世界

AIにはまだできない方法で脳が学習する仕組み

コンピューターは、ほんの数年前には想像もできなかった精度で、テキストを書き、病気を診断し、特殊なタスクを実行します。しかし、実際の認知の柔軟性について議論すると、人間の脳は依然として無敵です。 これは研究者らによる新しい研究によって確認されています プリンストン大学これは、脳が驚くほど単純だが非常に効果的な方法で機能していることを明らかにしている。脳は再利用可能な「認知ブロック」を再構成して、新しい状況に超高速で適応する。 この研究は、 自然は、人間や他の霊長類が数分で新しいルールを発見したり、戦略を変更したり、新しいスキルを学習したりできるのに、最も洗練された AI モデルでさえ同じことを行うには数百万のサンプルと大規模なトレーニング サイクルを必要とする理由を説明しようとしています。鍵となるのは、前頭前野がレゴのように小さな機能的な思考ブロックを組み立てる方法にある、と科学者たちは主張する。 彼のチーム ティム・ブッシュマン は、2 頭のアカゲザルを使った一連の実験を計画し、要求の厳しい 3 つの視覚的分類タスクを実行できるように訓練しました。抽象的でカラフルな形状が画面に表示され、時には明確に、時には意図的に不明瞭になりました。動物たちは毎回、自分が「ウサギ」に似ているのか「T」に似ているのか、あるいは特定の色のカテゴリーに属しているのかを判断する必要がありました。反応はさまざまな方向への目の動きによって与えられ、それぞれのタスクには独自のルールがありました。 この実験の巧妙な詳細は、タスクには共通の要素があるものの、すべてのレベルで共通するわけではないということです。同じ動作ルールを共有することもあれば、色の基準を共有することもあれば、何も共有しないこともありました。これにより、科学者たちは、毎回どの神経プロセスが活性化され、あるタスクが別のタスクと部分的にでも類似した場合にどの神経プロセスが再び現れるかをマッピングすることができました。 結果は明らかでした。前頭前皮質では、これらの「認知レゴ」として機能すると思われるニューロン活動の反復パターンが特定されました。たとえば、いくつかのブロックは色認識に対応し、他のブロックは視線方向の選択に対応します。新しいタスクにその両方が必要な場合、脳は新しい戦略を模索しませんでした。彼は単に古い「セット」を一掃し、適切な構成要素を別の配置で組み立てただけでした。 この考え方はプログラミングに似ています。つまり、目的の結果に応じて、異なる「チェーン」に結合できる一連のスタンドアロン関数です。各ブロックは特定のことを行い、その知性は、適切な部分を選択し、それらをほぼ瞬時に貼り合わせる脳の能力にあります。 もう1つの興味深い発見は、脳はすべてのブロックを同時にアクティブにして機能することはなく、過負荷にならないようにして主な目標に注意を集中させ続けるために、必要のないブロックをオフにするということです。この選択的活性化は内部リソース節約メカニズムのようなもので、これにより脳は柔軟性、経済性、効率性を維持できるようになります。 研究の結論はそれだけではありません 神経学。それらは、近年「壊滅的な忘却」というよく知られた問題に悩まされている人工知能の世界に直接影響を及ぼします。ほとんどの AI システムは、新しいターゲットでトレーニングされると、新しい情報が古い情報を圧倒するため、以前のスキルを忘れる傾向があります。しかし、そのアーキテクチャが、機能のサブパーツを最初から書き直すのではなく再利用して、より「モジュール式」に動作できるようになれば、AI モデルは、消去することなく知識を蓄積する人間の自然な能力に近づくことができるでしょう。 応用の可能性は医療にも広がります。統合失調症からある種の脳損傷に至るまで、多くの神経障害や精神障害は、戦略の変更や新しい状況への適応の困難を伴います。これらの病状が実際に認知ブロックの再構築における機能不全に関連しているのであれば、これらのユニットが脳のどのように構造化されているかを理解することで、新しい治療アプローチへの道が開かれる可能性があります。 プリンストン大学の研究はすべての疑問に答えているわけではありませんが、神経科学と科学の橋渡しとなる思考モデルを示唆しています。 AI: 脳が学習するのは、「より多くのデータ」を保存するためではなく、既存のデータをより柔軟な方法で再利用する方法を知っているからです。 #AIにはまだできない方法で脳が学習する仕組み