Όπως αναφέρεται, οι πρόσφατες εξελίξεις στη γενετική τεχνητή νοημοσύνη χρησιμοποιούνται προκειμένου να γίνει κατανοητό πώς οι αναμνήσεις μας επιτρέπουν να μάθουμε για τον κόσμο, να ξαναζήσουμε παλιές εμπειρίες και να δημιουργήσουμε εντελώς νέες εμπειρίες για φαντασία και προγραμματισμό, σύμφωνα με μια νέα μελέτη από ερευνητές του UCL.
Η μελέτη, που δημοσιεύτηκε στο Nature Human Behavior, χρησιμοποιεί ένα υπολογιστικό μοντέλο AI – γνωστό ως γενετικό νευρωνικό δίκτυο – για να προσομοιώσει πώς τα νευρωνικά δίκτυα στον εγκέφαλο μαθαίνουν και θυμούνται μια σειρά γεγονότων (το καθένα αντιπροσωπεύεται από μια απλή σκηνή).
Το μοντέλο παρουσίαζε δίκτυα που αντιπροσώπευαν τον ιππόκαμπο και τον νεοφλοιό, για να διερευνηθεί πώς αλληλεπιδρούν. Και τα δύο μέρη του εγκεφάλου είναι γνωστό ότι συνεργάζονται κατά τη διάρκεια της μνήμης, της φαντασίας και του προγραμματισμού.
Οι άνθρωποι πρέπει να κάνουν προβλέψεις για να επιβιώσουν (π.χ. για να αποφύγουν τον κίνδυνο ή να βρουν τροφή) και τα δίκτυα τεχνητής νοημοσύνης προτείνουν πώς, όταν αναπαράγουμε αναμνήσεις ενώ ξεκουραζόμαστε, βοηθάει τον εγκέφαλό μας να πάρει μοτίβα από προηγούμενες εμπειρίες που μπορούν να χρησιμοποιηθούν για να τα φτιάξουν προβλέψεις.
Η επικεφαλής συγγραφέας, διδακτορική φοιτήτρια Eleanor Spens (UCL Institute of Cognitive Neuroscience), δήλωσε: «Οι πρόσφατες εξελίξεις στα δίκτυα παραγωγής που χρησιμοποιούνται στην τεχνητή νοημοσύνη δείχνουν πώς μπορούν να εξαχθούν πληροφορίες από την εμπειρία, ώστε να μπορούμε να θυμηθούμε μια συγκεκριμένη εμπειρία και επίσης να φανταστούμε ευέλικτα πώς μπορεί να είναι οι νέες εμπειρίες.
«Νομίζουμε ότι η διαδικασία του να θυμόμαστε είναι σαν να φανταζόμαστε το παρελθόν με βάση έννοιες, συνδυάζοντας κάποιες αποθηκευμένες λεπτομέρειες με τις προσδοκίες μας για το τι μπορεί να είχε συμβεί».
Οι ερευνητές έπαιξαν στο μοντέλο 10.000 εικόνες απλών σκηνών. Το δίκτυο του ιππόκαμπου κωδικοποίησε γρήγορα κάθε σκηνή όπως βιώθηκε. Στη συνέχεια επανέλαβε τις σκηνές ξανά και ξανά για να εκπαιδεύσει το γενετικό νευρωνικό δίκτυο στον νεοφλοιό.
Το νεοφλοιώδες δίκτυο έμαθε να περνά τη δραστηριότητα των χιλιάδων νευρώνων εισόδου (νευρώνες που λαμβάνουν οπτικές πληροφορίες) που αντιπροσωπεύουν κάθε σκηνή μέσα από μικρότερα ενδιάμεσα στρώματα νευρώνων (το μικρότερο περιέχει μόνο 20 νευρώνες), για να αναδημιουργήσει τις σκηνές ως μοτίβα δραστηριότητας σε χιλιάδες των νευρώνων εξόδου (νευρώνες που προβλέπουν τις οπτικές πληροφορίες).
Αυτό έκανε το νεοφλοιώδες δίκτυο να μάθει εξαιρετικά αποτελεσματικές «εννοιολογικές» αναπαραστάσεις των σκηνών που αποτυπώνουν το νόημά τους (π.χ. οι διατάξεις των τοίχων και των αντικειμένων) – επιτρέποντας τόσο την αναπαράσταση παλιών σκηνών όσο και τη δημιουργία εντελώς νέων.
Κατά συνέπεια, το δίκτυο Α.Ι. που αντιπροσώπευε τον ιππόκαμπο μπόρεσε να κωδικοποιήσει το νόημα των νέων σκηνών που του παρουσιάζονταν, αντί να χρειάζεται να κωδικοποιήσει κάθε λεπτομέρεια, επιτρέποντάς του να εστιάσει τους πόρους στην κωδικοποίηση μοναδικών χαρακτηριστικών που ο νεοφλοιός δεν μπορούσε να αναπαράγει – όπως νέους τύπους αντικειμένων.
Το μοντέλο εξηγεί πώς ο νεοφλοιός αποκτά σιγά-σιγά εννοιολογική γνώση και πώς, μαζί με τον ιππόκαμπο, αυτό μας επιτρέπει να «ξαναβιώσουμε» τα γεγονότα ανακατασκευάζοντάς τα στο μυαλό μας.
Το μοντέλο εξηγεί επίσης πώς μπορούν να δημιουργηθούν νέα γεγονότα κατά τη διάρκεια της φαντασίας και του σχεδιασμού για το μέλλον, και γιατί οι υπάρχουσες μνήμες περιέχουν συχνά παραμορφώσεις «όπως την ουσία» – στις οποίες τα μοναδικά χαρακτηριστικά γενικεύονται και απομνημονεύονται περισσότερο σαν τα χαρακτηριστικά σε προηγούμενα συμβάντα.
Ο ανώτερος συγγραφέας, ο καθηγητής Neil Burgess (UCL Institute of Cognitive Neuroscience and UCL Queen Square Institute of Neurology), εξήγησε: «Ο τρόπος με τον οποίο οι αναμνήσεις ανακατασκευάζονται, αντί να είναι αληθινές καταγραφές του παρελθόντος, μας δείχνει πώς το νόημα ή η ουσία μιας εμπειρίας ανασυνδυάζεται με μοναδικές λεπτομέρειες και πώς αυτό μπορεί να οδηγήσει σε προκαταλήψεις στον τρόπο με τον οποίο θυμόμαστε τα πράγματα».
(photo: pixabay)
