samenvatting: De onderzoekers onthulden significante overeenkomsten tussen AI-geheugenverwerking en menselijke hippocampale functies. Deze ontdekking, die AI en neurowetenschappen met elkaar verbindt, benadrukt het parallellisme in geheugenconsolidatie – een cruciaal proces bij het omzetten van kortetermijnherinneringen in langetermijnherinneringen – in zowel AI-modellen als het menselijk brein.
Het team concentreerde zich op het Transformer-model, een hoeksteen van AI-ontwikkelingen, en ontdekte dat de geheugenprocessen het mechanisme van de NMDA-receptor in de hersenen nabootsten. Dit innovatieve onderzoek bevordert niet alleen de ontwikkeling van kunstmatige algemene intelligentie (AGI), maar biedt ook een dieper inzicht in geheugensystemen in het menselijk brein.
Belangrijkste feiten:
- De studie onthult een opvallende gelijkenis tussen AI-geheugenverwerking en de functies van de hippocampus in het menselijk brein.
- Het Transformer-model in AI blijkt een poortwachterproces te gebruiken dat vergelijkbaar is met de NMDA-receptor in de hersenen, wat cruciaal is voor geheugenverbetering.
- Dit onderzoek biedt de mogelijkheid om efficiëntere hersenachtige kunstmatige intelligentiesystemen te ontwikkelen en verdiept ons begrip van menselijke geheugenmechanismen.
bron: Instituut voor Basiswetenschappen
Een interdisciplinair team bestaande uit onderzoekers van het Center for Social Cognition en de Data Science Group binnen het Institute for Basic Science (IBS) heeft een opvallende gelijkenis onthuld tussen de geheugenverwerking van kunstmatige intelligentie (AI)-modellen en de hippocampus van het menselijk brein.
Deze nieuwe ontdekking biedt een nieuw perspectief op geheugenconsolidatie, het proces dat kortetermijnherinneringen omzet in langetermijnherinneringen, in kunstmatige intelligentiesystemen.
In de race om kunstmatige algemene intelligentie (AGI) te ontwikkelen, waarbij invloedrijke entiteiten als OpenAI en Google DeepMind voorop lopen, is het begrijpen en repliceren van menselijke intelligentie een belangrijk onderzoeksinteresse geworden. Een van de belangrijkste van deze technologische ontwikkelingen is het transformatormodel, waarvan de basisprincipes nu op nieuwe diepte worden onderzocht.
De sleutel tot krachtige AI-systemen is begrijpen hoe informatie wordt geleerd en onthouden. Het team paste de principes van het leren van het menselijk brein, met een bijzondere focus op geheugenconsolidatie via de NMDA-receptor in de hippocampus, toe op modellen voor kunstmatige intelligentie.
De NMDA-receptor is als een slimme deur in je hersenen die het leren en de geheugenvorming vergemakkelijkt. Wanneer een chemische stof genaamd glutamaat in de hersenen aanwezig is, ervaart een zenuwcel excitatie. Aan de andere kant fungeert het magnesiumion als een kleine poortwachter, die de deur blokkeert.
Alleen wanneer de ionische poortwachter opzij stapt, mogen materialen de cel binnenstromen. Dit is het proces dat de hersenen in staat stelt herinneringen te vormen en vast te houden, en de rol van de poortwachter (magnesiumion) in het hele proces is vrij specifiek.
Het team heeft een opmerkelijke ontdekking gedaan: het Transformers-model lijkt een poortwachterproces te gebruiken dat vergelijkbaar is met de NMDA-receptor in de hersenen. Deze ontdekking bracht onderzoekers ertoe te onderzoeken of de consolidatie van adaptergeheugen kon worden gecontroleerd via een mechanisme dat vergelijkbaar is met het NMDA-receptor-gating-proces.
In de hersenen van dieren is het bekend dat lage magnesiumgehaltes de geheugenfunctie aantasten. De onderzoekers ontdekten dat het langetermijngeheugen in Transformer kan worden verbeterd door de NMDA-receptor na te bootsen.
Net als in de hersenen, waar veranderende magnesiumniveaus de geheugensterkte beïnvloeden, verbeterde het aanpassen van de transducerparameters om de beweging van de NMDA-receptor weer te geven het geheugen in het AI-model.
Dit verrassende resultaat suggereert dat de manier waarop AI-modellen leren kan worden verklaard door gevestigde kennis in de neurowetenschappen.
“Dit onderzoek vertegenwoordigt een cruciale stap in de ontwikkeling van kunstmatige intelligentie en neurowetenschappen”, zegt C. Justin Lee, een directeur gespecialiseerd in neurowetenschappen bij het instituut. Het stelt ons in staat dieper in te gaan op de werkingsprincipes van de hersenen en op basis van deze inzichten geavanceerdere kunstmatige-intelligentiesystemen te ontwikkelen.
“Het menselijk brein is geweldig in hoe het werkt met minimale energie, in tegenstelling tot grote AI-modellen die enorme hulpbronnen nodig hebben”, zegt Cha Myung, een datawetenschapper in het team en bij KAIST.
“Ons werk opent nieuwe mogelijkheden voor goedkope, krachtige AI-systemen die informatie leren en onthouden zoals mensen.”
Wat deze studie onderscheidt, is het initiatief om door de hersenen geïnspireerde niet-lineariteiten in de AI-architectuur op te nemen, wat aanzienlijke vooruitgang aantoont bij het simuleren van mensachtige geheugenverbetering.
De convergentie van menselijke cognitieve mechanismen en AI-ontwerp is niet alleen veelbelovend voor het creëren van goedkope, krachtige AI-systemen, maar biedt ook waardevolle inzichten in de werking van de hersenen via AI-modellen.
Over AGI en AI-onderzoeksnieuws
auteur: Willem Suh
bron: Instituut voor Basiswetenschappen
communicatie: William Suh – Instituut voor Basiswetenschappen
afbeelding: Afbeelding toegeschreven aan Neuroscience News
‘Webgeek. Wannabe-denker. Lezer. Freelance reisevangelist. Liefhebber van popcultuur. Gecertificeerde muziekwetenschapper.’
