מודל חדש שפותח על ידי חוקרי מכון פלטירון מציע כי לנוירונים ביולוגיים יש יותר שליטה על הסביבה שלהם ממה שחשבו בעבר, דבר שניתן לשכפל ברשתות העצבים המלאכותיות המשמשות למידת מכונה.
מודל חדש מהמרכז למדעי המוח החישוביים של מכון פלטירון מציע כי נוירונים בודדים הם בקרים משפיעים יותר ברשתות שלהם ממה שחשבו בעבר, ומאתגר את המודל המיושן של שנות ה-60.
הבנה מתקדמת זו יכולה לשפר משמעותית את פונקציונליות הרשת העצבית המלאכותית על ידי שילוב מנגנונים דומים לאלה שבמוח האנושי, תוך התייחסות למגבלות AI הנוכחיות כגון שגיאות ותהליכי אימון לא יעילים.
מודלים מודרניים של AI ועצבים
כמעט כל הרשתות העצביות המפעילות את המודרני בינה מלאכותית כלים כגון ChatGPT מבוססים על מודל חישובי של נוירון חי מתקופת שנות ה-60. מודל חדש שפותח במרכז למדעי המוח החישוביים של מכון פלטירון (CCN) מצביע על כך שקירוב זה בן עשרות שנים אינו לוכד את כל היכולות החישוביות שיש לנוירונים אמיתיים וכי מודל ישן יותר זה עשוי לעכב את התפתחות הבינה המלאכותית.
איור אמן של יד דיגיטלית ויד אדם מציירים זה את זה. קרדיט: אלכס אבן מאייר עבור קרן סימונס
מהפכה בינה מלאכותית עם מודלים נוירונים מתקדמים
המודל החדש שפותח ב-CCN טוען כי נוירונים בודדים מפעילים שליטה רבה יותר על סביבתם ממה שחשבו בעבר. מודל הנוירונים המעודכן יכול בסופו של דבר להוביל לרשתות עצביות מלאכותיות חזקות יותר שתופסות טוב יותר את כוחות המוח שלנו, אומרים מפתחי המודל. החוקרים מציגים את המודל המהפכני במאמר שפורסם בשבוע של ה-24 ביוני בכתב העת הליכים של האקדמיה הלאומית למדעים.
"מדעי המוח התקדם לא מעט ב-60 השנים האחרונות, וכעת אנו מכירים בכך שמודלים קודמים של נוירונים הם בסיסיים למדי", אומר דמיטרי צ'קלובסקי, ראש קבוצה ב-CCN ומחבר בכיר של המאמר החדש. "נוירון הוא מכשיר הרבה יותר מורכב – והרבה יותר חכם – מהמודל הפשוט מדי הזה".
המנגנון הפונקציונלי של רשתות עצביות מלאכותיות
רשתות עצבים מלאכותיות שואפות לחקות את האופן שבו המוח האנושי מעבד מידע ומקבל החלטות, אם כי בצורה הרבה יותר פשוטה. רשתות אלו בנויות משכבות מסודרות של 'צמתים' המבוססות על מודל הנוירונים של שנות ה-60. הרשת מתחילה בשכבת קלט של צמתים שמקבלת מידע, לאחר מכן יש שכבות אמצעיות של צמתים שמעבדות את המידע, ואז מסתיימת בשכבת פלט של צמתים ששולחת את התוצאות.
בדרך כלל, צומת יעביר מידע לשכבה הבאה רק אם סך הקלט שהוא מקבל מהצמתים של השכבה הקודמת חורג מסף מסוים. כאשר רשתות עצבים מלאכותיות נוכחיות מאומנות, מידע עובר דרך צומת בכיוון אחד בלבד, ואין דרך לצמתים להשפיע על המידע שהם מקבלים מצמתים מוקדם יותר בשרשרת.
לעומת זאת, המודל החדש שפורסם מתייחס לנוירונים כאל 'בקרים' זעירים, מונח הנדסי למכשירים שיכולים להשפיע על סביבתם בהתבסס על מידע שנאסף על הסביבה הזו. לא רק ממסרים פסיביים של קלט, תאי המוח שלנו עשויים למעשה לעבוד כדי לשלוט על מצב הנוירונים האחרים שלהם.
השלכות ויתרונות של מודל הנוירון כבקר
צ'קלובסקי מאמין שמודל ריאליסטי יותר זה של נוירון כבקר יכול להיות צעד משמעותי לקראת שיפור הביצועים והיעילות של רבים. למידת מכונה יישומים.
"למרות שההישגים של בינה מלאכותית מרשימים מאוד, עדיין יש הרבה בעיות", הוא אומר. "היישומים הנוכחיים יכולים לתת לך תשובות שגויות, או להזות, ואימון שלהם דורש הרבה אנרגיה; הם מאוד יקרים. יש את כל הבעיות האלה שהמוח האנושי כנראה נמנע מהן. אם היינו מבינים איך המוח באמת עושה זאת, נוכל לבנות בינה מלאכותית טובה יותר".
כיוונים ומחקרים עתידיים בבקרה נוירונאלית
מודל הנוירונים כבקר נוצר בהשראת מה שמדענים כן מבינים לגבי מעגלים בקנה מידה גדול במוח המורכב מתאי עצב רבים. רוב מעגלי המוח נחשבים מאורגנים בלולאות משוב, כאשר תאים מאוחר יותר בשרשרת העיבוד משפיעים על מה שקורה מוקדם יותר בשרשרת. בדומה לתרמוסטט השומר על הטמפרטורה של בית או בניין, מעגלי המוח צריכים לשמור על עצמם יציבים כדי להימנע מהציף של מערכת הגוף בפעילות.
Chklovskii אומר שזה לא היה לגמרי אינטואיטיבי שסוג זה של בקרת משוב יכול להתממש גם על ידי תא מוח בודד. הוא ועמיתיו הבינו שצורה חדשה של שליטה, הידועה בשם שליטה מונעת נתונים ישירה, היא פשוטה ויעילה מספיק כדי להיות מתקבלת על הדעת מבחינה ביולוגית כמתרחשת בתאים בודדים.
"אנשים חשבו על המוח כמכלול או אפילו על חלקים מהמוח כעל בקר, אבל אף אחד לא הציע שנוירון אחד יכול לעשות זאת", אומר צ'קלובסקי. "שליטה היא משימה אינטנסיבית מבחינה חישובית. קשה לחשוב על נוירון כבעל יכולת חישוב מספקת".
שיפור ההבנה באמצעות רעש ביולוגי
ראיית הנוירונים כמיני-בקרים מסבירה גם כמה תופעות ביולוגיות שלא היו מוסברות בעבר, אומר צ'קלובסקי. לדוגמה, זה זמן רב מוערך שיש הרבה רעש במוח, ותכליתה של האקראיות הביולוגית הזו נדונה, אבל צוות CCN גילה באמצעות המודלים שלהם שסוגים מסוימים של רעש יכולים למעשה לשפר את ביצועי הנוירונים.
ליתר דיוק, בצמתים שבהם נוירון אחד מתחבר לאחר (הנקראים 'סינפסות'), יש לעתים קרובות מקרים שבהם נוירון משדר אות חשמלי אך הנוירון המקושר במורד הזרם אינו מקבל את המסר. נראה שהאם ומתי הנוירון במורד הזרם מקבל אות סינפטי נשלט ברובו במקרה. בעוד מדענים אחרים שיערו שאקראיות כזו היא רק טבען של מערכות ביולוגיות קטנות ואינה חשובה להתנהגות הנוירונים, צוות Flatiron מצא שהוספת רעש לנוירון הדגם שלהם אפשרה לו להסתגל לסביבה המשתנה כל הזמן. נראה שהאקראיות חשובה בשכפול כיצד פועלים נוירונים אמיתיים, מצא הצוות.
הרחבת המודל הנוירוני לסוגי נוירונים אחרים
בהמשך מתכנן צ'קלובסקי לנתח סוגי נוירונים שאינם מתאימים למודל החדש שלהם. לדוגמה, נוירונים ברשתית מקבלים תשומות ישירות מהסביבה החזותית. ייתכן שהנוירונים האלה לא יוכלו לשלוט בקלט שלהם כמו שנוירונים עמוק יותר במוח יכולים, אבל הם עשויים להשתמש בחלק מאותם עקרונות שצ'קלובסקי וצוותו זיהו: כלומר, נוירונים אלה עשויים להיות מסוגלים לחזות את התשומות שלהם, גם אם הם יכולים לא משפיע עליהם.
"שליטה וחיזוי למעשה קשורים מאוד", אומר צ'קלובסקי. "אינך יכול לשלוט ביעילות מבלי לחזות את ההשפעה של הפעולות שלך בעולם."
