ดีปไมนด์ ค้นพบเทคนิคการฝึกอบรม AI ที่อาจใช้ได้กับสมองของมนุษย์

ดีปไมนด์ เพิ่งเผยแพร่บทความวิจัยเกี่ยวกับเทคนิคการฝึกอบรม AI ใหม่ที่อาจอธิบายได้ว่าทางเดินรางวัลในสมองของมนุษย์ทำงานอย่างไร ตามรายงานของ NewScientist เทคนิคการฝึกอบรม AI นี้เรียกว่า การฝึกอบรมแบบกระจายและกลไกเบื้องหลังดูเหมือนจะอธิบายได้ว่าดอปามีนถูกปล่อยออกมาจากเซลล์ประสาทในสมองอย่างไร

วิทยาศาสตร์ประสาทและวิทยาการคอมพิวเตอร์มีประวัติศาสตร์ร่วมกันมาอย่างยาวนาน ตั้งแต่ปี 1951 มาร์วิน มินสกี้ใช้ระบบการให้รางวัลและลงโทษเพื่อสร้างโปรแกรมคอมพิวเตอร์ที่สามารถแก้ปัญหาได้ มินสกี้ได้รับแรงบันดาลใจจากงานของอีวาน ปัฟลอฟ นักสรีรวิทยาที่แสดงให้เห็นว่าสุนัขสามารถเรียนรู้ได้จากการให้รางวัลและลงโทษ ดีปไมนด์ใหม่นี้เพิ่มเข้าไปในประวัติศาสตร์ที่เชื่อมโยงระหว่างวิทยาศาสตร์ประสาทและวิทยาการคอมพิวเตอร์โดยการนำเทคนิคการฝึกอบรม AI มาใช้เพื่อให้เข้าใจว่าดอปามีนเซลล์ประสาททำงานอย่างไร

เมื่อบุคคลหรือสัตว์กำลังจะกระทำการใดๆ การรวบรวมเซลล์ประสาทในสมองที่รับผิดชอบในการปล่อยดอปามีนจะทำการคาดการณ์ว่าการกระทำนั้นจะมีรางวัลมากน้อยเพียงใด เมื่อการกระทำนั้นเสร็จสิ้นและผลที่ตามมา (รางวัล) ของการกระทำนั้นเป็นที่รู้จัก สมองจะปล่อยดอปามีน แต่การปล่อยดอปามีนจะถูกปรับขนาดตามขนาดของข้อผิดพลาดในการคาดการณ์ หากรางวัลใหญ่กว่าที่คาดไว้ จะมีการปล่อยดอปามีนมากขึ้น ในทางกลับกัน หากรางวัลเล็กกว่าที่คาดไว้ จะมีการปล่อยดอปามีนน้อยลง ดอปามีนมีหน้าที่ในการแก้ไขให้เซลล์ประสาทปรับเปลี่ยนการคาดการณ์ของตนจนกว่าจะสอดคล้องกับรางวัลที่ได้รับจริงๆ ซึ่งคล้ายกับวิธีการทำงานของอัลกอริทึมการฝึกอบรม AI

ในปี 2017 นักวิจัยของดีปไมนด์เผยแพร่อัลกอริทึมการฝึกอบรม AI ที่ดีขึ้น และวิธีการฝึกอบรมที่ดีกว่านี้สามารถเพิ่มประสิทธิภาพในการทำงานของการฝึกอบรม AI ได้หลายอย่าง ทีมดีปไมนด์คิดว่ากลไกเบื้องหลังของอัลกอริทึมใหม่นี้สามารถใช้เพื่ออธิบายว่าดอปามีนเซลล์ประสาทในสมองของมนุษย์ทำงานอย่างไร

ไม่เหมือนกับอัลกอริทึมการฝึกอบรม AI ในสมัยก่อน อัลกอริทึมใหม่ของดีปไมนด์แสดงรางวัลเป็นกระจายตัว อัลกอริทึมการฝึกอบรม AI ในสมัยก่อนแสดงรางวัลที่คาดไว้เป็นตัวเลขเดียวที่แสดงถึงผลลัพธ์ที่คาดหวังโดยเฉลี่ย การเปลี่ยนแปลงนี้ทำให้แบบจำลองสามารถแสดงรางวัลที่เป็นไปได้ได้อย่างแม่นยำและทำงานได้ดีขึ้น การทำงานที่ดีขึ้นของวิธีการฝึกอบรมใหม่นี้ทำให้นักวิจัยของดีปไมนด์ต้องการสำรวจว่าดอปามีนเซลล์ประสาทในสมองของมนุษย์ทำงานในลักษณะเดียวกันหรือไม่

เพื่อศึกษาการทำงานของดอปามีนเซลล์ประสาท ดีปไมนด์ทำงานร่วมกับมหาวิทยาลัยฮาร์วาร์ดเพื่อศึกษาการทำงานของดอปามีนเซลล์ประสาทในหนู นักวิจัยให้หนูทำภารกิจต่างๆ และให้รางวัลตามการโยนลูกเต๋า โดยบันทึกการทำงานของดอปามีนเซลล์ประสาท เซลล์ประสาทที่แตกต่างกัน似乎จะคาดการณ์ผลลัพธ์ที่แตกต่างกัน และปล่อยดอปามีนในปริมาณที่แตกต่างกัน บางเซลล์ประสาทคาดการณ์ต่ำกว่ารางวัลที่แท้จริง ในขณะที่เซลล์ประสาทอื่นๆ คาดการณ์สูงกว่ารางวัลที่แท้จริง หลังจากสร้างกราฟการกระจายตัวของการคาดการณ์รางวัล นักวิจัยพบว่าการกระจายตัวของการคาดการณ์ใกล้เคียงกับการกระจายตัวของรางวัลที่แท้จริง ซึ่งบ่งชี้ว่าสมองใช้ระบบการกระจายตัวในการคาดการณ์และปรับเปลี่ยนการคาดการณ์ให้ใกล้เคียงกับความเป็นจริงมากขึ้น

การศึกษานี้อาจให้ข้อมูลทั้งด้านวิทยาศาสตร์ประสาทและวิทยาการคอมพิวเตอร์ การศึกษานี้สนับสนุนการใช้การฝึกอบรม AI แบบกระจายตัวเพื่อสร้างแบบจำลอง AI ที่ดีขึ้น นอกจากนี้ยังอาจมีผลกระทบต่อทฤษฎีเกี่ยวกับวิธีการทำงานของสมองในเรื่องของระบบรางวัล หากดอปามีนเซลล์ประสาทมีการกระจายตัวและบางเซลล์ประสาทมีความคาดหวังที่แตกต่างกัน การเข้าใจการกระจายตัวเหล่านี้อาจเปลี่ยนแปลงวิธีการเข้าถึงด้านจิตวิทยา เช่น สุขภาพจิตและแรงจูงใจ

ตามรายงานของ MIT Technology Review แมตต์ บอทวินิก ผู้อำนวยการด้านการวิจัยประสาทวิทยาศาสตร์ของดีปไมนด์ อธิบายถึงความสำคัญของการค้นพบในการแถลงข่าว บอทวินิกกล่าวว่า

“หากสมองใช้มัน มันอาจเป็นความคิดที่ดี มันบอกเราว่านี่เป็นเทคนิคการคำนวณที่สามารถใช้ได้ในสถานการณ์จริง มันจะเข้ากันได้ดีกับกระบวนการคำนวณอื่นๆ มันให้มุมมองใหม่เกี่ยวกับสิ่งที่เกิดขึ้นในสมองของเราในชีวิตประจำวัน”