Междисциплинарная группа обнаружила, что модели искусственного интеллекта, в частности Трансформеры, обрабатывают память аналогично гиппокампу человеческого мозга. Этот прорыв демонстрирует, что применение принципов нейронауки, таких как принцип рецептора NMDA, к искусственному интеллекту может улучшить функцию памяти, тем самым продвигая область искусственного интеллекта и обеспечивая понимание функций человеческого мозга.

Исследователи обнаружили, что процесс консолидации памяти искусственного интеллекта аналогичен процессу консолидации памяти в человеческом мозге, особенно в гиппокампе, что обеспечивает возможность развития искусственного интеллекта и более глубокого понимания механизмов человеческой памяти.

Междисциплинарная группа исследователей из Центра познания и социальности Института фундаментальных наук (IBS) и Группы по науке о данных выявила поразительное сходство между обработкой памяти моделей искусственного интеллекта (ИИ) и гиппокампом человеческого мозга. Это новое открытие открывает новый взгляд на консолидацию памяти (процесс преобразования кратковременной памяти в долговременную) в системах искусственного интеллекта.

В гонке за разработку общего искусственного интеллекта (AGI), возглавляемой такими влиятельными организациями, как OpenAI и Google DeepMind, понимание и воспроизведение человеческого интеллекта стало важным исследовательским интересом. В основе этих технологических достижений лежит модель «Трансформеры» (рис. 1), основы которой в настоящее время исследуются с новой силой.

Рисунок 1: (а) Схематическая диаграмма активности ионных каналов в постсинаптических нейронах. Рецепторы AMPA участвуют в активации постсинаптических нейронов, тогда как рецепторы NMDA блокируются ионами магния (Mg²⁺), но когда постсинаптические нейроны полностью активированы, рецепторы NMDA вызывают синаптическую пластичность за счет притока ионов кальция (Ca²⁺). (б) Блок-схема, показывающая процесс расчета модели искусственного интеллекта Трансформера. Информация обрабатывается последовательно через такие этапы, как уровни прямой связи, нормализация слоев и уровни самообслуживания. График, описывающий зависимость тока от напряжения NMDA-рецепторов, очень похож на нелинейность слоя прямой связи. График ввода-вывода, основанный на концентрации магния (α), показывает нелинейные изменения в рецепторах NMDA. Источник: Институт фундаментальных наук.

Механизм обучения мозга применительно к искусственному интеллекту

Ключом к созданию мощных систем искусственного интеллекта является понимание того, как они изучают и запоминают информацию. Исследовательская группа применила принципы обучения человеческого мозга, особенно принцип консолидации памяти через NMDA-рецепторы в гиппокампе, к модели искусственного интеллекта.

Рецепторы NMDA подобны умной двери в мозгу, способствующей обучению и формированию памяти. Когда в мозге присутствует химическое вещество под названием глутамат, нервные клетки возбуждаются. Ионы магния, с другой стороны, действуют как маленький привратник, блокируя дверь. Только когда этот ионный страж отступит в сторону, вещества смогут поступать в клетку. Именно так мозг создает и сохраняет воспоминания, и роль привратника (ионов магния) во всем этом процессе совершенно особенная.

Команда сделала удивительное открытие: модель Трансформеров, по-видимому, использует процесс контроля, аналогичный NMDA-рецепторам мозга (см. Рисунок 1). Это открытие побудило исследователей выяснить, можно ли контролировать консолидацию памяти в Трансформерах с помощью механизма, аналогичного процессу пропускания рецептора NMDA.

Известно, что низкий уровень магния ухудшает функцию памяти в мозгу животных. Исследователи обнаружили, что долговременную память Трансформеров можно улучшить, имитируя рецепторы NMDA. Точно так же, как изменения уровня магния в мозге влияют на силу памяти, настройка параметров Трансформеров с учетом срабатывания рецепторов NMDA может улучшить память моделей ИИ. Это революционное открытие показывает, что способ обучения моделей искусственного интеллекта можно объяснить существующими знаниями в области нейробиологии.

Мнения экспертов об искусственном интеллекте и нейробиологии

К. Джастин ЛИ, нейробиолог, директор института, сказал: «Это исследование является важным шагом в продвижении развития искусственного интеллекта и нейробиологии. Оно позволяет нам более глубоко изучить, как работает мозг, и разработать более совершенные системы искусственного интеллекта на основе этих идей».

CHAMeeyoung, специалист по данным из команды и KAIST, отметил: «В отличие от крупномасштабных моделей искусственного интеллекта, которые требуют огромных ресурсов, человеческий мозг работает с минимальными затратами энергии, что примечательно. Наша работа открывает новые возможности для недорогих и высокопроизводительных систем искусственного интеллекта, которые изучают и запоминают информацию, как люди».

Интеграция когнитивного механизма и дизайна искусственного интеллекта

Уникальность этого исследования заключается в том, что оно активно включает нелинейности, вызванные мозгом, в структуры искусственного интеллекта, что знаменует собой значительный прогресс в моделировании консолидации памяти, подобной человеческой. Слияние человеческих когнитивных механизмов и конструкции искусственного интеллекта не только обещает создать недорогие и высокопроизводительные системы искусственного интеллекта, но также дает ценную информацию о том, как работает мозг, с помощью моделей искусственного интеллекта.

Источник составления: ScitechDaily.