Nova mehanika razumijevanja mozga
U novom koraku ka razumijevanju kako mozak funkcioniše, tim biomedicinskih inženjera otkrio je specijalizirani biološki mehanizam koji omogućava dijelovima mozga zaduženim za razmišljanje da preoblikuju način na koji senzorne sekcije obrađuju vizualne informacije. Ovo otkriće otvara nove horizonte za razumijevanje dinamike mozga i mogućnost primjene ovog znanja u razvoju modela umjetne inteligencije.
Neuralni modeli kao istraživački alat
Vizija se dugo smatrala linearnim procesom koji počinje od očiju do vizualnog korteksa gdje se informacije obrađuju. Međutim, nova istraživanja sugeriraju da je ovaj proces složeniji nego što smo mislili. Ispostavilo se da dijelovi mozga zaduženi za razmišljanje mogu promijeniti način obrade vizualnih informacija na osnovu konteksta i zadataka.
Ovo otkriće je postignuto zahvaljujući modelima rekurentnih neuronskih mreža inspirisanih biologijom, koji su pomogli istraživačima da izoluju specifičan mehanizam poznat kao “inhibicija na inhibiciju”. Ovaj mehanizam djeluje kao most između viših instrukcija i senzorne percepcije, pružajući mozgu visoku kognitivnu fleksibilnost.
Živi eksperimenti i biološka potvrda
Zbog nedostatka preciznosti pregleda kao što je fMRI u određivanju pojedinačnih ćelijskih krugova, tim je pribjegao izgradnji jednostavnih, ali biološki inspirisanih rekurentnih neuronskih modela. Ovi modeli uključuju specijalizirane skupove uzbudljivih i inhibicijskih neurona, raspoređenih u hijerarhijske strukture. Kada su model obučavali za promjenu pravila sortiranja, istraživači su otkrili ulogu inhibicijskih ćelija koje inhibiraju druge inhibicijske ćelije, omogućavajući prijenos informacija iz viših kognitivnih jedinica na senzorne ulaze.
Inspiracija iz ljudskih slučajeva
Da bi potvrdili model, istraživači su zabilježili neuronsku aktivnost u vizualnom korteksu živih miševa. Kada su onemogućili slične inhibicijske ćelije u živom tkivu, korteks je izgubio sposobnost praćenja konteksta zadataka, što je potvrdilo tačnost računarskog modela. Ovo naglašava koliko su senzorne funkcije u mozgu ponovljive i poboljšava naše razumijevanje kako mozak postiže ovaj nivo prilagodljivosti i fleksibilnosti.
Zaključak
Glavna istraživačica inspiraciju je pronašla u radu s pacijentima kojima nedostaje hipokampus, ključna struktura u mozgu odgovorna za formiranje memorije. Iako su izgubili ovaj ključni dio, ti pacijenti su uspjeli zadržati fleksibilne kognitivne vještine, što pokazuje da primarne senzorne oblasti u mozgu funkcionišu s viškom koji se može prilagoditi.
Ova studija otvara nove perspektive za razumijevanje kako male moždane mreže mogu pružiti uvide u izgradnju efikasnijih modela umjetne inteligencije. Proučavanjem mehanizama poput inhibicije na inhibiciju, inženjeri mogu dizajnirati rekurentne neuronske mreže koje su vitke i sposobne za prilagodbu, smanjujući oslanjanje trenutnih masivnih modela na energiju i podatke. Ovo predstavlja korak ka modelima umjetne inteligencije koji nadmašuju trenutne modele u efikasnosti i sposobnosti prilagodbe.