گروهی از محققان میان‌رشته‌ای (متشکل از مراکز علوم شناختی، علوم اجتماعی و علوم داده) به تازگی در موسسه علوم پایه IBS، شباهت‌های قابل توجهی در نحوه پردازش اطلاعات در “حافظه مدل‌های هوش مصنوعی” با “هیپوکامپ مغز انسان” را کشف کردند. این یافته شگفت‌انگیز دیدگاه جدیدی در رابطه با تثبیت حافظه (فرآیند تبدیل خاطرات کوتاه‌مدت به خاطرات بلند‌مدت) در سیستم‌های هوش مصنوعی و نحوه مکانیسم عملکرد حافظه در مغز انسان‌ها (خصوصاً ناحیه هیپوکامپ) را در اختیار محققان قرار داده و “رشد و بلوغ” هوش مصنوعی، در آینده‌ای نه چندان دور را نوید می‌دهد.
رابطه جدایی ناپذیر هوش مصنوعی و هوش انسانی
در دنیای همواره در حال توسعه هوش مصنوعی و رقابت تنگاتنگ نهادهای برجسته‌ای مانند OpenAI (خالق چت‌بات چت جی‌پی‌تی) و گوگل دیپ‌مایند (Google DeepMind) در این حوزه، درک نحوه عملکرد فرآیندهای مغزی و توسعه مدل‌های هوش مصنوعی شبه انسانی به یک حوزه تحقیقاتی حائز اهمیت و بسیار محبوب بدل شده است. در حال حاضر، محور اصلی تمامی مطالعات این حوزه تکنولوژیک بر روی “مدل ترانسفورماتور” می‌گردد. در این مطالعه نیز محققان به بررسی عمقی اصول بنیادین این مدل پرداخته‌اند.
مکانیسم‌های یادگیری مغز چگونه صورت می‌پذیرند و چه تاثیراتی بر روی هوش مصنوعی دارند؟
بدون شک درک “نحوه یادگیری” و طریقه “به خاطر سپردن اطلاعات” از مهم‌ترین عوامل تعیین‌کننده میزان قدرت یک سیستم هوش مصنوعی هستند. در این پژوهش محققان تلاش کردند تا با شناخت اصول یادگیری مغز انسان، خصوصاً نحوه تثبیت خاطره از طریق گیرنده NMDA (گیرنده گلوتامات/انتقال‌دهنده عصبی-تحریکی اولیه در مغز انسان‌ها) در ناحیه هیپوکامپ مغز، به راه‌حل موثری برای اعمال این فرآیندها بر روی مدل‌های هوش مصنوعی دست یابند. اما نقش گیرنده NMDA در فرآیند تثبیت حافظه چیست؟
به طور کلی، گیرنده NMDA عملکردی مشابه با یک درِ هوشمند به سوی مغز دارد. این گیرنده به “یادگیری” و “شکل‌گیری حافظه” در مغز انسان‌ها کمک می‌کند و گلوتامات (یک ماده شیمیایی در مغز) این گیرنده در هنگام مواجهه با سلول عصبی، برانگیخته می‌شود.
در نقطه مقابل گلوتامات، یون منیزیم موجود در مغز به عنوان یک دروازه‌بان کوچک عمل کرده و درِ مغز را مسدود می‌کند. از این رو تنها در زمانی که این دروازه‌بان یونی به کنار می‌رود، گلوتامات امکان ورود به سلول را خواهد داشت. در طی فرآیندهای صورت گرفته میان گلوتامات و یون منیزیم، مغز انسان به شکل‌دهی و حفظ خاطرات خواهد پرداخت و در این فرآیند یون منیزیم نقش بسیار حائز اهمیتی را از خود ایفاء می‌کند.
به طور کلی، سطح پایین عنصر “منیزیم” در مغز حیوانات به عنوان اصلی‌ترین عامل “تضعیف عملکرد حافظه” در مغز این دسته از جانداران شناخته می‌شود. در این مطالعه، محققان ضمن درنظرگیری “مدل ترانسفورماتور” به بررسی شباهت این مدل با فرآیندهای مغزی پرداختند و نحوه کنترل فرآیند “تثبیت حافظه ترانسفورماتور” از طریق مکانیزمی مشابه با فرآیند دروازه گیرنده NMDA را امکان‌سنجی کردند. یافته‌های این پژوهش نشان می‌دهد که مشابه با شرایطی که تغییر سطح منیزیم بر قدرت حافظه تاثیر می‌گذارد، می‌توان با تقلید از فرآیند گیرنده NMDA و تغییر پارامترهای ترانسفورماتور (برای انعکاس عملکرد دروازه گیرنده NMDA) حافظه بلند مدت ترانسفورماتور و مدل هوش مصنوعی را بهبود بخشید.
تاثیرات یافته‌های مطالعه بر دنیای هوش مصنوعی و علوم اعصاب
جاستین لی (مدیر مرکز علوم اعصاب در موسسه IBS) اظهار می‌کند:
یافته‌های این مطالعه، به عنوان گامی بزرگ در پیشرفت حوزه‌های “هوش مصنوعی و علوم اعصاب” به حساب می‌آیند. این یافته‌ها به ما اجازه می‌دهند تا به کاوش عمقی اصول عملکرد مغز بپردازیم و بر اساس این بینش‌ها سیستم‌های هوش مصنوعی پیشرفته‌تری را توسعه دهیم.
چا میونگ (محقق علوم داده در موسسه IBS و موسسه علوم و تکنولوژی KAIST) در رابطه با تاثیرات یافته‌های این مطالعه بر آینده دنیای هوش مصنوعی می‌گوید:
مغز انسان برخلاف سیستم‌های هوش مصنوعی که برای ارائه عملکرد به منابع عظیمی از انرژی نیاز دارند، عمل می‌کند و حتی با کمترین میزان از انرژی نیز توانایی ثبت خاطرات را دارد. یافته‌های این مطالعه در توسعه سیستم‌های هوش مصنوعی کم‌هزینه اما با کارایی بالا که توانایی یادگیری و به خاطر سپردن اطلاعات را نیز با خود به همراه خواهند داشت، به ما یاری می‌رسانند.
نتیجه‌گیری
این مطالعه به دلیل تلاش برای ادغام غیرخطی الهام گرفته‌شده از عملکرد مغز در چارچوب هوش مصنوعی از اهمیت بسیار بالایی برخوردار است و پیشرفت قابل توجهی را در تقلید از فرآیند “تثبیت حافظه شبه انسانی” به نمایش می‌گذارد. ادغام مکانیسم‌های شناختی انسان و طراحی هوش مصنوعی نه تنها ایجاد سیستم‌های هوش مصنوعی مقرون‌به‌صرفه و با کارایی بالا را نوید می‌دهد، بلکه از طریق مدل‌های هوش مصنوعی بینش‌های ارزشمندی را در خصوص عملکردهای مغز را به محققان حوزه علوم اعصاب ارائه می‌دهد.
منبع: Scitechdaily
