Miben különbözik agyunk matematikája és a mesterséges intelligencia? – Újabb eredmény az MTA kutatóinak vezetésével

Magyar és németországi kutatók új eredményt értek el azzal kapcsolatban, hogyan befolyásolja érzékelésünket az a modell, amit az agy a világról alkot. A felfedezés segít abban, hogy megértsük, mi az a nyelv, amit az idegsejtek használnak. Összefoglaló a napokban publikált eredményről, melyről Orbán Gergővel, az MTA Wigner Fizikai Kutatóközpont munkatársával, a magyar kutatócsoport vezetőjével beszélgettünk az MTA podcast első adásában.

2019. február 7. Gilicze Bálint

A beszélgetésben egyebek mellett szó esik a mélytanuló rendszerek gyenge pontjairól, az agyi címkézésről, a látás folyamatáról, az egerek intelligenciájáról és a kiborgagy megvalósíthatóságáról. Jegyzetek, hivatkozások az elhangzottakhoz elérhetők ebben a cikkben. A következőkben rövid összefoglalót adunk az aktuális eredményről.

A mesterséges intelligenciára épülő technológiák, különösen a manapság egyre meghökkentőbb teljesítményre képes mélytanuló (deep learning) rendszerek olykor mintha egészen „emberien” gondolkodnának. Ráadásul a bennük megjelenő, egymásra épülő absztrakciós szintek is sok szempontból emlékeztetnek arra, ahogy az agy feldolgozza a külvilágból érzékelt információkat.

De vajon valóban sikerült ezekkel bepillantást szerezni a hús-vér élőlények idegsejthálózatainak működési elveibe? Orbán Gergő és kutatótársainak most megjelent publikációja egy igen lényeges különbséget tárt fel a manapság legelterjedtebb és leghatékonyabb mesterséges és a valós rendszerek között.

Amikor az agy visszaszól

A kutatók Wolf Singer, az MTA külső tagja frankfurti laboratóriumában végzett majomkísérletek eredményeit értékelve arra jutottak, hogy a szomszédos idegsejtek aktivitásainak összehangoltsága (korrelációja) jobban függ a látott képektől, ha az állat olyasmit lát, ami korábbi tapasztalatai alapján számára érdekes lehet – gondolhatunk itt például valamilyen szabályos mintázatra, alakra. Ha nincs ilyesmi a képen, akkor az idegsejtek aktivitásának összehangoltsága függetlenné válik a látottaktól.

Mivel az idegi összehangoltság változása egyértelműen a látott kép tartalmától, mélyebb szerkezetétől függött, a kutatók arra a következtetésre jutottak, hogy itt az információ a „szokott” iránnyal ellentétesen is áramlik. Vagyis az agy magasabb feldolgozási szintjei visszajeleznek az alacsonyabb szintek felé arról, hogy az állat mit tart fontosnak a világból – az agy tehát egyfajta belső modellhez viszonyítva érzékeli a külvilágot. Egy ilyen rendszer a korábban tanult szabályosságokat az érzékelés legkorábbi szakaszaiban is képes felhasználni, hatékonyan kezelve a megfigyelés bizonytalanságát. A majom idegsejtjei tehát árulkodnak arról, hogy mely matematikai elvek képezik a biológiai intelligencia alapját.

Orbán Gergő Forrás: mta.hu/Szigeti Tamás

Egerek és majmok a tudomány határán

Orbán Gergő, az MTA Wigner Fizikai Kutatóközpont munkatársa tavaly a Human Frontier Science Program támogatásával több kutatócsoport munkáját összefogó projektbe kezdett, melynek megalapozásához már e mostani eredmény is hozzájárul. (A projekt indulásáról lásd korábbi cikkünket.) A projekt keretében egerek és majmok látásának agyi folyamatait vizsgálják egy összehangolt kísérletsorozattal. A kísérletek során kihasználják, hogy a majmok látása közelebb áll az emberi érzékeléshez, ugyanakkor az egerek betanítása könnyebb, és részletesebb vizsgálatok (egyebek mellett optogenetikai mérések) is végezhetők rajtuk.

Az eredmények az agy működésének jobb megértése mellett a mesterséges intelligencia fejlesztésében is segíthetnek. A most elérhető technológiák hatékonysága ugyanis nagyon meggyőző, azonban a kutatók már látják a fejlődés lehetséges elvi irányait. Orbán Gergő és kutatótársainak vizsgálataiból pedig úgy tűnik, hogy az agy már kitaposott néhány ösvényt, melyeken a technológia csak most teszi meg az első lépéseket.

A most megjelent publikáció teljes egészében elérhető a PNAS oldalán:

Stimulus complexity shapes response correlations in primary visual cortex

Whether the population activity in neuronal networks can be understood as the sum of individual activities or neurons jointly determine the state of populations is a fundamental question of neuroscience. Spike count correlations reflect coordination between pairs of neurons and therefore can be regarded as a signature of joint computations.

További információ

Orbán Gergő, MTA Wigner Fizikai Kutatóközpont
orban.gergo@wigner.mta.hu