Ny neurokomputasjonell hjernemodell kan fremme AI-forskning

En ny studie fra Universitetet i Montreal presenterer en ny neurokomputasjonell modell av det menneskelige hjernen. Denne nye modellen gir dypere innsikt i hvordan hjernen utvikler komplekse kognitive evner, og den kan fremme neural kunstig intelligens (AI)-forskning. 

Studien ble publisert den 19. september i tidsskriftet Proceedings of the National Academy of Sciences (PNAS). 

Den ble gjennomført av en internasjonal gruppe forskere fra Institut Pasteur og Sorbonne Université i Paris, CHU Sainte-Justine, Mila — Quebec Artificial Intelligence Institute, og Université de Montréal. 

Neural utvikling

Studien beskriver neural utvikling over tre hierarkiske nivåer av informasjonsbehandling: 

• Sensorimotorisk nivå: Undersøker hvordan hjernens indre aktivitet lærer mønster fra persepsjon og assosierer dem med handling.
  
• Kognitivt nivå: Undersøker hvordan hjernen kontekstuell kombinerer disse mønstrene.

• Bevisst nivå: Betrakter hvordan hjernen dissosierer fra den ytre verden og manipulerer lært mønster (via minne) som ikke lenger er tilgjengelig for persepsjon. 

Den nye forskningen gir dypere innsikt i de grunnleggende mekanismene som ligger til grunn for kognisjon, på grunn av modellens fokus på samspillet mellom to grunnleggende typer læring. Den første er Hebbian-læring, som er assosiert med statistisk regelmessighet, som gjentakelse. Den andre er forsterkingslæring, som er assosiert med belønning og dopamin-neurotransmitteren. 

Den nylig utviklede modellen løser tre oppgaver med økende kompleksitet over nivåene, og teamet innførte en ny grunnleggende mekanisme hver gang, som hjalp den å fremme. 

Resultatene fremhevet to grunnleggende mekanismer for multilevel-utvikling av kognitive evner i biologiske neurale nettverk: 

• Synaptisk epigenese: Hebbian-læring skjer på lokal skala, mens forsterkingslæring skjer på global skala.

• Selvorganiserte dynamikker: Spontan aktivitet og balansert eksitatorisk/inhibitorisk forhold mellom neuroner. 

Neste generasjons AI og kunstig bevissthet

Guillaume Duman er et teammedlem og en assistentprofessor i komputasjonell psykiatri ved UdeM, samt en hovedforsker ved CHU Sainte-Justine Research Center. 

“Vår modell demonstrerer hvordan neuro-AI-konvergensene fremhever biologiske mekanismer og kognitive arkitekturer som kan drive utviklingen av neste generasjons kunstig intelligens og til og med ultimate kunstig bevissthet,” sier Dumas. 

For å nå dette, sier Dumas at de kanskje må integrere de sosiale dimensjonene av kognisjon. Teamet ser nå på å integrere biologiske og sosiale dimensjoner, og de har allerede skapt den første simuleringen av to hele hjerner i interaksjon. 

Teamet tror at ved å forankre fremtidige komputasjonelle modeller i biologiske og sosiale realiteter, vil de få dypere innsikt i de grunnleggende mekanismene som ligger til grunn for kognisjon. De tror også at det vil gi en bro mellom AI og det menneskelige hjernen.