هوش مصنوعی مولد اسرار تخیل انسان و شکلگیری حافظه را فاش میکند
یک مطالعه جدید نشان داده که چگونه هوش مصنوعی مولد میتواند از پردازش خاطرات مغز انسان برای یادگیری، تخیل و برنامهریزی استفاده میکند.
مطالعاتی که به تازگی انجام شده نشان میدهد هوش مصنوعی از یک مدل محاسباتی شبیه شبکههای عصبی هیپوکامپ و نئوکورتکس برای شبیهسازی رمزگذاری و بازیابی حافظه استفاده میکند. این مدل نشان میدهد که چگونه نئوکورتکس مغز امکان بازنمایی مفهومی کارآمدی از تجربیات تشکیل میدهد که امکان بازآفرینی رویدادهای گذشته و رویدادهای جدید را فراهم میکند. این تحقیق توانایی مغز برای بازسازی خاطرات با جزئیات منحصر بهفرد را نشان میدهد و بینشی در مورد نقش حافظه در بقا و پیشبینی ارائه میدهد.
مدل هوش مصنوعی تعامل بین هیپوکامپ و نئوکورتکس را در پردازش حافظه شبیهسازی میکند. نئوکورتکس بازنماییهای مفهومی را تشکیل میدهد و مغز را قادر میسازد تا تجربیات گذشته را بازسازی و سناریوهای جدیدی را متصور شود. این مطالعه بینشی در مورد نقش حافظه در بقا، پیشبینی رویدادهای آینده و درک عملیات حافظه ارائه میدهد. بر اساس یک مطالعه جدید توسط محققان UCL، پیشرفتهای اخیر در هوش مصنوعی مولد به توضیح اینکه چگونه خاطرات ما را قادر میسازد درک بهتری در مورد جهان داشته باشیم، تجربیات قدیمی را دوباره زندگی کنیم و تجربیات کاملاً جدیدی برای تخیل و برنامهریزی بسازیم.
این مطالعه که در Nature Human Behavior منتشر شده است، از یک مدل محاسباتی هوش مصنوعی معروف به شبکه عصبی مولد برای شبیهسازی نحوه یادگیری و یادآوری شبکههای عصبی در مغز مجموعهای از رویدادها استفاده میکند. این مدل شبکههایی را نشان میدهد که هیپوکامپ و نئوکورتکس را نشان میدهند تا نحوه تعامل آنها را بررسی کند. هر دو بخش مغز در طول حافظه، تخیل و برنامهریزی با هم کار میکنند.
انسانها برای زنده ماندن باید مثلاً برای جلوگیری از خطر یا یافتن غذا پیشبینی کنند و شبکههای هوش مصنوعی نشان میدهند که چگونه وقتی خاطرات را در حین استراحت مرور میکنیم، به مغز ما کمک میکند الگوهایی را از تجربیات گذشته که میتوان برای ساختن آنها استفاده کرد، دریافت کند. پیشرفتهای اخیر در شبکههای مولد مورد استفاده در هوش مصنوعی نشان میدهد که چگونه میتوان اطلاعات را از تجربه استخراج کرد تا بتوانیم هم تجربهای خاص را به خاطر بیاوریم و هم بهطور انعطافپذیر تصور کنیم که چه چیزی جدید است.
ما به یادآوری به عنوان مرور گذشته بر اساس مفاهیم فکر میکنیم و برخی از جزئیات ذخیره شده را با انتظارات خود در مورد آنچه ممکن است رخ دهد ترکیب میکنیم. محققان ۱۰ هزار تصویر از صحنههای ساده را برای این مدل هوش مصنوعی پخش کردند. شبکه هیپوکامپ به سرعت هر صحنه را همانطور که تجربه میکرد رمزگذاری کرد. سپس صحنهها را بارها و بارها برای آموزش شبکه عصبی مولد در نئوکورتکس تکرار کرد.
شبکه نئوکورتیکال یاد گرفت که فعالیت هزاران نورون ورودی (نورونهایی که اطلاعات بصری را دریافت میکنند) که هر صحنه را نشان میدهد از طریق لایههای میانی کوچکتر نورونها (کوچکترین آنها حاوی تنها 20 نورون است) عبور دهد تا صحنهها را به عنوان الگوهای فعالیت در هزاران مورد شبیه بازسازی کند. از سوی دیگر نورونهای خروجی شامل نورونهایی که اطلاعات بصری را پیش بینی میکنند، بهکار گرفته شدند تا در بازیابی خاطرات کمک کنند.
این امر باعث شد تا شبکه نئوکورتیکال بازنماییهای مفهومی بسیار کارآمدی از صحنههایی که معنای آنها را به تصویر میکشد مثل چیدمان دیوارها و اشیا بیاموزد که هم امکان بازآفرینی صحنههای قدیمی و هم تولید صحنههای کاملاً جدید را فراهم میکند. در نتیجه، هیپوکامپ به جای اینکه مجبور باشد تکتک جزئیات را رمزگذاری کند، میتوانست معنای صحنههای جدیدی را که به آن ارائه میشد، رمزگذاری کند و این امکان را به آن میداد تا منابع را روی رمزگذاری ویژگیهای منحصربهفردی که نئوکورتکس قادر به بازتولید آن نبود، مثل انواع جدید اشیاء متمرکز کند.
این مدل توضیح میدهد که چگونه نئوکورتکس به آرامی دانش مفهومی را به دست میآورد و چگونه، همراه با هیپوکامپ، این امکان را به ما میدهد تا با بازسازی آنها در ذهن خود، رویدادها را دوباره تجربه کنیم. این مدل همچنین توضیح میدهد که چگونه میتوان رویدادهای جدید را در طول تخیل و برنامهریزی برای آینده ایجاد کرد و چرا خاطرات موجود اغلب حاوی تحریفهای از نمونه واقعی یا اصل آن اتفاق هستند که در آن ویژگیهای منحصربهفرد تعمیم داده میشوند و بیشتر شبیه ویژگیهای رویدادهای قبلی به خاطر سپرده میشوند.
بر اساس گزارش دانشمندان، شیوهای که خاطرات بازسازی میشوند، به جای اینکه سوابق واقعی گذشته باشند، به ما نشان میدهد که چگونه معنا یا اصل یک تجربه با جزئیات منحصربهفرد ترکیب میشود و چگونه این میتواند منجر به سوگیری در نحوه به خاطر سپردن اتفاقات شود.
نظرات
دیدگاه خود را اشتراک گذارید