Interdisciplinarni tim Centra za kogniciju i društvenost i Data Science Groupa unutar korejskog Instituta za temeljnu znanost otkrio je nevjerojatnu sličnost između obrade pamćenja modela umjetne inteligencije i hipokampusa ljudskog mozga. Ovo otkriće pruža novu perspektivu konsolidacije pamćenja, procesa koji transformira kratkoročna sjećanja u dugoročna, u sustavima umjetne inteligencije.

Razumijevanje ljudske inteligencije

Razumijevanje i repliciranje inteligencije poput ljudske u žiži je zanimanja istraživača, a središnje mjesto u ovom tehnološkom napretku zauzimaju transformatori, arhitekture dubokog učenja koje se temelje na mehanizmu pažnje s više glava. Ključ moćnih AI sustava je razumijevanje načina na koji uče i pamte informacije. Korejski istraživači primijenili su principe učenja ljudskog mozga na AI modele, a posebno su se usredotočili na konsolidaciju pamćenja putem NMDA receptora u hipokampusu,.

NMDA receptor je poput pametnih vrata u mozgu koja olakšavaju učenje i formiranje pamćenja. U prisutnosti moždane kemikalije glutamata živčana stanica prolazi kroz ekscitaciju. S druge strane, ion magnezija djeluje kao mali vratar koji blokira vrata. Tek kad se ovaj ionski čuvar vrata pomakne, tvarima se dopušta protok u stanicu. To je proces koji mozgu omogućuje stvaranje i čuvanje sjećanja, a uloga vratara (iona magnezija) u cijelom procesu je vrlo specifična.

Oponašanje procesa

Istraživači su otkrili da transformator koristi proces čuvanja vrata sličan moždanom NMDA receptoru. Ustanovili su i da se dugoročno pamćenje može poboljšati oponašanjem NMDA receptora. Baš kao u mozgu, gdje promjena razine magnezija utječe na snagu pamćenja, podešavanje parametara transformatora da odražavaju usmjeravanje NMDA receptora dovelo je do poboljšanog pamćenja u AI modelu. 

Ovo revolucionarno otkriće sugerira da se način na koji modeli umjetne inteligencije uče može objasniti znanjem stečenim u neuroznanosti.

Spoj kognitivnih mehanizama i AI dizajna

Ova studija posebna je po tome što nelinearnosti inspirirane mozgom želi uključiti u konstrukciju umjetne inteligencije, a to je značajan napredak u simulaciji konsolidacije pamćenja poput ljudske. Konvergencija ljudskih kognitivnih mehanizama i dizajna umjetne inteligencije obećava stvaranje jeftinih sustava umjetne inteligencije visokih performansi i nudi dragocjene uvide u rad mozga putem modela umjetne inteligencije.