Kunstmatige intelligentie (AI)-systemen worden steeds geavanceerder en kunnen complexe problemen oplossen. Een nieuw onderzoek uitgevoerd door wetenschappers aan de Universiteit van Cambridge onthult echter dat het opleggen van fysieke beperkingen aan deze AI-systemen kan leiden tot de ontwikkeling van eigenschappen die vergelijkbaar zijn met die in de hersenen van complexe organismen.
Het onderzoeksteam gebruikte ruimtelijk ingebedde recurrente neurale netwerken (seRNN’s) als basis voor hun AI-systeem. Door fysieke beperkingen in te voeren, vergelijkbaar met die ervaren door de menselijke hersenen, kon het systeem kenmerken en strategieën vertonen die worden waargenomen in de echte menselijke hersenen bij het oplossen van taken.
De bevindingen van dit onderzoek hebben belangrijke implicaties voor zowel het gebied van kunstmatige intelligentie als neurowetenschappen. Het biedt inzichten in hoe beperkingen verschillen vormen tussen de hersenen van individuen en hoe ze bijdragen aan cognitieve of mentale gezondheidsproblemen. Het begrijpen van deze verschillen zou mogelijk kunnen leiden tot de ontwikkeling van efficiëntere AI-systemen en nieuwe benaderingen voor het aanpakken van cognitieve uitdagingen.
Hoofdonderzoeker Jascha Achterberg benadrukt het unieke voordeel van kunstmatige ‘hersenen’ bij het bestuderen van biologische systemen. Door te experimenteren met beperkingen kon het team observeren hoe het AI-systeem leek op de hersenen van specifieke individuen. Deze aanpak stelt onderzoekers in staat een dieper inzicht te krijgen in de complexe gegevens die worden geregistreerd uit echte neuronen in levende hersenen.
Het onderzoek, gepubliceerd in Nature Machine Intelligence, benadrukt de brug tussen structureel en functioneel onderzoek in de zoektocht naar een beter begrip van de neurowetenschap. De onderzoekers concludeerden dat seRNN’s, die biologische beperkingen bevatten, dienen als een middel om de interactie tussen structurele en functionele aspecten van neurale systemen vast te leggen.
Veelgestelde vragen:
V: Hoe introduceerden de onderzoekers fysieke beperkingen in het AI-systeem?
A: De onderzoekers kenden aan elke berekeningsknoop in een virtuele ruimte specifieke locaties toe, waardoor de communicatie tussen knooppunten moeilijker werd naarmate ze verder uit elkaar waren.
V: Welke taak moest het AI-systeem voltooien?
A: Het AI-systeem kreeg een vereenvoudigde doolhofnavigatietaak waarbij het meerdere stukjes informatie moest combineren om de kortste route naar het eindpunt te vinden.
V: Welke belangrijke kenmerken ontwikkelde het AI-systeem onder de fysieke beperkingen?
A: Het AI-systeem begon knooppunten te ontwikkelen die sterk verbonden waren en die de informatiestroom over het netwerk vergemakkelijkten, vergelijkbaar met menselijke hersenen.
V: Wat zijn de mogelijke implicaties van dit onderzoek?
A: De bevindingen kunnen inzichten bieden in verschillen in de organisatie van het menselijk brein en bijdragen aan de ontwikkeling van efficiëntere AI-systemen. Ze kunnen ook de weg effenen voor nieuwe benaderingen om cognitieve of mentale gezondheidsproblemen te begrijpen en aan te pakken.