Ny neurodatorisk hjärnmodell kan främja AI-forskning

En ny studie från Université de Montréal introducerar en ny neurodatorisk modell av den mänskliga hjärnan. Denna nya modell ger djupare insikt i hur hjärnan utvecklar komplexa kognitiva förmågor, och den kan främja neural artificiell intelligens (AI)-forskning. 

Studien publicerades den 19 september i tidskriften Proceedings of the National Academy of Sciences (PNAS). 

Den genomfördes av en internationell grupp forskare från Institut Pasteur och Sorbonne Université i Paris, CHU Sainte-Justine, Mila — Quebec Artificial Intelligence Institute, och Université de Montréal. 

Neuroutveckling

Studien beskriver neuroutveckling över tre hierarkiska nivåer av informationsbearbetning: 

• Sensorimotorisk nivå: Utforskar hur hjärnans inre aktivitet lär sig mönster från perception och associerar dem med handling.
  
• Kognitiv nivå: Undersöker hur hjärnan kombinerar dessa mönster i ett sammanhang.

• Medveten nivå: Överväger hur hjärnan dissocierar från den yttre världen och manipulerar inlärda mönster (via minne) som inte längre är tillgängliga för perception. 

Den nya forskningen ger djupare insikt i de grundläggande mekanismer som ligger till grund för kognition på grund av modellens fokus på samspelen mellan två grundläggande typer av inlärning. Den första är Hebbian-inlärning, som är associerad med statistisk regelbundenhet, såsom upprepning. Den andra är förstärkt inlärning, som är associerad med belöning och dopamin-neurotransmittern. 

Den nyligen utvecklade modellen löser tre uppgifter av ökande komplexitet över nivåerna, och teamet introducerade en ny kärnmekanism varje gång, vilket hjälpte den att framskrida. 

Resultaten betonade två grundläggande mekanismer för den multilevelutvecklingen av kognitiva förmågor i biologiska neurala nätverk: 

• Synaptisk epigenes: Hebbian-inlärning sker på lokal skala medan förstärkt inlärning sker på global skala.

• Självorganiserad dynamik: Spontan aktivitet och balanserad exciterande/inhiberande ratio av neuroner. 

Nästa generations AI och artificiell medvetenhet

Guillaume Duman är en teammedlem och biträdande professor i beräkningspsykiatri vid UdeM, samt huvudutredare vid CHU Sainte-Justine Research Center. 

“Vår modell visar hur neuro-AI-konvergensen betonar biologiska mekanismer och kognitiva arkitekturer som kan bränsleutvecklingen av nästa generation av artificiell intelligens och till och med leda till artificiell medvetenhet”, säger Dumas. 

För att nå detta, säger Dumas att de kanske måste integrera de sociala dimensionerna av kognition. Teamet undersöker nu integrationen av biologiska och sociala dimensioner, och de har redan skapat den första simuleringen av två helt hjärnor i interaktion. 

Teamet tror att genom att förankra framtida beräkningsmodeller i biologiska och sociala verkligheter, kommer de att få ytterligare insikt i de grundläggande mekanismer som ligger till grund för kognition. De tror också att det kommer att ge en bro mellan AI och den mänskliga hjärnan.