新しい研究は、人間の脳の接続性に基づく人工知能ネットワークが認知タスクを効率的に実行できることを示しています。
大規模なオープンサイエンスリポジトリからのMRIデータを調べることにより、研究者は脳の接続パターンを再構築し、それを人工ニューラルネットワーク(ANN)に適用しました。 ANNは、生物学的脳のように、複数の入力ユニットと出力ユニットで構成されるコンピューティングシステムです。 ニューロ(モントリオール神経研究所-病院)とケベック人工知能研究所の研究者チームは、認知記憶タスクを実行するようにANNを訓練し、割り当てを完了するためにどのように機能するかを観察しました。
これはXNUMXつの点でユニークなアプローチです。 コネクトミクスとしても知られる脳の接続性に関する以前の研究は、実際に計算や機能をどのように実行するかを見ることなく、脳の組織を説明することに焦点を当てていました。 第二に、従来のANNは、実際の脳ネットワークがどのように編成されているかを反映していない任意の構造を持っています。 脳コネクトミクスをANNアーキテクチャの構築に統合することにより、研究者は、脳の配線が特定の認知スキルをどのようにサポートするかを学び、人工ネットワークの新しい設計原理を導き出すことを望んでいました。
彼らは、ニューロモルフィックニューラルネットワークとして知られる人間の脳の接続性を備えたANNが、他のベンチマークアーキテクチャよりも柔軟かつ効率的に認知記憶タスクを実行することを発見しました。 ニューロモルフィックニューラルネットワークは、同じ基盤となるアーキテクチャを使用して、複数のコンテキストにわたる幅広い学習能力をサポートすることができました。
このプロジェクトは、XNUMXつの活気に満ちたペースの速い科学分野を統合します。 神経科学とAIは共通のルーツを共有していますが、最近は分岐しています。 人工ネットワークを使用すると、脳の構造が脳の機能をどのようにサポートしているかを理解するのに役立ちます。 次に、経験的データを使用してニューラルネットワークを作成すると、より適切に構築するための設計原則が明らかになります。 AI。 したがって、このXNUMXつは、お互いに情報を提供し、脳の理解を深めるのに役立ちます。