Wissenschaftler der Universität Cambridge im Vereinigten Königreich haben ein selbstorganisierendes, künstlich intelligentes System geschaffen, das die gleichen Tricks wie das menschliche Gehirn nutzt, um bestimmte Aufgaben zu lösen.
Diese Entdeckung ermöglicht nicht nur die Entwicklung effizienterer neuronaler Netze im Bereich des maschinellen Lernens, sondern könnte auch neue Einblicke in das Innenleben des menschlichen Gehirns selbst liefern. Einer der Studienautoren erzählte theaktuellenews Sie seien von den Ergebnissen „sehr überrascht“ gewesen.
Das menschliche Gehirn und andere komplexe Organe entwickeln sich unter einer Reihe von Einschränkungen und konkurrierenden Anforderungen. Beispielsweise müssen unsere neuronalen Netze für die Informationsverarbeitung optimiert sein, dürfen aber nicht zu viel Energie und Ressourcen verbrauchen. Diese Kompromisse formen unser Gehirn, um ein effizientes System zu schaffen, das innerhalb dieser physischen Einschränkungen funktioniert.
„Biologische Systeme entwickeln sich üblicherweise weiter, um das Beste aus den ihnen zur Verfügung stehenden Energieressourcen zu machen“, sagte Co-Hauptautor Danyal Akarca von der Abteilung für Kognitions- und Gehirnwissenschaften des Medical Research Council an der Universität Cambridge in einer Erklärung. „Die Lösungen, zu denen sie gelangen, sind oft sehr elegant und spiegeln die Kompromisse zwischen verschiedenen Kräften wider, die ihnen auferlegt werden.“
Zusammen mit dem Co-Hauptautor Jascha Achterberg, einem Computer-Neurowissenschaftler aus derselben Abteilung, schufen Akarca und sein Team ein künstliches System mit auferlegten physikalischen Einschränkungen, das eine vereinfachte Version des Gehirns modellieren soll. Ihre Ergebnisse wurden in der Zeitschrift veröffentlicht Naturmaschinenintelligenz am 20. November.
Unser Gehirn besteht aus einem komplexen Netz miteinander verbundener Gehirnzellen, den sogenannten Neuronen. Diese Neuronen verbinden sich zu Informationsautobahnen, die sich über verschiedene Bereiche des Gehirns erstrecken. Anstatt echte Neuronen zu verwenden, verwendete das KI-System des Teams Rechenknoten, denen jeweils eine bestimmte Position im virtuellen Raum zugewiesen wurde. Und wie bei unseren Neuronen war es für sie umso schwieriger, zu kommunizieren, je weiter sie voneinander entfernt waren. Anschließend wurde das System aufgefordert, eine Labyrinthaufgabe auszuführen, deren Lösung mehrere Eingaben und Informationsverarbeitung erfordert.
„Diese einfache Einschränkung – es ist schwieriger, weit voneinander entfernte Knoten zu verbinden – zwingt künstliche Systeme dazu, einige ziemlich komplizierte Eigenschaften zu erzeugen“, sagte Co-Autor Duncan Astle, Professor an der Abteilung für Psychiatrie in Cambridge, in einer Erklärung. „Interessanterweise handelt es sich dabei um Eigenschaften, die biologische Systeme wie das menschliche Gehirn gemeinsam haben. Ich denke, das verrät uns etwas Grundlegendes darüber, warum unser Gehirn so organisiert ist, wie es ist.“
Mit anderen Worten: Als das System ähnlichen physikalischen Einschränkungen ausgesetzt wurde wie das menschliche Gehirn, begann es, einige der gleichen Tricks anzuwenden, die echte menschliche Gehirne zur Lösung dieser spezifischen Aufgabe verwendeten.
„Wir waren von unseren Ergebnissen sehr überrascht“, sagte Achterberg theaktuellenews. „Das KI-System, das wir in unserer Arbeit schaffen, ähnelt in vielerlei Hinsicht dem Gehirn. Die vielen Funktionen, die wir in unserem Artikel beschreiben, lassen sich grob in zwei Gruppen einteilen:
Das Team hofft, dass sein KI-System so weiterentwickelt werden kann, dass es Aufschluss darüber gibt, wie spezifische Einschränkungen zu den Unterschieden beitragen, die wir im menschlichen Gehirn sehen, insbesondere bei Menschen, die mit kognitiven oder psychischen Problemen zu kämpfen haben.
„Diese künstlichen Gehirne geben uns die Möglichkeit, die reichhaltigen und verwirrenden Daten zu verstehen, die wir sehen, wenn die Aktivität echter Neuronen in echten Gehirnen aufgezeichnet wird“, sagte Co-Autor John Duncan.
Achterberg sagte: „Wir zeigen, dass die Betrachtung der Problemlösungsfähigkeiten des Gehirns neben seinem Ziel, so wenig Ressourcen wie möglich aufzuwenden, uns helfen kann zu verstehen, warum Gehirne so aussehen, wie sie aussehen.“
„Künstliche ‚Gehirne‘ ermöglichen es uns, Fragen zu stellen, die in einem tatsächlichen biologischen System unmöglich zu beantworten wären. Wir können dem System beibringen, Aufgaben auszuführen, und dann experimentell mit den von uns auferlegten Einschränkungen herumspielen, um zu sehen, ob es anfängt, so auszusehen.“ eher wie die Gehirne bestimmter Individuen.
“[Our research] deutet nachdrücklich darauf hin, dass das Gehirn zwar all diese sehr komplexen Eigenschaften und Merkmale aufweist, die wir in neurowissenschaftlichen Studien beobachten, es aber sehr einfache Grundprinzipien geben könnte, die all diese komplexen Eigenschaften verursachen.“
Ihre Erkenntnisse können auch zur Entwicklung effizienterer KI-Systeme beitragen, insbesondere solcher, die große Mengen sich ständig ändernder Informationen mit begrenzten Energieressourcen verarbeiten müssen.
„KI-Forscher versuchen ständig herauszufinden, wie man komplexe neuronale Systeme herstellen kann, die auf flexible und effiziente Weise kodieren und arbeiten können“, sagte Akarca. „Um dies zu erreichen, glauben wir, dass uns die Neurobiologie viel Inspiration geben wird. Beispielsweise sind die Gesamtverkabelungskosten des von uns erstellten Systems viel niedriger als bei einem typischen KI-System.“
Achterberg sagte: „Gehirne von Robotern, die in der realen physischen Welt eingesetzt werden, werden wahrscheinlich eher wie unsere Gehirne aussehen, weil sie möglicherweise vor den gleichen Herausforderungen stehen wie wir. Sie müssen ständig neue Informationen verarbeiten, die über ihre Sensoren eingehen, während sie ihren Körper steuern.“ um sich durch den Raum auf ein Ziel zuzubewegen. Viele Systeme müssen alle ihre Berechnungen mit einer begrenzten Versorgung mit elektrischer Energie ausführen. Um diese energetischen Einschränkungen mit der Menge an Informationen, die sie verarbeiten müssen, in Einklang zu bringen, benötigen sie wahrscheinlich eine ähnliche Gehirnstruktur zu uns.“
