Επιλεγμένα

Ενισχύοντας την Τεχνητή Νοημοσύνη – Πώς ο εγκέφαλος συνδυάζει τις μνήμες για να λύσει προβλήματα

Από στις 21 Σεπτεμβρίου 2018

Οι άνθρωποι έχουν την ικανότητα να συνδυάζουν δημιουργικά τις μνήμες τους για να λύνουν προβλήματα και να παραγάγουν νέες γνώσεις, μια διαδικασία που εξαρτάται από τις μνήμες για ιδιαίτερα γεγονότα, γνωστή ως επεισοδιακή μνήμη. Όμως παρόλο που η επεισοδιακή μνήμη έχει μελετηθεί εκτεταμένα στο παρελθόν, οι τρέχουσες θεωρίες δεν μπορούν εύκολα να εξηγήσουν πώς οι άνθρωποι μπορούν να χρησιμοποιήσουν τις επεισοδιακές μνήμες τους για να φθάσουν σε αυτές τις νέες γνώσεις.

Τα αποτελέσματα έρευνας μιας ομάδας νευροεπιστημόνων και ερευνητών της τεχνητής νοημοσύνης στην DeepMind, στο Πανεπιστήμιο Otto von Guericke του Μαγδεμβούργου και στο Γερμανικό Κέντρο για Νευροεκφυλιστικές Ασθένειες (DZNE), που δημοσιεύθηκε στο Neuron στις 19 Σεπτεμβρίου, ανοίγουν ένα παράθυρο στον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος συνδέει ατομικές επεισοδιακές μνήμες για να λύσει προβλήματα. Για παράδειγμα, κάποιος βλέπει μια γυναίκα να οδηγεί ένα αυτοκίνητο στο δρόμο του. Την επόμενη ημέρα, βλέπει έναν άνδρα να οδηγεί ακριβώς το ίδιο αυτοκίνητο στο δρόμο του. Αυτό μπορεί να πυροδοτήσει τη μνήμη της γυναίκας που είδε την προηγούμενη ημέρα και μπορεί να συμπεράνει ότι το ζευγάρι ζει μαζί, δεδομένου ότι μοιράζονται το αμάξι.

Οι ερευνητές προτείνουν έναν νέο εγκεφαλικό μηχανισμό που θα επέτρεπε να ανασυρθούν μνήμες για να πυροδοτήσουν την ανάκληση επιπρόσθετων, σχετικών αναμνήσεων με αυτό τον τρόπο. Ο μηχανισμός αυτός επιτρέπει την ανάκληση πολλαπλά συνδεδεμένων μνημών, που μετά θα επιτρέψουν τον εγκέφαλο να δημιουργήσει νέα είδη γνώσεων όπως αυτές. Όπως με τις καθιερωμένες θεωρίες της επεισοδιακής μνήμης, οι συγγραφείς υποστηρίζουν ότι οι μεμονωμένες μνήμες αποθηκεύονται ως ξεχωριστά ίχνη μνήμης σε μια περιοχή του εγκεφάλου που ονομάζεται ιππόκαμπος. «Οι επεισοδιακές μνήμες μπορούν να σου πουν αν έχεις συναντήσει κάποιον πριν ή πού έχεις παρκάρει το αμάξι σου», λέει ο Raphael Koster, ερευνητής στην DeepMind. «Το σύστημα του ιππόκαμπου υποστηρίζει αυτού του τύπου τη μνήμη, που είναι κρίσιμο για γρήγορη μάθηση».

Οι μεμονωμένες μνήμες αποθηκεύονται στον ιππόκαμπο. (Εικόνα από NeuroscienceNews)

Αντίθετα με τις καθιερωμένες θεωρίες, η νέα θεωρία εξερευνά μια παραμελημένη ανατομική σύνδεση που εκβάλει από τον ιππόκαμπο προς τον ενδορινικό φλοιό όμως μετά αμέσως περνά πίσω μέσα σε αυτόν. Είναι αυτή η επαναλαμβανόμενη σύνδεση, θεωρούν οι ερευνητές, που επιτρέπει τις μνήμες να ανασύρονται από τον ιππόκαμπο για να πυροδοτήσουν την ανάκληση των επιπρόσθετων, σχετικών αναμνήσεων. Οι ερευνητές επινόησαν έναν τρόπο να ελέγξουν τη θεωρία αυτή λαμβάνοντας υψηλής ανάλυσης σαρώσεις λειτουργικού MRI, 7 Τέσλα, από 26 νέα άτομα – άνδρες και γυναίκες – καθώς εκτελούν μια εργασία που απαιτούσε από αυτά να οδηγηθούν σε νέες γνώσεις από ξεχωριστά γεγονότα.

Στους εθελοντές επιδείχθηκαν ζευγάρια φωτογραφιών: μια ενός προσώπου και μια ενός αντικειμένου ή μιας τοποθεσίας. Κάθε ξεχωριστό αντικείμενο και ξεχωριστή τοποθεσία εμφανίστηκε σε δυο ξεχωριστά ζευγάρια φωτογραφιών, κάθε ένα από τα οποία περιελάμβανε ένα διαφορετικό πρόσωπο. Αυτό σήμαινε ότι κάθε ζευγάρι φωτογραφιών συνδυάστηκε με ένα άλλο ζευγάρι μέσω της εικόνας του αντικειμένου ή της τοποθεσίας που μοιράζονταν τα δυο ζεύγη φωτογραφιών. Στη δεύτερη φάση του πειράματος, οι ερευνητές έλεγξαν εάν οι συμμετέχοντες μπορούσαν να συνάγουν την έμμεση σύνδεση μεταξύ αυτών των συνδεδεμένων ζευγαριών φωτογραφιών δείχνοντας ένα πρόσωπο και ζητώντας από τους συμμετέχοντες να διαλέξουν μεταξύ δυο άλλων προσώπων. Μια από τις επιλογές – η σωστή – είχε συνδυαστεί με την εικόνα του ίδιου αντικειμένου ή της ίδιας τοποθεσίας και μια επιλογή δεν είχε συνδυαστεί.

Οι ερευνητές έκαναν την υπόθεση ότι το παρουσιαζόμενο πρόσωπο θα πυροδοτούσε την ανάκληση του συνδυασμένου με αυτό αντικειμένου ή τοποθεσίας και έτσι θα προκαλούσε ανάφλεξη εγκεφαλικής δραστηριότητας που θα περνούσε έξω από τον ιππόκαμπο προς τον ενδορινικό φλοιό. Ουσιωδώς, οι ερευνητές ανέμεναν επίσης να δουν στοιχεία ότι η δραστηριότητα αυτή μετά θα πέρναγε πίσω στον ιππόκαμπο για να πυροδοτήσει την ανάκληση του σωστά συνδεδεμένου προσώπου. «Χρησιμοποιώντας εξειδικευμένες τεχνικές που αναπτύξαμε στο εργαστήριό μας στο Μαγδεμβούργο, μπορέσαμε να ξεχωρίσουμε τα μέρη του ενδορινικού φλοιού που παρέχουν το εισιόν στον ιππόκαμπο», αναφέρει ο Yi Chen, ερευνητής στο Πανεπιστήμιο Otto von Guericke. «Αυτό μας επέτρεψε να μετρήσουμε με ακρίβεια τα μοτίβα της δραστηριότητας των εισιόντων στον ιππόκαμπο και των εξερχομένων από αυτόν, ξεχωριστά».

Οι ερευνητές διαμόρφωσαν έναν αλγόριθμο υπολογιστή για να διακρίνει μεταξύ των δραστηριοτήτων για σκηνές και αντικείμενα μέσα σε αυτές τις περιοχές των εισιόντων και των εξερχομένων. Ο αλγόριθμος μετά εφαρμόστηκε όταν εμφανίζονταν στην οθόνη μόνο πρόσωπα. Αν ο αλγόριθμος έδειχνε την παρουσία πληροφορίας της σκηνής ή του αντικειμένου σε αυτές τις δοκιμές, θα μπορούσε να είναι ενεργοποιημένη από τις ανασυρόμενες μνήμες των συνδεδεμένων φωτογραφιών με σκηνή ή αντικείμενο. «Τα δεδομένα έδειξαν ότι όταν ο ιππόκαμπος ανασύρει μια μνήμη, δεν το κάνει απλά περνώντας την στον υπόλοιπο εγκέφαλο», λέει ο Dharshan Kumaran της DeepMind. «Αντί αυτού ανακυκλώνει την δραστηριότητα πίσω στον ιππόκαμπο, πυροδοτώντας την ανάκληση άλλων σχετικών αναμνήσεων».

Οι ερευνητές θεωρούν τα αποτελέσματα του αλγόριθμου ως μια σύνθεση νέων και παλιών θεωριών. Πιστεύουν δε ότι τα αποτελέσματα τη έρευνάς τους θα μπορούσαν να βοηθήσουν την Τεχνητή Νοημοσύνη (ΤΝ) να μαθαίνει ταχύτερα στο μέλλον. «Ενώ υπάρχουν πολλοί τομείς όπου η ΤΝ είναι ανώτερη, οι άνθρωποι έχουν ακόμη το πλεονέκτημα όταν οι εργασίες εξαρτώνται από την ευέλικτη χρήση της επεισοδιακής μνήμης», αναφέρει ο Martin Chadwick, ένας άλλος ερευνητής στην DeepMind. «Αν μπορέσουμε να κατανοήσουμε τους μηχανισμούς που επιτρέπουν τον άνθρωπο να το κάνει αυτό, ελπίζουμε να μπορέσουμε να τους αναπαραγάγουμε στα συστήματα ΤΝ, παρέχοντάς τα πολύ μεγαλύτερες δυνατότητες για γρήγορη λύση νέων προβλημάτων».

Πηγή: NeuroscienceNews

Περισσότερα στη δημοσίευση: Big-Loop Recurrence within the Hippocampal System Supports Integration of Information across Episodes. Neuron.

Egno Editorial

Egno Editorial

Το Editorial Team του egno. Επικοινωνήστε μαζί μας μέσω της φόρμας επικοινωνίας.