Ny neurocomputational hjernemodel kan fremme AI-forskning

En ny studie fra University of Montreal introducerer et nyt neurocomputational model af det menneskelige hjerte. Dette nye model giver dybere indsigt i, hvordan hjernen udvikler komplekse kognitive evner, og det 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 forskere fra Institut Pasteur og Sorbonne Université i Paris, CHU Sainte-Justine, Mila — Quebec Artificial Intelligence Institute, og Université de Montréal. 

Neural udvikling

Studiet beskriver neural udvikling over tre hierarkiske niveauer af informationsbehandling: 

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

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

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

Det nyligt udviklede model løser tre opgaver af stigende kompleksitet på tværs af niveauerne, og holdet introducerede en ny kerne mekanisme hver gang, som hjalp det med at fremme. 

Resultaterne fremhævede to fundamentale 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.

• Selvorganiseret dynamik: Spontan aktivitet og balanceret excitatorisk/inhibitorisk forhold af neuroner. 

Næste generations AI og kunstig bevidsthed

Guillaume Duman er medlem af holdet og adjunkt professor i computationspsykiatri ved UdeM, samt principal investigator ved CHU Sainte-Justine Research Center. 

“Vores model demonstrerer, hvordan neuro-AI konvergens fremhæver biologiske mekanismer og kognitive arkitekturer, der kan fremme udviklingen af næste generations 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 mener, at ved at ankre fremtidige computermodeller i biologiske og sociale realiteter, vil de få dybere indsigt i de kerne mekanismer, der ligger til grund for kognition. De mener også, at det vil give en bro mellem AI og det menneskelige hjerte.