Kunstig intelligens-nettverk modellert etter menneskehjernen kan utføre kognitive oppgaver

En ny studie fra McGill University beskriver hvordan kunstig intelligens (KI)-nettverk modellert etter menneskehjernen kan utføre kognitive oppgaver effektivt.

Forskningen ble publisert i tidsskriftet Nature Machine Intelligence den 9. august.

Rekonstruksjon av hjernens tilknytningsmønster

Forskerlaget undersøkte først MRI-data fra et stort åpent vitenskapsrepository før de rekonstruerte et hjernens tilknytningsmønster. Dette tilknytningsmønsteret ble deretter anvendt på et kunstig nevralt nettverk (ANN), som er et datasytem som opererer på en lignende måte som den biologiske hjernen.

ANN ble trent av et forskerlag ved The Neuro (Montreal Neurological Institute-Hospital) og Quebec Artificial Intelligence Institute, og det lærte å utføre en kognitiv minneoppgave. Forskerlaget observerte ANN mens det arbeidet for å fullføre oppgaven.

Det er to hovedfaktorer som gjør denne tilnærmingen spesiell sammenlignet med tidligere arbeid om hjernens tilknytningsmønster, eller konnektomikk. Tidligere arbeid har ofte involvert beskrivelse av hjernens organisering uten å legge mye vekt på hvordan det utfører beregninger og funksjoner. På den andre siden, tradisjonelle ANN-er avhenger av arbitrære strukturer, som ikke nøyaktig representerer måten virkelige hjernens nettverk er organisert.

Med den nye tilnærmingen, integrerte forskerne hjernens konnektomikk i konstruksjonen av ANN-arkitekturer, som de trodde ville gi innsikt i hvordan hjernens ledning støtter bestemte kognitive ferdigheter. De ønsket også å avlede nye designprinsipper for kunstige nettverk.

Forskerlagets funn

Forskerlaget oppdaget at ANN-er med menneskehjernens tilknytningsmønster, eller nevmorfiske nevrale nettverk, utførte kognitive minneoppgaver med mer fleksibilitet og effektivitet enn andre arkitekturer. De nevmorfiske nevrale nettverkene var i stand til å bruke samme underliggende arkitektur for en rekke læringskapasiteter, som spredte seg over ulike sammenhenger.

Bratislav Misic er en forsker ved The Neuro og seniorforfatter av forskningen.

“Prosjektet forener to livlige og raskt utviklende vitenskapelige disipliner,” sier Misic. “Neurovitenskap og KI deler felles røtter, men har nylig divergert. Bruk av kunstige nettverk vil hjelpe oss å forstå hvordan hjernens struktur støtter hjernens funksjon. Omvendt, å bruke empiriske data til å lage nevrale nettverk, vil avsløre designprinsipper for å bygge bedre KI. Så, de to vil hjelpe å informere hverandre og berike vår forståelse av hjernen.”

Forskningen ble delvis finansiert av Canada First Research Excellence Fund, som ble tildelt McGill University for initiativet Healthy Brains, Healthy Lives. Finansiering ble også gitt av 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, og Centre UNIQUE (Union of Neuroscience and Artificial Intelligence).