Η Generative AI βοηθά στην εξήγηση της ανθρώπινης μνήμης και φαντασίας

Η μελέτη, που δημοσιεύτηκε στο



Nature Human Behaviour



και χρηματοδοτήθηκε από την Wellcome, χρησιμοποιεί ένα υπολογιστικό μοντέλο AI – γνωστό ως γενετικό νευρωνικό δίκτυο – 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.

Η επικεφαλής συγγραφέας, φοιτήτρια διδάκτορα 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 τι νέες εμπειρίες και τις προσδοκίες.

«Σκεφτόμαστε ότι θυμόμαστε σαν να φανταζόμαστε το παρελθόν με βάση έννοιες, συνδυάζοντας κάποιες αποθηκευμένες λεπτομέρειες με τις προσδοκίες μας για το τι μπορεί να έχει συμβεί.»

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 υποδεικνύουν πώς, όταν αναπαράγουμε αναμνήσεις ενώ ξεκουραζόμαστε, βοηθάει τον εγκέφαλό μας να πάρει μοτίβα από προηγούμενες εμπειρίες που μπορούν να χρησιμοποιηθούν για τη δημιουργία αυτών των προβλέψεις.

1. 
   Οι ερευνητές έπαιξαν στο μοντέλο 10.000 εικόνες απλών σκηνών.
   
2. 
   Το δίκτυο του ιππόκαμπου κωδικοποίησε γρήγορα κάθε σκηνή όπως βιώθηκε.
   
3. 
   Στη συνέχεια επανέλαβε τις σκηνές ξανά και ξανά για να εκπαιδεύσει το γενετικό νευρωνικό δίκτυο στον νεοφλοιό.
   
4. 
   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).
   
5. 
   Έτσι αναδημιούργησε τις σκηνές ως μοτίβα δραστηριότητας σε χιλιάδες των νευρώνων εξόδου (νευρώνες που προβλέπουν τις οπτικές πληροφορίες).
   
6. 
   Αυτό έκανε το νεοφλοιώδες δίκτυο να μάθει εξαιρετικά αποτελεσματικά «εννοιολογικά» αναπαρασ
   
   τάσεις
   
   των σκηνών που αποτυπώνουν το νόημά τους (π.χ. η διάταξη των τοίχων και των αντικειμένων)  επιτρέποντας τόσο την αναπαράσταση παλαιών σκηνών όσο και τη δημιουργία εντελώς νέων.
   

Συνεπώς, ο ιππόκαμπος 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 των αντικειμένων.

Το μοντέλο εξηγεί πώς ο νεοφλοιός αποκτά σιγά-σιγά εννοιολογική γνώση και πώς, μαζί με τον ιππόκαμπο, αυτό μας επιτρέπει να «ξαναβιώσουμε»; 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 συχνά περιέχουν » παραμορφώσεις» στις οποίες τα μοναδικά χαρακτηριστικά γενικεύονται και απομνημονεύονται ως περισσότερο παρόμοια με τα χαρακτηριστικά σε προηγούμενα συμβάντα.