KI-Modelle und Plattformen
Künstliche Intelligenz-Netzwerke, die auf dem menschlichen Gehirn basieren, können kognitive Aufgaben ausführen
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Eine neue Studie der McGill University beschreibt, wie künstliche Intelligenz-Netzwerke (KI), die auf dem menschlichen Gehirn basieren, kognitive Aufgaben effizient ausführen können.
Die Forschung wurde in der Zeitschrift Nature Machine Intelligence am 9. August veröffentlicht.
Rekonstruktion des Gehirn-Verbindungs-Musters
Das Team der Forscher untersuchte zunächst MRT-Daten aus einem großen Open-Science-Repository, bevor es ein Gehirn-Verbindungs-Muster rekonstruierte. Dieses Gehirn-Verbindungs-Muster wurde dann auf ein künstliches neuronales Netzwerk (ANN) angewendet, das ein Computersystem ist, das auf ähnliche Weise wie das biologische Gehirn funktioniert.
Das ANN wurde von einem Team von Forschern am The Neuro (Montreal Neurological Institute-Hospital) und dem Quebec Artificial Intelligence Institute trainiert und lernte, eine kognitive Gedächtnisaufgabe auszuführen. Das Team beobachtete das ANN, während es die Aufgabe ausführte.
Es gibt zwei Hauptfaktoren, die diesen Ansatz von früheren Arbeiten über Gehirn-Verbindungen oder Konnektomik unterscheiden. Frühere Arbeiten beschäftigten sich oft mit der Beschreibung der Gehirnorganisation, ohne viel Aufmerksamkeit auf die Art und Weise zu legen, wie sie Berechnungen und Funktionen ausführt. Andererseits basieren traditionelle ANNs auf willkürlichen Strukturen, die die Art und Weise, wie reale Gehirn-Netzwerke organisiert sind, nicht genau darstellen.
Mit dem neuen Ansatz integrierten die Forscher die Gehirn-Konnektomik in die Konstruktion von ANN-Architekturen, was ihnen Einblicke in die Art und Weise geben sollte, wie die Verdrahtung des Gehirns bestimmte kognitive Fähigkeiten unterstützt. Sie suchten auch nach neuen Design-Prinzipien für künstliche Netzwerke.
Die Ergebnisse des Teams
Das Team entdeckte, dass ANNs mit menschlicher Gehirn-Verbindungen, oder neuromorphen neuronalen Netzwerken, kognitive Gedächtnisaufgaben mit mehr Flexibilität und Effizienz ausführten als andere Architekturen. Die neuromorphen neuronalen Netzwerke waren in der Lage, die gleiche zugrunde liegende Architektur für eine breite Palette von Lernfähigkeiten zu verwenden, die sich über verschiedene Kontexte erstreckten.
Bratislav Misic ist ein Forscher am The Neuro und der Senior-Autor der Studie.
“Das Projekt vereint zwei lebendige und schnelle wissenschaftliche Disziplinen”, sagt Misic. “Neurowissenschaft und KI teilen gemeinsame Wurzeln, haben sich jedoch kürzlich getrennt. Die Verwendung von künstlichen Netzwerken wird uns helfen, zu verstehen, wie die Gehirnstruktur die Gehirnfunktion unterstützt. Umgekehrt wird die Verwendung von empirischen Daten, um neuronale Netzwerke zu erstellen, Design-Prinzipien für den Bau besserer KI aufdecken. So werden die beiden Disziplinen einander informieren und unser Verständnis des Gehirns bereichern.”
Die Forschung wurde teilweise durch den Canada First Research Excellence Fund finanziert, der der McGill University für die Initiative “Gesunde Gehirne, gesunde Leben” verliehen wurde. Weitere Finanzierung wurde durch den 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 und Centre UNIQUE (Union of Neuroscience and Artificial Intelligence) bereitgestellt.
