Skoro sve neuronske mreže koje pokreću savremene alate veštačke inteligencije kao što je ChatGPT zasnovane su na računarskom modelu živog neurona iz ere 1960-ih. Novi model razvijen u Centru za računarsku neuronauku (CCN) Instituta Flatiron sugeriše da ova decenijama stara aproksimacija ne obuhvata sve računarske sposobnosti koje poseduju stvarni neuroni i da ovaj stariji model potencijalno sprečava razvoj veštačke inteligencije.
Novi model razvijen u CCN-u tvrdi da pojedinačni neuroni imaju više kontrole nad svojim okruženjem nego što se ranije mislilo. Ažurirani model neurona bi na kraju mogao dovesti do snažnijih veštačkih neuronskih mreža koje bolje hvataju moći našeg mozga, kažu programeri modela.
Istraživači predstavljaju model u radu objavljenom u časopisu PNAS.
„Neuronauka je prilično napredovala u proteklih 60 godina i sada prepoznajemo da su prethodni modeli neurona prilično rudimentarni“, kaže Dmitrij Čklovski, vođa grupe u CCN-u i stariji autor novog rada. „Neuron je mnogo složeniji uređaj – i mnogo pametniji – od ovog previše pojednostavljenog modela.
Veštačke neuronske mreže imaju za cilj da oponašaju način na koji ljudski mozak obrađuje informacije i donosi odluke, iako na mnogo pojednostavljen način. Ove mreže su izgrađene od uređenih slojeva „čvorova“ na osnovu neuronskog modela iz 1960-ih. Mreža počinje sa ulaznim slojem čvorova koji prima informacije, zatim ima srednje slojeve čvorova koji obrađuju informacije, a zatim se završava izlaznim slojem čvorova koji šalje rezultate.
Tipično, čvor će preneti informacije sledećem sloju samo ako ukupan ulaz koji prima od čvorova prethodnog sloja premašuje određeni prag. Kada su trenutne veštačke neuronske mreže obučene, informacije prolaze kroz čvor samo u jednom pravcu i nema načina da čvorovi utiču na informacije koje primaju od čvorova ranije u lancu.
Nasuprot tome, novoobjavljeni model tretira neurone kao male „kontrolore“, inženjerski izraz za uređaje koji mogu uticati na svoje okruženje na osnovu informacija prikupljenih o tom okruženju. Ne samo pasivni releji ulaza, naše moždane ćelije mogu zapravo raditi na kontroli stanja svojih kolega neurona.
Chklovskii veruje da bi ovaj realističniji model neurona kao kontrolora mogao biti značajan korak ka poboljšanju performansi i efikasnosti mnogih aplikacija za mašinsko učenje.
„Iako su dostignuća AI veoma impresivna, još uvek ima mnogo problema“, kaže on. „Trenutne aplikacije mogu vam dati pogrešne odgovore ili halucinirati, a njihovo treniranje zahteva mnogo energije; veoma su skupe. Postoje svi ovi problemi koje ljudski mozak izgleda izbegava. Ako bismo razumeli kako mozak zapravo uradi ovo, mogli bismo da napravimo bolju AI.“
Model neurona kao kontrolora inspirisan je onim što naučnici razumeju o velikim kolima u mozgu sačinjenim od mnogih neurona. Smatra se da je većina moždanih kola organizovana u povratne petlje, gde ćelije kasnije u lancu obrade utiču na ono što se dešava ranije u lancu. Slično kao termostat koji održava temperaturu u kući ili zgradi, moždani krugovi moraju da budu stabilni kako bi izbegli preopterećenje telesnog sistema aktivnostima.
