Ny neurocomputational hjernemodel kunne fremme AI-forskning

En ny undersøgelse fra University of Montreal introducerer en ny neurocomputermodel af den menneskelige hjerne. Denne nye model giver en dybere indsigt i, hvordan hjernen udvikler komplekse kognitive evner, og den kan fremme forskning i neural kunstig intelligens (AI). 

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

Det blev udført 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

Undersøgelsen beskriver neural udvikling over tre hierarkiske niveauer af informationsbehandling: 

• Sensorimotorisk niveau: Udforsker, hvordan hjernens indre aktivitet lærer mønstre fra perception og forbinder dem med handling.
  
• Kognitivt niveau: Undersøger, hvordan hjernen kontekstuelt kombinerer disse mønstre.

• Bevidst niveau: Overvejer, hvordan hjernen tager afstand fra omverdenen og manipulerer indlærte mønstre (via hukommelse), der ikke længere er tilgængelige for perception. 

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

Den nyudviklede model løser tre opgaver med stigende kompleksitet på tværs af niveauerne, og teamet introducerede hver gang en ny kernemekanisme, som hjalp det fremskridt. 

Resultaterne fremhævede to grundlæggende mekanismer for udvikling af kognitive evner på flere niveauer i biologiske neurale netværk: 

• Synaptisk epigenese: Hebbisk læring finder sted på lokal skala, mens forstærkende læring finder sted på global skala.

• Selvorganiseret dynamik: Spontan aktivitet og afbalanceret excitatorisk/hæmmende forhold mellem neuroner. 

Næste generations kunstig intelligens og kunstig bevidsthed

Guillaume Duman er et teammedlem og assisterende professor i computerpsykiatri ved UdeM, samt en hovedforsker ved CHU Sainte-Justine Research Center. 

"Vores model demonstrerer, hvordan neuro-AI-konvergensen fremhæver biologiske mekanismer og kognitive arkitekturer, der kan give næring til udviklingen af ​​den næste generation af kunstig intelligens og endda i sidste ende føre til kunstig bevidsthed," siger Dumas. 

For at nå dette siger Dumas, at de måske bliver nødt til at integrere kognitionens sociale dimensioner. Holdet ser nu på at integrere biologiske og sociale dimensioner, og de har allerede skabt den første simulering af to hele hjerner i samspil. 

Holdet mener, at de ved at forankre fremtidige beregningsmodeller i biologiske og sociale virkeligheder vil få yderligere indsigt i de kernemekanismer, der ligger til grund for kognition. De mener også, at det vil danne bro mellem kunstig intelligens og den menneskelige hjerne.