Искусственный интеллект теперь может создавать отмеченные наградами эссе и помогать врачам выявлять заболевания с впечатляющей точностью. Однако когда речь заходит о настоящей умственной гибкости, живой мозг по-прежнему имеет явное преимущество. Люди с удивительной легкостью приспосабливаются к новым ситуациям и информации. Изучение незнакомого компьютерного программного обеспечения, проба нового рецепта или понимание правил новой игры часто происходят быстро для людей, в то время как системам ИИ обычно сложно адаптироваться в режиме реального времени и эффективно обучаться “на лету”.
В новом исследовании, опубликованном в журнале Nature, нейробиологи из Принстонского университета выявили одну из ключевых причин этой разницы. Человеческий мозг многократно использует одни и те же когнитивные “блоки” в различных ситуациях, комбинируя и рекомбинируя их для формирования новых моделей поведения.
“Современные модели искусственного интеллекта могут достигать человеческого или даже сверхчеловеческого уровня производительности при выполнении отдельных задач. Но им сложно учиться и выполнять много разных задач. Мы обнаружили, что мозг гибок, потому что может повторно использовать компоненты когнитивных функций во многих разных задачах. Соединяя эти “когнитивные Lego”, мозг способен создавать новые задачи”, — сказал Тим Бушман, Ph.D., старший автор исследования и заместитель директора Принстонского института нейробиологии.
Если кто-то уже знает, как настроить велосипед, то научиться ремонтировать мотоцикл может показаться более простым делом. Эта способность формировать новый навык на основе более простых, знакомых навыков, полученных из связанного опыта, известна как композиционность. “Если вы уже умеете печь хлеб, вы можете использовать эту способность, чтобы испечь торт, не заново учиться печь с нуля. Вы перепрофилируете существующие навыки — использование духовки, измерение ингредиентов, замешивание теста — и сочетаете их с новыми, такими как взбивание теста и приготовление глазури, чтобы создать что-то совершенно другое”, — говорит Сина Тафазоли, Ph.D., постдокторский исследователь в лаборатории Бушмана в Принстоне и ведущий автор нового исследования.
До сих пор доказательства того, как именно мозг поддерживает такой гибкий, композиционный тип мышления, были ограниченными и иногда противоречивыми. Чтобы получить более четкое представление, Тафазоли обучила двух самцов макак-резусов выполнять три связанные между собой задачи, одновременно регистрируя активность их мозга.
Вместо реальных задач, таких как выпечка или ремонт велосипеда, животным было предложено выполнить три задачи по визуальной классификации. На экране они видели серию красочных шарикообразных пятен. Их задача состояла в том, чтобы решить, больше ли каждое пятно похоже на кролика или на букву “T” (категоризация по форме), или же оно выглядит более красным или более зеленым (категоризация по цвету).
Задача оказалась сложнее, чем казалось. Пятна различались по степени четкости различий. Некоторые изображения явно напоминали кролика или были ярко-красными, в то время как другие были неоднозначными и требовали тщательного анализа, чтобы различить категории.
Чтобы сообщить о своем решении относительно формы или цвета, каждая обезьяна указывала свой ответ, глядя в одном из четырех разных направлений на экране. Например, в одной из версий задания взгляд влево означал, что животное посчитало пятно кроликом, а взгляд вправо — что оно больше похоже на букву “T”. Важной частью эксперимента было то, что каждое задание имело свои собственные правила, но при этом имело общие ключевые компоненты с другими заданиями.
В одном из заданий на определение цвета и формы животным требовалось смотреть в одном и том же направлении, чтобы обозначить свой выбор, в то время как в обоих цветовых заданиях обезьян просили классифицировать цвет одинаково (как более красный или более зеленый), но смотреть в разных направлениях, выражая свое суждение о цвете (категоризируя цвет). Такая конструкция позволила исследователям увидеть, использует ли мозг одни и те же нейронные паттерны, или когнитивные строительные блоки, когда задания имеют определенные общие черты.
Изучив паттерны мозговой активности, Тафазоли и Бушман обнаружили, что префронтальная кора, область в передней части мозга, участвующая в высокоуровневом мышлении и принятии решений, содержит несколько повторяющихся паттернов активности. Эти паттерны появлялись всякий раз, когда группы нейронов работали вместе для достижения общей цели, такой как различение цветов.
Бушман назвал эти паттерны “когнитивным Lego” мозга, набором строительных блоков, которые можно гибко комбинировать для получения различных типов поведения. “Я представляю когнитивный блок как функцию в компьютерной программе. Один набор нейронов может различать цвет, и его выходные данные могут быть сопоставлены с другой функцией, которая управляет действием. Такая организация позволяет мозгу выполнять задачу, последовательно выполняя каждый компонент этой задачи”, — сказал Бушман.
Например, для одной из задач, связанных с цветом, мозг собирал блок, определяющий цвет изображения, вместе с другим блоком, который направляет движения глаз в определенные стороны. Когда животное переключалось на другую задачу, например, на оценку форм вместо цветов, при этом по-прежнему используя аналогичные движения глаз, мозг просто активировал блок для обработки форм вместе с блоком для тех же движений глаз. Такое совместное использование блоков наблюдалось в основном в префронтальной коре и не было столь же выражено в других областях мозга. Это открытие позволяет предположить, что данный тип композиционности может быть отличительной чертой префронтальной коры.
Ученые также заметили, что префронтальная кора, по-видимому, подавляет определенные когнитивные блоки, когда в них нет необходимости. Вероятно, это помогает мозгу сосредоточиться на наиболее актуальной задаче в данный момент. “Мозг имеет ограниченные возможности когнитивного контроля. Вы должны сжать некоторые из своих способностей, чтобы сосредоточиться на тех, которые важны в данный момент. Например, сосредоточение на классификации форм на мгновение снижает способность кодировать цвет, потому что цель — различение форм, а не цветов”.
Путем выборочной активации и подавления различных блоков мозг может избежать перегрузки и сосредоточить свою работу на текущей цели. Эти “когнитивные Lego” могут помочь объяснить, почему люди часто способны так быстро осваивать новые задачи. Мозгу не всегда нужно начинать с нуля. Вместо этого он может использовать существующие ментальные компоненты, комбинировать их и избегать дублирования работы — стратегия, которой, как правило, не хватает современным системам искусственного интеллекта.
“Основная проблема машинного обучения — катастрофическая интерференция. Когда машина или нейронная сеть учится чему-то новому, они забывают и перезаписывают предыдущие воспоминания. Если искусственная нейронная сеть знает, как печь пирог, но затем учится печь печенье, она забудет, как печь пирог”, — говорит Тафазоли.
Внедрение композиционности в ИИ может в конечном итоге сделать искусственные системы более похожими на человека в своем обучении, позволяя им приобретать новые навыки с течением времени, не стирая старые. Те же принципы могут повлиять и на медицину. Многие неврологические и психиатрические заболевания, включая шизофрению, обсессивно-компульсивное расстройство и некоторые формы черепно-мозговой травмы, могут затруднять людям применение существующих навыков в новых ситуациях. Эти проблемы могут возникать, когда мозг больше не может плавно рекомбинировать свои когнитивные строительные блоки. “Представьте, что вы можете помочь людям восстановить способность менять стратегии, учиться новым привычкам или адаптироваться к изменениям. В долгосрочной перспективе понимание того, как мозг повторно использует и рекомбинирует знания, может помочь нам разработать методы лечения, восстанавливающие этот процесс”.
Принстонский университет. Пер.: PSYCHOL-OK.RU
