Künstliche neuronale Netze, die echten Gehirnen nachempfunden sind, können kognitive Aufgaben ausführen

Eine neue Studie zeigt, dass künstliche Intelligenznetzwerke, die auf der Konnektivität des menschlichen Gehirns basieren, kognitive Aufgaben effizient ausführen können.

Durch die Untersuchung von MRT-Daten aus einem großen Open-Science-Repository rekonstruierten die Forscher ein Gehirnkonnektivitätsmuster und wandten es auf ein künstliches neuronales Netzwerk (KNN) an. Ein KNN ist ein Computersystem, das aus mehreren Eingabe- und Ausgabeeinheiten besteht, ähnlich wie das biologische Gehirn. Ein Forscherteam von The Neuro (Montreal Neurological Institute-Hospital) und dem Quebec Artificial Intelligence Institute trainierte das KNN, eine kognitive Gedächtnisaufgabe auszuführen, und beobachtete, wie es funktionierte, um die Aufgabe zu erfüllen.

Dies ist in zweierlei Hinsicht ein einzigartiger Ansatz. Frühere Arbeiten zur Konnektivität des Gehirns, auch bekannt als Connectomics, konzentrierten sich auf die Beschreibung der Gehirnorganisation, ohne zu untersuchen, wie sie tatsächlich Berechnungen und Funktionen durchführt. Zweitens haben traditionelle KNN willkürliche Strukturen, die nicht widerspiegeln, wie echte Gehirnnetzwerke organisiert sind. Durch die Integration der Gehirnkonnektomie in die Konstruktion von KNN-Architekturen hofften die Forscher, sowohl zu lernen, wie die Verdrahtung des Gehirns bestimmte kognitive Fähigkeiten unterstützt, als auch neue Designprinzipien für künstliche Netzwerke abzuleiten.

Sie fanden heraus, dass KNN mit menschlicher Gehirnkonnektivität, bekannt als neuromorphe neuronale Netze, kognitive Gedächtnisaufgaben flexibler und effizienter als andere Benchmark-Architekturen ausführen. Die neuromorphen neuronalen Netze waren in der Lage, dieselbe zugrunde liegende Architektur zu verwenden, um eine breite Palette von Lernkapazitäten über mehrere Kontexte hinweg zu unterstützen.

Das Projekt vereint zwei dynamische und schnelllebige wissenschaftliche Disziplinen. Neurowissenschaften und KI haben gemeinsame Wurzeln, haben sich aber in letzter Zeit auseinandergelebt. Die Verwendung künstlicher Netzwerke wird uns helfen zu verstehen, wie die Gehirnstruktur die Gehirnfunktion unterstützt. Die Verwendung empirischer Daten zur Erstellung neuronaler Netze wiederum wird Designprinzipien für ein besseres Bauen aufdecken AI. Die beiden werden also dazu beitragen, sich gegenseitig zu informieren und unser Verständnis des Gehirns zu bereichern.