Neues neurokomputationalles Gehirnmodell könnte die KI-Forschung vorantreiben

Eine neue Studie der Universität Montreal stellt ein neues neurokomputationalles Modell des menschlichen Gehirns vor. Dieses neue Modell bietet tiefere Einblicke in die Entwicklung komplexer kognitiver Fähigkeiten und könnte die Forschung auf dem Gebiet der neuronalen künstlichen Intelligenz (KI) vorantreiben. 

Die Studie wurde am 19. September in der Zeitschrift Proceedings of the National Academy of Sciences (PNAS) veröffentlicht. 

Sie wurde von einer internationalen Gruppe von Forschern des Institut Pasteur und der Sorbonne Université in Paris, des CHU Sainte-Justine, des Mila — Quebec Artificial Intelligence Institute und der Université de Montréal durchgeführt. 

Neuronale Entwicklung

Die Studie beschreibt die neuronale Entwicklung über drei hierarchische Ebenen der Informationsverarbeitung: 

• Sensorimotorische Ebene: Untersucht, wie die innere Aktivität des Gehirns Muster aus der Wahrnehmung lernt und sie mit Aktionen verknüpft.
  
• Kognitive Ebene: Untersucht, wie das Gehirn diese Muster kontextuell kombiniert.

• Bewusste Ebene: Betrachtet, wie das Gehirn sich von der Außenwelt löst und gelernte Muster (über das Gedächtnis) manipuliert, die nicht mehr der Wahrnehmung zugänglich sind. 

Die neue Forschung bietet tiefere Einblicke in die Kernmechanismen, die der Kognition zugrunde liegen, dank des Fokus des Modells auf die Wechselwirkung zwischen zwei grundlegenden Arten des Lernens. Die erste ist das Hebb-Lernen, das mit statistischer Regelmäßigkeit, wie Wiederholung, assoziiert ist. Die zweite ist das Bestärkungslernen, das mit Belohnung und dem Neurotransmitter Dopamin assoziiert ist. 

Das neu entwickelte Modell löst drei Aufgaben von zunehmender Komplexität über die Ebenen hinweg, und das Team führte jedes Mal einen neuen Kernmechanismus ein, der es voranbrachte. 

Die Ergebnisse hoben zwei grundlegende Mechanismen für die Entwicklung multileveler kognitiver Fähigkeiten in biologischen neuronalen Netzen hervor: 

• Synaptische Epigenese: Hebb-Lernen findet auf lokaler Ebene statt, während Bestärkungslernen auf globaler Ebene stattfindet.

• Self-Organisierte Dynamik: Spontane Aktivität und ausgewogene excitatorische/inhibitorische Verhältnis der Neuronen. 

Nächste Generation KI und künstliches Bewusstsein

Guillaume Duman ist ein Teammitglied und Assistenzprofessor für computationale Psychiatrie an der UdeM sowie Hauptforscher am CHU Sainte-Justine Forschungszentrum. 

“Unser Modell zeigt, wie die neuro-KI-Konvergenz biologische Mechanismen und kognitive Architekturen hervorhebt, die die Entwicklung der nächsten Generation künstlicher Intelligenz und letztendlich sogar künstliches Bewusstsein vorantreiben können,” sagt Dumas. 

Um dies zu erreichen, sagt Dumas, müssen sie möglicherweise die sozialen Dimensionen der Kognition integrieren. Das Team untersucht nun die Integration biologischer und sozialer Dimensionen und hat bereits die erste Simulation von zwei ganzen Gehirnen in Interaktion erstellt. 

Das Team glaubt, dass sie durch die Verankerung zukünftiger computationaler Modelle in biologischen und sozialen Realitäten tiefere Einblicke in die Kernmechanismen der Kognition gewinnen werden. Sie glauben auch, dass dies eine Brücke zwischen KI und dem menschlichen Gehirn schlagen wird.