „bloki” poznawcze w wielu różnych zadaniach. Łącząc i ponownie łącząc te bloki, mózg może szybko rozwinąć nowe zachowania.

Najnowocześniejsze modele sztucznej inteligencji mogą w poszczególnych zadaniach osiągać ludzką, a nawet nadludzką wydajność. Jednak trudno im się uczyć i wykonywać wiele różnych zadań. Odkryliśmy, że mózg jest elastyczny, ponieważ może ponownie wykorzystywać elementy poznania w wielu różnych zadaniach. Łącząc ze sobą te „kognitywne klocki Lego”, mózg jest w stanie opracowywać nowe zadania”.

Doktor Tim Buschman, starszy autor badania i zastępca dyrektora Instytutu Neuronauki w Princeton

Wyniki opublikowano 26 listopada w czasopiśmie Nature.

Wykorzystaj ponownie umiejętności w nowych wyzwaniach

Jeśli ktoś umie naprawić rower, być może naprawa motocykla przychodzi mu bardziej naturalnie. Tę zdolność uczenia się czegoś nowego poprzez ponowne wykorzystanie prostszych umiejętności z powiązanych zadań naukowcy nazywają kompozycją.

„Jeśli już wiesz, jak upiec chleb, możesz wykorzystać tę umiejętność do upieczenia ciasta bez konieczności uczenia się pieczenia od zera” – stwierdziła dr Sina Tafazoli, badaczka ze stopniem doktora w laboratorium Buschman w Princeton i główna autorka nowego badania. „Wykorzystujesz istniejące umiejętności – obsługę piekarnika, odmierzanie składników, wyrabianie ciasta – i łączysz je z nowymi umiejętnościami, takimi jak ubijanie ciasta i robienie lukru, aby stworzyć coś zupełnie innego”.

Istnieją jednak ograniczone, a czasem sprzeczne dowody na to, w jaki sposób mózg osiąga taką elastyczność poznawczą.

Aby wyjaśnić, w jaki sposób mózg osiąga swoją pomysłowość, Tafazoli wytrenował dwa samce małp rezus, aby wykonywały trzy powiązane zadania, monitorując jednocześnie aktywność ich mózgu.

Zamiast piec chleb czy naprawiać rowery, małpy wykonały trzy zadania kategoryzacyjne. Podobnie jak w przypadku próby rozszyfrowania często niejednoznacznej pisowni odręcznej notatki lekarskiej, małpy musiały ocenić, czy kolorowa, przypominająca balonik plamka na ekranie przed nimi bardziej przypomina królika, czy literę „T” (kategoryzacja według kształtu), czy też jest bardziej czerwona czy zielona (kategoryzacja kolorów).

Zadanie było zwodniczo trudne: plamki różniły się pod względem dwuznaczności, czasami wyraźnie przypominały królika lub głęboką czerwień, a innym razem różnice były subtelne.

Aby wskazać, jaki według nich kształt lub kolor miała kropelka, małpa w odpowiedzi zamruczała, patrząc w jeden z czterech różnych kierunków. W jednym z zadań spojrzenie w lewo oznaczało, że zwierzę zobaczyło króliczka, podczas gdy patrzenie w prawo sugerowało, że wygląda bardziej jak litera „T”.

Kluczową cechą projektu było to, że chociaż każde zadanie było wyjątkowe, to jednak łączyło pewne elementy z innymi zadaniami.

Jedno z zadań związanych z kolorem i zadanie z kształtem wymagało patrzenia w tych samych kierunkach, podczas gdy oba zadania dotyczące koloru wymagały od zwierzęcia kategoryzacji koloru w ten sam sposób (bardziej czerwony lub bardziej zielony), ale musiały patrzeć w różnych kierunkach, aby ocenić jego odcień.

Ten eksperymentalny projekt pozwolił naukowcom sprawdzić, czy mózg ponownie wykorzystuje wzorce neuronowe – elementy poznawcze – podczas zadań obejmujących wspólne elementy.

Bloki budują elastyczność poznawczą

Po przeanalizowaniu wzorców aktywności w mózgu Tafazoli i Buschman odkryli, że kora przedczołowa – obszar z przodu mózgu zaangażowany w wyższe funkcje poznawcze – zawiera wiele wspólnych, możliwych do ponownego wykorzystania wzorców aktywności w neuronach, które działają na rzecz wspólnego celu, takiego jak rozróżnianie kolorów.

Buschman opisał je jako „poznawcze klocki Lego” mózgu – klocki, które można elastycznie łączyć w celu tworzenia nowych zachowań.

„Myślę o bloku poznawczym jak o funkcji w programie komputerowym” – powiedział Buschman. „Grupa neuronów może rozróżniać kolory, a ich wyniki można przypisać do innej funkcji wyzwalającej działanie. Taka organizacja pozwala mózgowi wykonać zadanie, wykonując po kolei każdy element tego zadania”.

Aby wykonać jedno z zadań związanych z kolorem, zwierzę złożyło klocek obliczający kolor obrazu z innym klockiem, który poruszał oczami w różnych kierunkach. Podczas przełączania zadań, np. przełączania kolorów na kształty, mózg po prostu łączy odpowiednie bloki, aby obliczyć kształt i wykonywać te same ruchy gałek ocznych.

To uwalnianie bloku zaobserwowano głównie w korze przedczołowej, a nie w innych obszarach mózgu, co sugeruje, że ten typ kompozycyjności jest szczególną właściwością tego obszaru.

Tafazoli i Buschman odkryli również, że kora przedczołowa usuwa blokady poznawcze, gdy nie jest używana, prawdopodobnie pomagając mózgowi lepiej skupić się na odpowiednim zadaniu.

„Mózg ma ograniczoną zdolność kontroli poznawczej” – powiedział Tafazoli. „Musisz skondensować niektóre swoje umiejętności, aby móc skupić się na tych, które są teraz ważne. Na przykład skupienie się na kategoryzowaniu kształtów tymczasowo zmniejsza zdolność kodowania kolorów, ponieważ celem jest rozróżnianie kształtu, a nie koloru”.

Bardziej efektywny sposób nauki – dla sztucznej inteligencji i kliniki

Te kognitywne klocki Lego mogą wyjaśnić, dlaczego ludzie tak szybko uczą się nowych zadań. Wykorzystując istniejące komponenty mentalne, mózg minimalizuje zbędne uczenie się – jest to sztuczka, której systemy sztucznej inteligencji muszą jeszcze opanować.

„Dużym problemem uczenia maszynowego są katastrofalne awarie” – powiedział Tafazoli. „Kiedy maszyna lub sieć neuronowa uczy się czegoś nowego, zapomina i nadpisuje poprzednie wspomnienia. Jeśli sztuczna sieć neuronowa wie, jak upiec ciasto, ale potem nauczy się piec ciasteczka, zapomni, jak upiec ciasto”.

W przyszłości zintegrowanie kompozycyjności ze sztuczną inteligencją może pomóc w tworzeniu systemów, które stale uczą się nowych umiejętności, nie zapominając o starych.

To samo odkrycie może również pomóc w udoskonaleniu medycyny dla osób z zaburzeniami neurologicznymi i psychiatrycznymi. Schizofrenia, zaburzenia obsesyjno-kompulsywne i niektóre urazy mózgu często upośledzają zdolność danej osoby do stosowania znanych umiejętności w nowych kontekstach – prawdopodobnie z powodu zakłóceń w rekombinacji poznawczych elementów budulcowych mózgu.

„Wyobraźcie sobie, że możecie pomóc ludziom odzyskać zdolność do zmiany strategii, nauczenia się nowych nawyków lub przystosowania się do zmian” – powiedział Tafazoli. „W dłuższej perspektywie zrozumienie, w jaki sposób mózg ponownie wykorzystuje i łączy wiedzę, może pomóc nam w opracowaniu terapii, które przywrócą ten proces”.

Źródła: