Tradycyjny model funkcjonowania mózgu, na którym przez dekady opierały się m.in. konwolucyjne sieci neuronowe, zakładał hierarchiczny i jednokierunkowy przepływ informacji. Zgodnie z tą teorią, bodźce sensoryczne miały wędrować przez kolejne, coraz bardziej złożone obszary mózgu, aż do kory przedczołowej, gdzie dopiero zapadały ostateczne decyzje. Zespół profesora Vlasova podważył ten schemat, wskazując na znacznie bardziej dynamiczny charakter pracy układu nerwowego.
Nowe spojrzenie na architekturę mózgu
Kluczem do zrozumienia nowych ustaleń jest rola sprzężeń zwrotnych. Zamiast prostego przekazywania danych w górę hierarchii, mózg wykorzystuje skomplikowane pętle, które pozwalają na dwukierunkową komunikację między różnymi obszarami. W ramach eksperymentu naukowcy monitorowali aktywność neuronalną myszy poruszających się w wirtualnej rzeczywistości. Okazało się, że pierwotna kora somatosensoryczna – obszar uznawany za jeden z najwcześniejszych etapów przetwarzania bodźców – wykazuje aktywność związaną z podejmowaniem decyzji.
Chcemy uczyć się od miliarda lat ewolucji. Jak zorganizowana jest architektura inteligencji biologicznej? Czy możemy czerpać z niej wzorce, aby uczynić sztuczną inteligencję bardziej efektywną, mniej energochłonną i inteligentniejszą niż obecnie? W obszarze podejmowania decyzji to właśnie tutaj obecna sztuczna inteligencja wykazuje braki.
Implikacje dla przyszłości sztucznej inteligencji
Zrozumienie, w jaki sposób natura optymalizuje procesy decyzyjne przy minimalnym zużyciu energii, jest jednym z największych wyzwań współczesnej inżynierii. Obecne systemy AI, mimo swojej skuteczności, wymagają ogromnych zasobów obliczeniowych, co znacząco odróżnia je od biologicznych odpowiedników. Badacze podkreślają, że ich praca nie stanowi gotowego projektu technicznego, ale dostarcza kluczowych wskazówek dotyczących organizacji systemów przetwarzania informacji.
W kolejnych etapach prac zespół zamierza skupić się na precyzyjnym pomiarze dynamiki czasowej sygnałów mózgowych. Celem jest zrozumienie, w jaki sposób pętle sprzężenia zwrotnego kształtują procesy decyzyjne na różnych poziomach przetwarzania. Opracowanie nowych technologii pomiarowych pozwoli na dokładniejsze odwzorowanie tych mechanizmów, co w przyszłości może przełożyć się na stworzenie architektur AI zdolnych do bardziej autonomicznego i efektywnego działania.
Odkrycie to stanowi istotny krok w stronę tzw. inżynierii odwrotnej mózgu, uznawanej za jedno z najważniejszych wyzwań technologicznych XXI wieku. Przejście od statycznych modeli przetwarzania danych do dynamicznych, opartych na sprzężeniach zwrotnych struktur, może być przełomem, który pozwoli zbliżyć możliwości maszyn do naturalnej inteligencji.
