Wetenschappers van Cambridge tonen aan dat het opleggen van fysieke beperkingen aan een AI-systeem, ervoor zorgt hersenen worden nagebootst, aldus de universiteit in een persbericht.
- Het toepassen van fysieke beperkingen op AI-systemen leidt tot hersenachtige eigenschappen.
- Het nabootsen van het brein zorgt voor een energie-efficiënt systeem.
Als hersenen zichzelf organiseren en verbindingen maken, hebben ze te maken met beperkingen. Er zijn bijvoorbeeld energie en middelen nodig om het netwerk in de fysieke ruimte te laten groeien en in stand te houden, terwijl het netwerk tegelijkertijd geoptimaliseerd wordt voor informatieverwerking.
Jascha Achterberg, een Gates Scholar van de Medical Research Council Cognition and Brain Sciences Unit (MRC CBSU) aan de Universiteit van Cambridge: “De hersenen zijn niet alleen heel goed in het oplossen van complexe problemen, ze doen dat ook nog eens met heel weinig energie. In ons nieuwe werk laten we zien waarom hersenen eruit zien zoals ze eruit zien.”
Co-lead auteur Dr. Danyal Akarca, ook van het MRC CBSU, voegde hieraan toe: “Dit komt voort uit een breed principe, namelijk dat biologische systemen gewoonlijk evolueren om het meeste te halen uit de energetische bronnen die ze tot hun beschikking hebben. De oplossingen die ze vinden zijn vaak heel elegant en weerspiegelen de afwegingen tussen verschillende krachten die op hen worden uitgeoefend.”
Versimpelde versie van de hersenen
In het onderzoek, gepubliceerd in Nature Machine Intelligence, creëerden Achterberg, Akarca en collega’s een kunstmatig systeem dat bedoeld was om een zeer vereenvoudigde versie van de hersenen te modelleren. Ze ontdekten dat hun systeem bepaalde belangrijke kenmerken en tactieken ontwikkelde die vergelijkbaar waren met die van menselijke hersenen.
In plaats van echte neuronen gebruikte het systeem computationele knooppunten. Neuronen en knooppunten lijken qua functie op elkaar, in die zin dat ze een input hebben, deze transformeren en een output produceren.
In hun systeem pasten de onderzoekers echter een ‘fysieke’ beperking op het systeem toe. Elk knooppunt kreeg een specifieke locatie in een virtuele ruimte. Hoe verder twee knooppunten van elkaar verwijderd waren, hoe moeilijker het voor ze was om te communiceren. Dit is vergelijkbaar met hoe neuronen in het menselijk brein zijn georganiseerd.
Een doolhof
Het systeem moest een eenvoudige taak uitvoeren: – een navigatietaak in een doolhof, die meestal wordt gegeven aan dieren zoals ratten en makaken bij het bestuderen van de hersenen, waarbij het meerdere stukjes informatie moet combineren om de kortste route naar het eindpunt te bepalen.
In het begin weet het systeem niet hoe het de taak moet voltooien en maakt het fouten. Maar wanneer het feedback krijgt, leert het geleidelijk beter te worden in de taak. Het leert door de sterkte van de verbindingen tussen de knooppunten te veranderen, net zoals de sterkte van de verbindingen tussen hersencellen verandert als we leren. Het systeem herhaalt de taak vervolgens keer op keer, totdat het uiteindelijk leert om de taak correct uit te voeren.
Bij hun systeem betekende de fysieke beperking echter dat hoe verder twee knooppunten van elkaar verwijderd waren, hoe moeilijker het was om een verbinding tussen de twee knooppunten op te bouwen als reactie op de feedback. In het menselijk brein zijn verbindingen die een grote fysieke afstand overbruggen lastiger om te vormen en te onderhouden.
Toen het systeem werd gevraagd om de taak onder deze beperkingen uit te voeren, gebruikte het enkele van dezelfde trucs die echte menselijke hersenen gebruiken om de taak op te lossen. Om de beperkingen te omzeilen, begonnen de kunstmatige systemen bijvoorbeeld knooppunten te ontwikkelen – die fungeren als doorgeefluiken voor informatie door het netwerk.
Zoals het menselijk brein
Verrassender was echter, dat niet elk knooppunt één bepaalde taak had in de doolhoftaak; er was sprake van een flexibel codeerschema. Dit betekent dat op verschillende momenten knooppunten verschillende eigenschappen bezitten. Zo kan dezelfde knoop bijvoorbeeld meerdere locaties van een doolhof coderen. Dit is een ander kenmerk van de hersenen van complexe organismen.
Co-auteur professor Duncan Astle van Cambridge’s Department of Psychiatry: “Interessant genoeg zijn het eigenschappen die biologische systemen zoals het menselijk brein ook hebben. Ik denk dat dit ons iets fundamenteels vertelt over waarom onze hersenen zijn georganiseerd zoals ze zijn.”
Als je dit artikel leuk vindt, lees dan ook:
