با وجود پیشرفتهای سریع هوش مصنوعی در سالهای اخیر، مغز انسان همچنان در انتقال مهارتها و یادگیری همزمان در وظایف مختلف، بر کامپیوترها برتری دارد. یک مطالعه جدید نشان میدهد که احتمالاً ما چگونه این توانایی را انجام میدهیم.
به رهبری تیمی از دانشگاه پرینستون، محققان این مطالعه جدید در واقع آزمایشی روی انسانها انجام ندادند و به جای آن از حیواناتی استفاده کردند که از نظر زیستشناسی و عملکرد مغزی به ما بسیار نزدیک هستند: میمونهای رزوس (Macaca mulatta).
از این میمونها خواسته شد تا اشکال و رنگها را روی صفحه تشخیص دهند و برای پاسخهای خود به جهات خاصی نگاه کنند. در همین حین، با استفاده از اسکن مغزی، الگوها و مناطق فعالیت مشترک در مغز این حیوانات بررسی شد.
اسکنها نشان داد که مغز میمونها از بلوکهای مختلف نورونی که محققان آنها را لگوهای شناختی نامیدهاند؛ در انجام وظایف مختلف استفاده میکند. این بلوکها میتوانند دوباره استفاده شوند و در وظایف جدید ترکیب شوند، و انعطافپذیری عصبیای را نشان میدهند که حتی پیشرفتهترین مدلهای هوش مصنوعی قادر به رقابت با آن نیستند.
تیم بوشمن، دانشمند علوم عصبی در دانشگاه پرینستون، میگوید: «مدلهای هوش مصنوعی پیشرفته میتوانند در انجام یک وظیفه خاص به سطح انسانی و حتی فراتر از آن برسند، اما در یادگیری و انجام همزمان وظایف مختلف مشکل دارند. ما دریافتیم که مغز انعطافپذیر است زیرا میتواند اجزای شناختی خود را در بسیاری از وظایف مختلف دوباره استفاده کند. با کنار هم قرار دادن این لگوهای شناختی، مغز قادر است وظایف جدید را بسازد.»
همانطور که در ویدئوی زیر مشاهده میکنید، این حیوانات باید بین اشکال و رنگها در سه وظیفه جداگانه اما مرتبط تمایز قائل میشدند؛ وظایفی که نیاز داشتند حیوانات بهطور مداوم یاد بگیرند و آنچه از یک وظیفه میدانستند را در وظیفه بعدی به کار ببرند.
بلوکهای شناختی که محققان شناسایی کردند، در بخش قشر پیشپیشانی مغز متمرکز بودند. این ناحیه با شناختهای عالی مرتبط است؛ حل مسئله، برنامهریزی و تصمیمگیری و به نظر میرسد نقش مهمی در انعطافپذیری شناختی ایفا میکند.
محققان همچنین دریافتند که وقتی برخی بلوکهای شناختی لازم نیستند، فعالیت آنها کاهش مییابد؛ این نشان میدهد که مغز میتواند لگوهای عصبی را که فوراً به آنها نیاز ندارد کنار بگذارد تا تمرکز بهتری روی وظیفه جاری داشته باشد.
تیم بوشمن میگوید: «من یک بلوک شناختی را مثل یک تابع در برنامهنویسی کامپیوتر در نظر میگیرم. یک مجموعه از نورونها ممکن است رنگ را تشخیص دهند و خروجی آن میتواند به تابع دیگری منتقل شود که یک عمل را هدایت میکند. این سازماندهی به مغز اجازه میدهد یک وظیفه را با انجام متوالی هر جزء از آن به پایان برساند.»
این توضیح میدهد که چرا میمونها و احتمالاً انسانها میتوانند با چالشها و وظایفی که قبلاً ندیدهاند سازگار شوند و از دانش موجود برای حل آنها استفاده کنند؛ چیزی که هوش مصنوعی در شکل کنونی خود با آن مشکل دارد.
محققان در ادامه اشاره میکنند که یافتههای آنها میتواند به آموزش هوش مصنوعی کمک کند تا در مواجهه با وظایف جدید، انعطافپذیرتر باشد. این پژوهش همچنین میتواند در توسعه درمانهایی برای اختلالات عصبی و روانپزشکی که در آن افراد در بهکارگیری مهارتها در محیطهای جدید مشکل دارند، مفید واقع شود.
در حال حاضر، این لگوهای شناختی نشان میدهند که مغز ما در سطح بنیادی، بسیار انعطافپذیرتر و سازگارتر از مدلهای هوش مصنوعی است؛ مدلهایی که با مشکلی به نام فراموشی فاجعهبار مواجه هستند: ضعفی که باعث میشود شبکههای عصبی نتوانند وظایف متوالی را یاد بگیرند بدون آنکه نحوه انجام وظیفه قبلی را فراموش کنند.
گرچه تغییر مداوم وظایف برای مغز ما ایدهآل نیست، اما بهکارگیری دانش یک وظیفه در وظیفه دیگر میتواند میانبری مفید باشد.
محققان نتیجهگیری میکنند: «اگر، همانطور که نتایج ما نشان میدهد، مغز بتواند بازنماییها و محاسبات را بین وظایف مختلف دوباره استفاده کند، این میتواند امکان سازگاری سریع با تغییرات محیطی را فراهم کند، یا با یادگیری بازنمایی مناسب وظیفه از طریق بازخورد پاداش، یا با بازیابی آن از حافظه بلندمدت.»
منبع خبر : sciencealert.com
نظرات کاربران