Fyysisten rajoitusten ohjaama aivomainen tekoäly

Cambridgen tutkijat ovat tehneet uraauurtavan tutkimuksen, jossa on osoitettu, miten fyysiset rajoitukset voivat vaikuttaa merkittävästi tekoälyjärjestelmän kehitykseen.

Tämä tutkimus, joka muistuttaa ihmisaivojen kehityksellisiä ja toiminnallisia rajoituksia, tarjoaa uusia näkökulmia monimutkaisten hermostojen kehitykseen. Tekoälyjärjestelmään integroiduilla rajoituksilla se ei ainoastaan heijasta ihmisen älykkyyden piirteitä, vaan myös paljastaa resurssien käytön ja tietojen käsittelytehokkuuden välisen hienostuneen tasapainon.

Fyysisten rajoitusten käsite tekoälyssä

Ihmisaivot, jotka ovat luonnon omia hermostoverkkoja, kehittyvät ja toimivat monien fyysisten ja biologisten rajoitusten puitteissa. Nämä rajoitukset eivät ole esteitä, vaan ne vaikuttavat merkittävästi aivojen rakenteeseen ja toimintaan. Jascha Achterberg, Gates-scholar Medical Research Council Cognition and Brain Sciences Unit (MRC CBSU) -yksiköstä Cambridgen yliopistosta, toteaa: “Aivot ovat erinomaisia monimutkaisten ongelmien ratkaisemisessa, ja ne tekevät sen käyttäen hyvin vähän energiaa. Tutkimuksessamme osoitamme, että aivojen ongelmanratkaisukyvyn ja resurssien vähäisen käytön tavoittelun yhdistäminen auttaa meitä ymmärtämään, miksi aivot näyttävät siltä, miltä ne näyttävät.”

Koe ja sen merkitys

Cambridgen tutkijaryhmä aloitti urhean hankkeen, jonka tavoitteena oli luoda tekoälyjärjestelmä, joka mallintaa yksinkertaista aivoverkkoa. Tämä järjestelmä oli erikoinen siinä, että se sovelsi ‘fyysisiä’ rajoituksia, samankaltaisia kuin ne, joita esiintyy ihmisaivoissa.

Jokainen laskentayksikkö järjestelmässä sijoitettiin tiettyyn paikkaan virtuaalisessa tilassa, jäljitellen hermosolujen avaruullista järjestystä ihmisaivoissa. Mitä pidemmälle yksiköt olivat toisistaan, sitä haasteellisempaa oli heidän viestintänsä, samoin kuin hermosolujen järjestys ihmisaivoissa.

Tämä virtuaalinen aivot asetettiin sitten navigoimaan labyrintissa, yksinkertaisessa versiossa labyrintinavigointitehtävistä, joita usein annetaan eläimille aivotutkimuksissa. Tehtävän merkitys piilee siinä, että järjestelmän on yhdistettävä useita tietoja – kuten aloitus- ja lopetuspisteet sekä välivaiheet – lyhin reitin löytämiseksi. Tämä tehtävä ei ainoastaan testaa järjestelmän ongelmanratkaisukykyä, vaan myös mahdollistaa eri solmujen ja ryhmien tärkeyden havainnoinnin eri tehtävien vaiheissa.

Oppiminen ja sopeutuminen tekoälyjärjestelmässä

Tekoälyjärjestelmän kehitys labyrintinavigoinnin noviisista asiantuntijaksi on osoitus tekoälyjen sopeutumiskyvystä. Aluksi järjestelmä, samoin kuin ihminen, joka oppii uutta taitoa, kamppaili tehtävän kanssa ja teki useita virheitä. Kuitenkin kokeiden ja virheiden kautta sekä sitä seuraavasta palautteesta järjestelmä hienonsi vähitellen lähestymistapaansa.

Olennaisesti tämä oppiminen tapahtui muutoksina yhteyksien voimakkuudessa järjestelmän laskentayksiköiden välillä, jäljitellen synapsista muovautumista, jota havaitaan ihmisaivoissa. Erityisen mielenkiintoista on, miten fyysiset rajoitukset vaikuttivat tähän oppimisprosessiin. Etäisten solmujen välisen yhteyden muodostamisen haasteellisuus pakotti järjestelmän etsimään tehokkaampia, paikallisia ratkaisuja, jolloin se jäljitteli biologisten aivojen energiatehokkuutta ja resurssien vähäistä käyttöä.

Nousevat piirteet tekoälyjärjestelmässä

Kun järjestelmä kehittyi, se alkoi näyttää piirteitä, jotka olivat hämmästyttävän samankaltaisia kuin ne, joita havaitaan ihmisaivoissa. Yksi tällainen kehitys oli solmujen muodostuminen – voimakkaasti kytkettyjen solmujen, jotka toimivat tietojen välittäjinä verkossa, samoin kuin hermosolmujen rooli ihmisaivoissa.

Yhtä mielenkiintoista oli se, miten yksittäiset solmut käsittelevät tietoa. Sen sijaan, että solmut olisivat kiinni joustamattomassa koodauksessa, jossa kunkin solmun vastuualue on tietty osa labyrinttia, solmut omaksuivat joustavan koodausjärjestelmän. Tämä tarkoitti, että yksittäinen solmu voi edustaa useita labyrintin osia eri aikoina, ominaisuus, joka muistuttaa hermosolujen sopeutumiskykyä monimutkaisissa organismeissa.

Cambridgen yliopiston psykiatrian laitoksen professori Duncan Astle korostaa tätä näkökulmaa: “Tämä yksinkertainen rajoitus – se on haasteellisempaa muodostaa yhteyksiä etäisiin solmuihin – pakottaa tekoälyjärjestelmiä tuottamaan joitakin melko monimutkaisia piirteitä. Mielenkiintoista on, että nämä piirteet ovat samankaltaisia kuin ne, joita havaitaan biologisissa järjestelmissä, kuten ihmisaivoissa.”

Laajemmat vaikutukset

Tutkimuksen vaikutukset ulottuvat paljon laajemmin kuin tekoälyn parissa ja käsittävät myös ihmisen kognitiivisen toiminnan ymmärtämistä. Tekoälyjärjestelmään integroiduilla rajoituksilla, jotka muistuttavat ihmisaivojen rajoituksia, tutkijat voivat saada arvokkaita näkökulmia siihen, miten nämä rajoitukset vaikuttavat aivojen organisaatioon ja edistävät yksilöllisiä kognitiivisia eroja.

Tämä lähestymistapa tarjoaa ainutlaatuisen näköalan aivojen monimutkaisuuksiin, erityisesti ymmärtäessä tiloja, jotka vaikuttavat kognitiiviseen ja mielenterveyden hyvinvointiin. MRC CBSU:n professori John Duncan lisää: “Nämä tekoälyaivot antavat meille keinon ymmärtää rikasta ja hämmästyttävää dataa, jonka havaitsemme, kun todellisten hermosolujen toimintaa mitataan oikeissa aivoissa.”

Tehtäväkohtaisen suunnittelun tulevaisuus

Tämä uraauurtava tutkimus on merkittäviä vaikutuksia tekoälyjärjestelmien tulevaisuuden suunnitteluun. Tutkimus osoittaa elävästi, miten biologiset periaatteiden, erityisesti fyysisten rajoitusten, soveltaminen voi johtaa tehokkaampiin ja sopeutuvampiin tekoälyverkkoihin.

Doktori Danyal Akarca MRC CBSU:sta korostaa tätä näkökulmaa: “Tekoälytutkijat yrittävät jatkuvasti kehittää monimutkaisia, hermostoverkkomaisia järjestelmiä, jotka voivat koodata ja toimia joustavasti ja tehokkaasti. Tämän saavuttamiseksi uskomme, että neurobiologia antaa meille paljon inspiraatiota.”

Jascha Achterberg laajentaa näkökulmaa tämän löydön mahdollisuuksista rakentaa tekoälyjärjestelmiä, jotka jäljittelevät ihmisen ongelmanratkaisukykyä. Hän ehdottaa, että tekoälyjärjestelmät, jotka kohtaavat haasteita, jotka ovat samankaltaisia kuin ne, joita ihmiset kohtaavat, kehittävät todennäköisesti rakenteita, jotka muistuttavat ihmisaivoja, erityisesti toimien fyysisissä rajoituksissa, kuten energian rajoituksissa. “Robottien aivot, jotka on käytössä todellisessa fyysisessä maailmassa”, Achterberg selittää, “ovat luultavasti samankaltaisia kuin meidän aivot, koska ne kohtaavat samat haasteet kuin mekin.”

Cambridgen tutkijaryhmän tekemä tutkimus merkitsee merkittävää askelta ymmärtäessä yhtäläisyyksiä ihmisen hermostojärjestelmissä ja tekoälyssä. Fyysisten rajoitusten asettaminen tekoälyjärjestelmälle on avannut uusia polkuja suunniteltaessa tehokkaampia ja sopeutuvampia tekoälyjärjestelmiä.