脳はどのように発達するか: 認知に光を当てる新しい方法

Neuroscience News logo for mobile.


概要: 新しい計算神経科学研究は、脳の認知能力がどのように発達するかを明らかにし、新しい AI 研究の形成に役立つ可能性があります。

出典: モントリオール大学

新しい研究では、人間の脳の新しい神経計算モデルが導入され、脳が複雑な認知能力をどのように発達させ、神経人工知能研究を前進させるかを明らかにすることができます。

9 月 19 日に公開されたこの研究は、パリのパスツール研究所とソルボンヌ大学、CHU Sainte-Justine、Mila – Quebec Artificial Intelligence Institute、および Université de Montréal の国際的な研究者グループによって実施されました。

ジャーナル Proceedings of the National Academy of Sciences of the United States of America (PNAS) の表紙を飾ったこのモデルは、情報処理の 3 つの階層レベルにわたる神経発達を説明しています。

最初の感覚運動レベルでは、脳の内部活動がどのように知覚からパターンを学習し、それらを行動に関連付けるかを探ります。認知レベルでは、脳がそれらのパターンを文脈的に組み合わせる方法を調べます。最後に、意識レベルでは、脳が外界からどのように分離し、学習したパターンを操作するかを検討します。 (記憶を介して)もはや知覚にアクセスできません。

チームの研究は、2 つの基本的なタイプの学習の間の相互作用にモデルが焦点を当てているおかげで、認知の根底にある中心的なメカニズムへの手がかりを与えています。それは、統計的規則性 (すなわち反復) に関連する Hebbian 学習です。 「一緒に発火し、一緒に配線するニューロン」 – 報酬とドーパミン神経伝達物質に関連する強化学習.

このモデルは、視覚認識から意識的な知覚の認知的操作まで、これらのレベル全体で複雑さが増している 3 つのタスクを解決します。 そのたびに、チームは新しいコア メカニズムを導入して、進行を可能にしました。

この結果は、生物学的ニューラル ネットワークにおける認知能力の多段階発達の 2 つの基本的なメカニズムを浮き彫りにしています。

ローカル スケールでの Hebbian 学習とグローバル スケールでの強化学習によるシナプス エピジェネシス;自発的な活動とニューロンのバランスの取れた興奮/抑制比による自己組織化ダイナミクス。

このモデルは、視覚認識から意識的な知覚の認知的操作まで、これらのレベル全体で複雑さが増している 3 つのタスクを解決します。 画像はパブリックドメインです

「私たちのモデルは、神経と AI の融合が、次世代の人工知能の開発を促進し、最終的には人工意識にさえつながる可能性のある生物学的メカニズムと認知アーキテクチャをどのように浮き彫りにするかを示しています」 UdeM、および CHU Sainte-Justine Research Centre の主任研究者。

このマイルストーンに到達するには、認知の社会的側面を統合する必要があるかもしれない、と彼は付け加えた. 研究者は現在、人間の認知に作用する生物学的および社会的側面の統合に注目しています。 チームは、相互作用する 2 つの脳全体の最初のシミュレーションを既に開拓しています。

生物学的および社会的現実に将来の計算モデルを固定することは、認知の根底にあるコアメカニズムに光を当て続けるだけでなく、高度な社会意識を持つ唯一の既知のシステムである人間に向けた人工知能へのユニークな架け橋を提供するのにも役立つとチームは信じています。脳。

この計算神経科学研究ニュースについて

著者: Julie Gazaille出典: モントリオール大学連絡先: Julie Gazaille – モントリオール大学画像: 画像はパブリック ドメインです

元の研究: オープン アクセス。「人工ニューラル ネットワークにおける認知能力のマルチレベル開発」ギヨーム デュマら。 PNAS

概要

こちらもご覧ください

これは、コンピューターで作業している人を示しています

人工ニューラルネットワークにおける認知能力の多段階発達

出生後の物理的および社会文化的環境との相互作用による認知能力の形成を説明するために、いくつかの神経メカニズムが提案されています。

ここでは、情報処理と認知能力の獲得の 3 レベルの計算モデルを紹介します。 これらのレベルを構築するための最小限のアーキテクチャ要件と、パラメータがパフォーマンスと関係にどのように影響するかを提案します。

最初の感覚運動レベルは、ここでは視覚的な分類タスク中に、局所的な無意識の処理を処理します。 第2レベルまたは認知レベルは、長距離接続を介して複数のローカルプロセッサからの情報をグローバルに統合し、グローバルではあるが無意識の方法でそれを合成します. 認知的に最も高い 3 番目のレベルは、グローバルかつ意識的に情報を処理します。 これはグローバル ニューロン ワークスペース (GNW) 理論に基づいており、意識レベルと呼ばれます。

トレースおよび遅延調整タスクを使用して、それぞれ 2 番目と 3 番目のレベルに挑戦します。 結果はまず、ネットワークが最初の 2 つのタスクを解決できるようにするために、ローカル スケールとグローバル スケールの両方でのシナプスの選択と安定化によるエピジェネシスの必要性を強調しています。

世界規模では、ドーパミンは、知覚と報酬の間の一時的な遅延にもかかわらず、クレジット割り当てを適切に提供するために必要であると思われます. 第 3 レベルでは、感覚入力がない場合に GNW 内で自律的な表現を維持するために、介在ニューロンの存在が必要になります。

最後に、バランスの取れた自発性内因性活動は、ローカル スケールとグローバル スケールの両方でエピジェネシスを促進しますが、バランスの取れた興奮性/抑制性の比率はパフォーマンスを向上させます。 神経発達と人工知能の両方の用語でモデルの妥当性について説明します。



Source link