Ny Neurocomputational HjerneModel Kan Fremme AI-Forskning

En ny studie fra Universitetet i Montreal introducerer en ny neurocomputational model af det menneskelige hjernesystem. Denne nye model giver dybere indsigt i, hvordan hjernen udvikler komplekse kognitive evner, og den kan fremme neural kunstig intelligens (AI)-forskning.

Studiet blev offentliggjort den 19. september i tidsskriftet Proceedings of the National Academy of Sciences (PNAS).

Det blev gennemført af en international gruppe af forskere fra Institut Pasteur og Sorbonne Université i Paris, CHU Sainte-Justine, Mila — Quebec Artificial Intelligence Institute, og Université de Montréal.

Neuralt Udvikling

Studiet beskriver neuralt udvikling over tre hierarkiske niveauer af informationsbehandling:

• Sensorimotorisk Niveau: Undersøger, hvordan hjernens indre aktivitet lærer mønstre fra perception og associerer dem med handling.
  
• Kognitivt Niveau: Undersøger, hvordan hjernen kombinerer disse mønstre i en kontekst.

• Bevidsthedsniveau: Overvejer, hvordan hjernen frigør sig fra den ydre verden og manipulerer med lært mønstre (via hukommelse) ikke længere tilgængelige for perception.

Den nye forskning giver dybere indsigt i de grundlæggende mekanismer, der ligger til grund for kognition, takket være modellens fokus på samspillet mellem to fundamentale typer af læring. Den første er Hebbian-læring, der er forbundet med statistisk regelmæssighed, såsom gentagelse. Den anden er forstærkningslæring, der er forbundet med belønning og dopamin-neurotransmitteren.

Den nyudviklede model løser tre opgaver af stigende kompleksitet på tværs af niveauerne, og holdet introducerede en ny kerne-mekanisme hver gang, hvilket hjalp den med at fremme.

Resultaterne fremhævede to grundlæggende mekanismer for den multilevel-udvikling af kognitive evner i biologiske neurale netværk:

• Synaptisk Epigenese: Hebbian-læring finder sted på det lokale niveau, mens forstærkningslæring finder sted på det globale niveau.

• Selv-Organiseret Dynamik: Spontan aktivitet og balanceret excitatorisk/inhibitorisk forhold af neuroner.

Næste-Generation AI og Kunstig Bevidsthed

Guillaume Duman er medlem af holdet og adjunktprofessor i computationspsykiatri ved UdeM, samt hovedforsker ved CHU Sainte-Justine Forskningscenter.

“Vores model demonstrerer, hvordan neuro-AI-konvergens fremhæver biologiske mekanismer og kognitive arkitekturer, der kan fremme udviklingen af den næste generation af kunstig intelligens og endda føre til kunstig bevidsthed,” siger Dumas.

For at nå dette, siger Dumas, at de måske skal integrere de sociale dimensioner af kognition. Holdet ser nu på at integrere biologiske og sociale dimensioner, og de har allerede skabt den første simulation af to hele hjerner i interaktion.

Holdet tror, at ved at ankre fremtidige computermæssige modeller i biologiske og sociale realiteter, vil de få dybere indsigt i de grundlæggende mekanismer, der ligger til grund for kognition. De tror også, at det vil give en bro mellem AI og det menneskelige hjernesystem.