Revolucija v nevroznanosti: AI dekodira človeške možgane!

Revolucija v nevroznanosti: AI dekodira človeške možgane!

Nova študija, ki jo je izvedla skupina pod vodstvom prof. dr. Adriena Doeriga s Svobodne univerze v Berlinu, kaže, da lahko veliki jezikovni modeli (LLM) napovedujejo, kako se človeški možgani odzivajo na vizualne dražljaje. Ta raziskava je bila objavljena v priznani revijiNaravna strojna inteligencaobjavljeno z naslovom "Vizualne predstavitve na visoki ravni v človeških možganih so usklajene z velikimi jezikovnimi modeli" poroča Svobodna univerza v Berlinu.

Preiskava se nanaša na interakcijo med človeško vizualno zaznavo in predstavitvami, ki jih ustvarijo LLM-ji, kot so tisti, ki stojijo za ChatGPT. Do zdaj ni bilo učinkovitih orodij za analizo zelo abstraktnih pomenov, ki jih ljudje izpeljejo iz vizualnih vtisov. Raziskovalna skupina je to dosegla z ekstrakcijo "semantičnih prstnih odtisov" iz običajnih opisov prizorov, ki so bili nato uporabljeni za modeliranje funkcionalnih podatkov MRI, zbranih med gledanjem vsakodnevnih slik.

Inovativne metode za analizo podatkov

Pregledane slike vključujejo prizore, kot sta "otroci, ki igrajo frizbi na šolskem dvorišču" in "pes, ki stoji na jadrnici." Predstavitve, ki so jih ustvarili LLM, so vodile do natančnih napovedi možganske aktivnosti, kar je omogočilo sklepanje o videnem. Te metode so se izkazale za učinkovitejše od mnogih trenutnih sistemov za klasifikacijo slik, kar poudarja pomen in potencialno uporabo LLM v nevroznanosti.

Poleg tega je bila raziskana zmožnost modelov računalniškega vida za napovedovanje semantičnih prstnih odtisov neposredno iz slik, kar bi lahko še dodatno pospešilo raziskave. Te ugotovitve so zelo pomembne ne le za nevroznanost, ampak tudi za razvoj inteligentnih sistemov. Glasno Fraunhofer IKS Pomen kognitivnih sistemov, ki temeljijo na umetni inteligenci, postaja vse bolj očiten, saj so te tehnologije nepogrešljive na različnih področjih uporabe, vključno z avtonomnimi vozili.

Izzivi v AI in visoke varnostne zahteve

Vendar kompleksnost velikih jezikovnih modelov in vztrajna nerazumljivost takih sistemov predstavljata velike izzive. David Bau, računalniški znanstvenik na Northeastern University, opisuje, kako tradicionalna programska oprema omogoča prepoznavanje težav, medtem ko AI pogosto deluje kot "črna skrinjica", katere natančno funkcionalnost je težko razumeti. Raziskovalno področje razložljive umetne inteligence (XAI) zato postaja vse bolj pomembno za boljše razumevanje notranje logike in odločanja sistemov umetne inteligence. poroča Spektrum.de.

Ker se LLM uporabljajo za zapletene naloge, kot so zdravniška posvetovanja ali programiranje, je bistveno, da so njihove odločitve razumljive. Potreba po zagotavljanju razlag za sisteme umetne inteligence je bistvena, zlasti pri aplikacijah z visokim tveganjem. Bau poudarja, da podjetja, kot je OpenAI, skrivajo svojo izvorno kodo, kar ovira prizadevanja za izvajanje preglednih raziskav in zato omejuje razvoj varnih, razložljivih sistemov AI.

V prihodnosti bi lahko bila sinteza vpogledov iz raziskav možganov in razvoja umetne inteligence, kot je prikazano v trenutni študiji, ključna za premostitev vrzeli med človeškim in strojnim razumevanjem. Te sinergije odpirajo nove perspektive za obe znanstveni disciplini in so na pragu prelomnega napredka v razvoju inteligentnih sistemov.