Kunstig intelligens-netværk modelleret efter menneskehjernen kan udføre kognitive opgaver

En ny studie fra McGill University beskriver, hvordan kunstig intelligens (AI)-netværk modelleret efter menneskehjernen kan udføre kognitive opgaver effektivt. 

Forskningen blev offentliggjort i tidsskriftet Nature Machine Intelligence den 9. august. 

Rekonstruktion af hjernens forbindelsesmønster

Forskerholdet undersøgte først MRI-data fra et stort Open Science-repositorium, før de rekonstruerede et hjernens forbindelsesmønster. Dette forbindelsesmønster blev derefter anvendt på et kunstigt neuralt netværk (ANN), som er et computingsystem, der fungerer på samme måde som den biologiske hjerne.

ANN blev trænet af et forskerhold fra The Neuro (Montreal Neurological Institute-Hospital) og Quebec Artificial Intelligence Institute, og det lærte at udføre en kognitiv hukommelsesopgave. Holdet observerede ANN, mens det arbejdede på at fuldføre opgaven. 

Der er to vigtige faktorer, der gør denne tilgang særlig, når det sammenlignes med tidligere tilgange til hjernens forbindelsesmønster eller connectomics. Tidligere arbejde har ofte beskæftiget sig med at beskrive hjernens organisation uden at lægge megen vægt på, hvordan den udfører beregninger og funktioner. På den anden side afhænger traditionelle ANNs af vilkårlige strukturer, som ikke nøjagtigt repræsenterer, hvordan virkelige hjernenetværk er organiseret. 

Med den nye tilgang integrerede forskerne hjernens forbindelsesmønster i konstruktionen af ANN-arkitekturer, som de troede ville give indsigt i, hvordan hjernens ledning støtter bestemte kognitive færdigheder. De ønskede også at udlede nye designprincipper for kunstige netværk. 

Forskerholdets resultater

Forskerholdet opdagede, at ANNs med menneskehjernens forbindelsesmønster, eller neuromorfe neurale netværk, udførte kognitive hukommelsesopgaver med mere fleksibilitet og effektivitet end andre arkitekturer. De neuromorfe neurale netværk var i stand til at bruge samme underliggende arkitektur til en bred vifte af læringskapaciteter, som strakte sig over forskellige sammenhænge.

Bratislav Misic er en forsker fra The Neuro og seniorforfatter på forskningen.

“Projektet forener to livlige og hurtigt udviklende videnskabelige discipliner,” siger Misic. “Neurovidenskab og AI deler fælles rødder, men er for nylig blevet adskilt. Ved at bruge kunstige netværk vil vi kunne forstå, hvordan hjernens struktur støtter hjernens funktion. Omvendt vil brugen af empiriske data til at lave neurale netværk afsløre designprincipper for at bygge bedre AI. Således vil de to discipliner hjælpe hinanden og berige vores forståelse af hjernen.”

Forskningen blev delvist finansieret af Canada First Research Excellence Fund, som blev tildelt McGill University til initiativet Healthy Brains, Healthy Lives. Finansiering blev også leveret af Natural Sciences and Engineering Research Council of Canada, Fonds de Recherche du Québec — Santé, Canadian Institute for Advanced Research, Canada Research Chairs, Fonds de Recherche du Québec — Nature et Technologies, og Centre UNIQUE (Union of Neuroscience and Artificial Intelligence).