Ny neurocomputational hjernemodell kan fremme AI-forskning

En ny studie fra University of Montreal introduserer en ny nevroberegningsmodell av den menneskelige hjernen. Denne nye modellen gir dypere innsikt i hvordan hjernen utvikler komplekse kognitive evner, og den kan fremme forskning på nevral kunstig intelligens (AI). 

Studien ble publisert 19. september i tidsskriftet Prosedyrene ved National Academy of Sciences (PNAS). 

Det ble utført 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. 

Nevral utvikling

Studien beskriver nevral utvikling over tre hierarkiske nivåer av informasjonsbehandling: 

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

• Bevisst nivå: Vurderer hvordan hjernen tar avstand fra omverdenen og manipulerer innlærte mønstre (via hukommelse) som ikke lenger er tilgjengelige for persepsjon. 

Den nye forskningen gir dypere innsikt i kjernemekanismene som ligger til grunn for kognisjon på grunn av modellens fokus på samspillet mellom to grunnleggende typer læring. Den første er hebbisk læring, som er assosiert med statistisk regularitet, for eksempel repetisjon. Den andre er forsterkende læring, som er assosiert med belønning og dopamin-nevrotransmitteren. 

Den nyutviklede modellen løser tre oppgaver med økende kompleksitet på tvers av nivåene, og teamet introduserte en ny kjernemekanisme hver gang, noe som hjalp den videre. 

Resultatene fremhevet to grunnleggende mekanismer for flernivåutvikling av kognitive evner i biologiske nevrale nettverk: 

• Synaptisk epigenese: Hebbisk læring finner sted på lokal skala mens forsterkende læring finner sted på global skala.

• Selvorganisert dynamikk: Spontan aktivitet og balansert eksitatorisk/hemmende forhold mellom nevroner. 

Neste generasjons AI og kunstig bevissthet

Guillaume Duman er et teammedlem og assisterende professor i beregningspsykiatri ved UdeM, samt hovedetterforsker ved CHU Sainte-Justine Research Center. 

"Vår modell demonstrerer hvordan nevro-AI-konvergensen fremhever biologiske mekanismer og kognitive arkitekturer som kan gi næring til utviklingen av neste generasjon kunstig intelligens og til og med til slutt føre til kunstig bevissthet," sier Dumas. 

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

Teamet mener at ved å forankre fremtidige beregningsmodeller i biologiske og sosiale realiteter, vil de få ytterligere innsikt i kjernemekanismene som ligger til grunn for kognisjon. De tror også det vil gi en bro mellom AI og den menneskelige hjernen.