Ερευνητές παρουσίασαν την ομοιότητα μεταξύ των μοντέλων τεχνητής νοημοσύνης (AI) και του ανθρώπινου εγκεφάλου
Στον αγώνα για την ανάπτυξη της Τεχνητής Γενικής Νοημοσύνης (AGI), με οντότητες με επιρροή όπως το OpenAI και το Google DeepMind να πρωτοστατούν, η κατανόηση και η αναπαραγωγή της ανθρώπινης νοημοσύνης έχει γίνει σημαντικό ερευνητικό ενδιαφέρον.
Κεντρική θέση σε αυτές τις τεχνολογικές εξελίξεις είναι το μοντέλο Transformer, του οποίου οι θεμελιώδεις αρχές διερευνώνται τώρα σε νέο βάθος.
Το κλειδί για τα ισχυρά συστήματα AI είναι να κατανοήσουν πώς μαθαίνουν και θυμούνται πληροφορίες.
Η ομάδα εφάρμοσε τις αρχές της μάθησης του ανθρώπινου εγκεφάλου, επικεντρώνοντας συγκεκριμένα στην εδραίωση της μνήμης μέσω του υποδοχέα NMDA στον ιππόκαμπο, σε μοντέλα τεχνητής νοημοσύνης.
Ο υποδοχέας NMDA είναι σαν μια έξυπνη πόρτα στον εγκέφαλό σας που διευκολύνει τη μάθηση και το σχηματισμό μνήμης.
Όταν υπάρχει μια χημική ουσία του εγκεφάλου που ονομάζεται γλουταμινικό, το νευρικό κύτταρο υφίσταται διέγερση.
Από την άλλη πλευρά, ένα ιόν μαγνησίου λειτουργεί ως ένας μικρός φύλακας που μπλοκάρει την πόρτα.
Μόνο όταν αυτός ο ιοντικός φύλακας παραμεριστεί, οι ουσίες αφήνονται να ρέουν μέσα στο κύτταρο.
Αυτή είναι η διαδικασία που επιτρέπει στον εγκέφαλο να δημιουργεί και να διατηρεί αναμνήσεις, και ο ρόλος του θυρωρού (το ιόν μαγνησίου) στην όλη διαδικασία είναι αρκετά συγκεκριμένος.
Η ομάδα έκανε μια συναρπαστική ανακάλυψη: το μοντέλο Transformer φαίνεται να χρησιμοποιεί μια διαδικασία φύλαξης πύλης παρόμοια με τον υποδοχέα NMDA του εγκεφάλου.
Αυτή η αποκάλυψη οδήγησε τους ερευνητές να διερευνήσουν εάν η ενοποίηση της μνήμης του Transformer μπορεί να ελεγχθεί από έναν μηχανισμό παρόμοιο με τη διαδικασία πύλης του υποδοχέα NMDA.
Στον εγκέφαλο των ζώων, ένα χαμηλό επίπεδο μαγνησίου είναι γνωστό ότι αποδυναμώνει τη λειτουργία της μνήμης.
Οι ερευνητές διαπίστωσαν ότι η μακροπρόθεσμη μνήμη στο Transformer μπορεί να βελτιωθεί μιμούμενος τον υποδοχέα NMDA.
Ακριβώς όπως στον εγκέφαλο, όπου η αλλαγή των επιπέδων μαγνησίου επηρεάζει την ισχύ της μνήμης, η προσαρμογή των παραμέτρων του Transformer για να αντικατοπτρίζει τη δράση πύλης του υποδοχέα NMDA οδήγησε σε ενισχυμένη μνήμη στο μοντέλο AI.
Αυτό το επαναστατικό εύρημα υποδηλώνει ότι το πώς μαθαίνουν τα μοντέλα τεχνητής νοημοσύνης μπορεί να εξηγηθεί με καθιερωμένη γνώση στη νευροεπιστήμη.
Ο C. Justin LEE, ο οποίος είναι διευθυντής νευροεπιστήμονας στο ινστιτούτο, είπε: «Αυτή η έρευνα κάνει ένα κρίσιμο βήμα για την προώθηση της τεχνητής νοημοσύνης και της νευροεπιστήμης. Μας επιτρέπει να εμβαθύνουμε στις αρχές λειτουργίας του εγκεφάλου και να αναπτύξουμε πιο προηγμένα συστήματα τεχνητής νοημοσύνης με βάση αυτές τις ιδέες."
Ο CHA Meeyoung, ο οποίος είναι επιστήμονας δεδομένων στην ομάδα και στο KAIST, σημειώνει, «Ο ανθρώπινος εγκέφαλος είναι αξιοσημείωτος στο πώς λειτουργεί με ελάχιστη ενέργεια, σε αντίθεση με τα μεγάλα μοντέλα AI που χρειάζονται τεράστιους πόρους. Η δουλειά μας ανοίγει νέες δυνατότητες για συστήματα τεχνητής νοημοσύνης χαμηλού κόστους και υψηλής απόδοσης που μαθαίνουν και θυμούνται πληροφορίες όπως οι άνθρωποι."
Αυτό που ξεχωρίζει αυτή τη μελέτη είναι η πρωτοβουλία της να ενσωματώσει την εμπνευσμένη από τον εγκέφαλο μη γραμμικότητα σε ένα κατασκεύασμα τεχνητής νοημοσύνης, υποδηλώνοντας μια σημαντική πρόοδο στην προσομοίωση της ενοποίησης της ανθρώπινης μνήμης. Η σύγκλιση των ανθρώπινων γνωστικών μηχανισμών και του σχεδιασμού τεχνητής νοημοσύνης όχι μόνο υπόσχεται τη δημιουργία συστημάτων τεχνητής νοημοσύνης χαμηλού κόστους και υψηλής απόδοσης, αλλά παρέχει επίσης πολύτιμες γνώσεις για τη λειτουργία του εγκεφάλου μέσω μοντέλων τεχνητής νοημοσύνης.
