Neues neurocomputationales Gehirnmodell könnte die KI-Forschung voranbringen

| |

Eine neue Studie der Universität von Montreal stellt ein neues neurocomputationales Modell des menschlichen Gehirns vor. Dieses neue Modell bietet tiefere Einblicke in die Entwicklung komplexer kognitiver Fähigkeiten im Gehirn und könnte die Forschung zur neuronalen künstlichen Intelligenz (KI) voranbringen.

Die Studie wurde am 19. September in der Zeitschrift veröffentlicht Proceedings of the National Academy of Sciences (PNAS).

Es wurde von einer internationalen Gruppe von Forschern des Institut Pasteur und der Sorbonne Université in Paris, der CHU Sainte-Justine, des Mila – Quebec Artificial Intelligence Institute und der Université de Montréal durchgeführt.

Neurale Entwicklung

Die Studie beschreibt die neuronale Entwicklung über drei hierarchische Ebenen der Informationsverarbeitung:

  • Sensomotorische Ebene: Untersucht, wie die innere Aktivität des Gehirns Muster aus der Wahrnehmung lernt und sie mit Handlungen verknüpft.
  • Kognitive Ebene: Untersucht, wie das Gehirn diese Muster kontextuell kombiniert.
  • Bewusstseinsebene: Berücksichtigt, wie sich das Gehirn von der Außenwelt dissoziiert und erlernte Muster (über das Gedächtnis) manipuliert, die der Wahrnehmung nicht mehr zugänglich sind.

Die neue Forschung bietet tiefere Einblicke in die Kernmechanismen, die der Kognition zugrunde liegen, da sich das Modell auf das Zusammenspiel zwischen zwei grundlegenden Arten des Lernens konzentriert. Das erste ist das hebbische Lernen, das mit statistischer Regelmäßigkeit wie Wiederholung verbunden ist. Das zweite ist Verstärkungslernendas mit Belohnung und dem Neurotransmitter Dopamin in Verbindung gebracht wird.

Das neu entwickelte Modell löst drei Aufgaben mit zunehmender Komplexität auf allen Ebenen, und das Team führte jedes Mal einen neuen Kernmechanismus ein, der ihm beim Fortschritt half.

Die Ergebnisse hoben zwei grundlegende Mechanismen für die mehrstufige Entwicklung kognitiver Fähigkeiten in biologischen neuronalen Netzen hervor:

  • Synaptische Epigenese: Hebbisches Lernen findet auf lokaler Ebene statt, während bestärkendes Lernen auf globaler Ebene stattfindet.
  • Selbstorganisierte Dynamik: Spontane Aktivität und ausgewogenes Erregungs-/Hemmungsverhältnis von Neuronen.

KI der nächsten Generation und künstliches Bewusstsein

Guillaume Duman ist Teammitglied und Assistenzprofessor für Computational Psychiatry an der UdeM sowie Principal Investigator am CHU Sainte-Justine Research Center.

„Unser Modell zeigt, wie die Neuro-KI-Konvergenz biologische Mechanismen und kognitive Architekturen hervorhebt, die die Entwicklung der nächsten Generation künstlicher Intelligenz vorantreiben und letztendlich sogar zu künstlichem Bewusstsein führen können“, sagt Dumas.

Um dies zu erreichen, müssen laut Dumas möglicherweise die sozialen Dimensionen der Kognition integriert werden. Das Team befasst sich nun mit der Integration biologischer und sozialer Dimensionen und hat bereits die erste Simulation zweier vollständiger Gehirne in Interaktion erstellt.

Das Team glaubt, dass es durch die Verankerung zukünftiger Computermodelle in biologischen und sozialen Realitäten weitere Einblicke in die Kernmechanismen gewinnen wird, die der Kognition zugrunde liegen. Sie glauben auch, dass es eine Brücke zwischen KI und dem menschlichen Gehirn schlagen wird.

Previous

Vivian Hou findet ihren Schritt und macht den ersten Schnitt bei der Walmart NW Arkansas Championship | LPGA

Fiona schlägt Kanadas Atlantikküste nieder, löscht Häuser aus und schaltet Tausende von Strom ab

Next

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.