Dok ljudi istražuju svet oko sebe i doživljavaju nove stvari, oni urođeno počinju da shvataju ono sa čime se susreću, stvarajući mentalne veze između objekata, ljudi, mesta i događaja sa kojima se susreću. Neuronaučnici su decenijama pokušavali da identifikuju neuronske procese koji podupiru ovaj ‘mentalni sklop znanja’, a njihove studije su prikupile nekoliko važnih nalaza.
Poslednjih godina istraživanja koja se fokusiraju na ovu temu su se donekle intenzivirala, zbog pojave veštačkih neuronskih mreža (ANN), računarskih alata inspirisanih strukturom i funkcijom neuronskih mreža u mozgu koji se mogu osposobiti za rešavanje različitih zadataka. Postizanje boljeg razumevanja neuronskih procesa koji omogućavaju uspešno sklapanje znanja kod ljudi moglo bi na kraju pomoći da se prilagodi dizajn ANN i poboljša njihov učinak na zadacima koji mogu imati koristi od ove sposobnosti.
Istovremeno, neki istraživači su takođe počeli da upoređuju kako se ljudski mozak bavi specifičnim zadacima sa procesima koji podržavaju funkcionisanje INN. Ova poređenja bi mogla otkriti zanimljive paralelizme između veštačke inteligencije i ljudskog mozga, što bi moglo biti korisno i za neuronauku i za istraživanje kompjuterskih nauka.
Istraživačka grupa na Univerzitetu u Oksfordu nedavno je sprovela zanimljivu studiju koja posebno istražuje prikupljanje znanja od strane ljudskog mozga i računarskih modela zasnovanih na ANN-u. Njihov rad, objavljen u Neuronu, rezultirao je identifikacijom pristupa koji bi mogao pomoći da se poboljša prikupljanje znanja u alatima AI.
„Ljudsko razumevanje sveta može se brzo promeniti kada nove informacije dođu na videlo, na primer kada se u fiktivnom delu dogodi preokret“, napisali su Stefani Neli, Lukas Braun i njihove kolege u svom radu. „Ovaj fleksibilni ‘sklop znanja’ zahteva reorganizaciju neuronskih kodova u nekoliko hitaca za odnose između objekata i događaja. Međutim, postojeće teorije računarstva uglavnom ne govore o tome kako bi se to moglo dogoditi.“
Da bi istražili kako ljudski mozak prikuplja znanje, istraživači su izveli niz eksperimenata u kojima je učestvovalo 34 učesnika. Ovi učesnici su zamoljeni da završe jednostavan kompjuterizovani zadatak, koji je od njih zahtevao da donesu odluke o novim objektima koji su im prikazani na ekranu.
Kako su učesnici završili ovaj zadatak, njihov mozak je skeniran pomoću funkcionalnog skenera za magnetnu rezonancu (fMRI). Ovo je metoda snimanja koja otkriva male promene u protoku krvi povezane sa moždanom aktivnošću.
„Učesnici su naučili tranzitivan redosled između novih objekata unutar dva različita konteksta pre nego što su bili izloženi novom znanju koje je otkrilo kako su oni povezani“, objasnili su Neli, Braun i njihove kolege u svom radu. „Signali zavisni od nivoa kiseonika u krvi (BOLD) u dorzalnim frontoparijetalnim kortikalnim područjima otkrili su da su objekti brzo i dramatično preuređeni na nervnom razvodniku nakon minimalnog izlaganja informacijama o povezivanju.“
U suštini, Nellie, Braun i njihove kolege su otkrili da kako su učesnici naučili nove informacije o objektima i odnosima između njih, čini se da su načini na koje su ovi objekti predstavljeni u mozgu „preuređeni“. Koristeći ove nalaze, tim je pokušao da ponovi sličan proces u računarskom modelu zasnovanom na ANN-u.
Njihov pristup omogućava modelu da brzo sakupi i ponovo sastavi znanje koje stekne. To radi pomoću adaptacije onlajn stohastičkog gradijenta, tehnike koja se koristi da omogući postepeno i onlajn učenje u računarskim modelima.
Sve u svemu, nedavna studija ovog tima istraživača potvrđuje prethodne nalaze koji naglašavaju uključenost dorzalnih moždanih struktura, posebno parijetalnog korteksa, u kodiranju apstraktnih reprezentacija objekata, koji se mogu menjati tokom vremena kako ljudi stiču nova znanja. U budućnosti, njihovi nalazi bi mogli da pomognu u razvoju drugih računarskih pristupa koji bolje repliciraju ovaj „proces sastavljanja znanja“.
