با وجود پیشرفتهای شتابان هوش مصنوعی در سالهای اخیر، مغز انسان همچنان در یک توانایی کلیدی از رایانهها جلوتر است: انتقال مهارتها و یادگیری میان وظایف مختلف. یک پژوهش جدید نشان میدهد که ما احتمالاً چگونه این کار را انجام میدهیم.
به گزارش انتخاب و به نقل از sciencealert.؛ این مطالعه به سرپرستی تیمی از دانشگاه پرینستون انجام شده است. پژوهشگران بهجای آزمایش مستقیم روی انسانها، از حیواناتی استفاده کردند که از نظر زیستی و عملکرد مغزی شباهت زیادی به ما دارند: ماکاکهای رزوس (Macaca mulatta).
از این میمونها خواسته شد شکلها و رنگها را روی یک صفحه نمایش تشخیص دهند و برای اعلام پاسخ، به جهتهای خاصی نگاه کنند. همزمان، اسکنهای مغزی انجام شد تا الگوهای همپوشان و نواحی مشترک فعالیت در مغز آنها بررسی شود.
نتایج این اسکنها نشان داد که مغز میمونها در انجام وظایف مختلف، از «بلوکهای» متفاوتی از نورونها استفاده میکند؛ چیزی که پژوهشگران از آن با عنوان «لگوهای شناختی» یاد میکنند. این بلوکهای موجود میتوانند برای وظایف جدید دوباره به کار گرفته شوند و با هم ترکیب شوند؛ نشانهای از انعطافپذیری عصبی که حتی پیشرفتهترین مدلهای هوش مصنوعی نیز توان رقابت با آن را ندارند.
تیم بوشمن، عصبپژوه دانشگاه پرینستون، میگوید:
«مدلهای پیشرفته هوش مصنوعی میتوانند در یک وظیفه مشخص به عملکردی در حد انسان یا حتی فراتر از آن برسند، اما در یادگیری و انجام همزمان وظایف متعدد دچار مشکل میشوند.»
او ادامه میدهد:
«ما دریافتیم مغز به این دلیل انعطافپذیر است که میتواند اجزای شناختی خود را در وظایف گوناگون دوباره استفاده کند. با کنار هم قرار دادن این “لگوهای شناختی”، مغز قادر است وظایف جدید بسازد.»
در این آزمایشها، حیوانات باید در سه وظیفه جداگانه اما مرتبط، میان شکلها و رنگها تمایز قائل میشدند؛ وظایفی که آنها را وادار میکرد پیوسته آموختههای خود را از یک مرحله به مرحله بعدی منتقل و به کار بگیرند.
پژوهشگران دریافتند این بلوکهای شناختی عمدتاً در قشر پیشپیشانی مغز متمرکز هستند؛ ناحیهای که با کارکردهای شناختی سطح بالا مانند حل مسئله، برنامهریزی و تصمیمگیری مرتبط است و به نظر میرسد نقشی اساسی در انعطافپذیری شناختی ایفا میکند.
همچنین مشخص شد زمانی که برخی از این بلوکهای شناختی مورد نیاز نیستند، میزان فعالیت آنها کاهش مییابد. این موضوع نشان میدهد مغز میتواند لگوهای عصبی غیرضروری را موقتاً کنار بگذارد تا تمرکز بیشتری بر وظیفه فعلی داشته باشد.
بوشمن در توضیح این مفهوم میگوید:
«من یک بلوک شناختی را شبیه یک تابع در یک برنامه رایانهای در نظر میگیرم. ممکن است مجموعهای از نورونها مسئول تشخیص رنگ باشند و خروجی آنها به تابع دیگری متصل شود که یک عمل خاص را هدایت میکند. این سازماندهی به مغز اجازه میدهد یک وظیفه را با اجرای پیدرپی اجزای آن انجام دهد.»
این یافتهها توضیح میدهد که چگونه میمونها — و احتمالاً انسانها — میتوانند خود را با چالشها و وظایفی که قبلاً تجربه نکردهاند وفق دهند و از دانش پیشین برای حل آنها استفاده کنند؛ قابلیتی که هوش مصنوعی در شکل کنونیاش همچنان در آن ضعف دارد.
در آینده، پژوهشگران معتقدند این نتایج میتواند به آموزش سامانههای هوش مصنوعیِ سازگارتر با وظایف جدید کمک کند. همچنین این یافتهها ممکن است در توسعه درمانهایی برای اختلالات عصبی و روانپزشکی — که در آنها افراد در انتقال مهارتها به موقعیتهای جدید دچار مشکل هستند — کاربرد داشته باشد.
در حال حاضر، این «لگوهای شناختی» بهطور بنیادین نشان میدهند که مغز انسان از نظر انعطافپذیری و سازگاری، از مدلهای هوش مصنوعی پیشرفتهتر است؛ مدلهایی که به پدیدهای موسوم به «فراموشی فاجعهبار» دچارند، یعنی نمیتوانند وظایف پیاپی را بیاموزند بدون آنکه مهارتهای قبلی خود را از دست بدهند.
اگرچه جابهجایی مداوم بین وظایف همیشه برای مغز ایدهآل نیست، اما بهکارگیری دانستههای یک وظیفه در وظیفهای دیگر میتواند میانبری بسیار کارآمد باشد.
پژوهشگران در پایان مینویسند:
«اگر همانطور که نتایج ما نشان میدهد، مغز بتواند بازنماییها و محاسبات را میان وظایف مختلف دوباره استفاده کند، این توانایی میتواند امکان سازگاری سریع با تغییرات محیط را فراهم کند؛ چه از طریق یادگیری بازنمایی مناسب وظیفه بر اساس پاداش، و چه با بازیابی آن از حافظه بلندمدت.»
این پژوهش در نشریه Nature منتشر شده است.
