Kunstmatige-intelligentienetwerken gemodelleerd naar het menselijk brein kunnen cognitieve taken uitvoeren

Een nieuwe studie van de McGill University beschrijft hoe kunstmatige-intelligentienetwerken (AI) gemodelleerd naar het menselijk brein cognitieve taken efficiënt kunnen uitvoeren.

Het onderzoek werd gepubliceerd in het tijdschrift Nature Machine Intelligence op 9 augustus.

Hersengeheimen reconstrueren

Het team van onderzoekers onderzocht eerst MRI-gegevens uit een grote Open Science-repository voordat ze een hersenconnectiviteitspatroon reconstrueerden. Dit hersenconnectiviteitspatroon werd vervolgens toegepast op een kunstmatig neuronaal netwerk (ANN), dat een computersysteem is dat op een soortgelijke manier werkt als het biologische brein.

Het ANN werd getraind door een team van onderzoekers bij The Neuro (Montreal Neurological Institute-Hospital) en het Quebec Artificial Intelligence Institute, en het leerde om een cognitieve geheugentaak uit te voeren. Het team observeerde het ANN terwijl het werkte aan de taak.

Er zijn twee belangrijke factoren die deze benadering onderscheiden van eerdere benaderingen van hersenconnectiviteit, of connectomica. Eerder werk hield vaak in dat de organisatie van de hersenen werd beschreven zonder veel aandacht te besteden aan hoe het berekeningen en functies uitvoert. Aan de andere kant vertrouwen traditionele ANN’s op willekeurige structuren, die de manier waarop echte hersennetwerken zijn georganiseerd niet nauwkeurig weergeven.

Met de nieuwe benadering integreerden de onderzoekers hersenconnectomica in de constructie van ANN-architecturen, wat volgens hen inzicht zou geven in hoe de bedrading van de hersenen specifieke cognitieve vaardigheden ondersteunt. Ze wilden ook nieuwe ontwerpprincipes voor kunstmatige netwerken afleiden.

De bevindingen van het team

Het team ontdekte dat ANN’s met menselijke hersenconnectiviteit, of neuromorfische neurale netwerken, cognitieve geheugentaken met meer flexibiliteit en efficiëntie uitvoerden dan andere architectuur. De neuromorfische neurale netwerken konden dezelfde onderliggende architectuur voor een breed scala aan leercapaciteiten gebruiken, die zich uitstrekten over verschillende contexten.

Bratislav Misic is een onderzoeker bij The Neuro en de senior auteur van het onderzoek.

“Het project verenigt twee levendige en snel evoluerende wetenschappelijke disciplines,” zegt Misic. “Neuroscience en AI delen gemeenschappelijke wortels, maar zijn onlangs afgedwaald. Het gebruik van kunstmatige netwerken zal ons helpen te begrijpen hoe de structuur van de hersenen de functie van de hersenen ondersteunt. Omgekeerd zal het gebruik van empirische gegevens om neurale netwerken te maken ontwerpprincipes onthullen voor het bouwen van betere AI. Dus zullen de twee elkaar informeren en onze kennis van de hersenen verrijken.”

Het onderzoek werd deels gefinancierd door het Canada First Research Excellence Fund, dat aan de McGill University werd toegekend voor de Healthy Brains, Healthy Lives-initiatief. Financiering werd ook verleend door de 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, en Centre UNIQUE (Unie van Neurosciences en Kunstmatige Intelligentie).