Revolution i AI-forskning: Nye neurale netværk efterligner menneskesyn!

Revolution i AI-forskning: Nye neurale netværk efterligner menneskesyn!

Den 26. juni 2025 blev en ny undersøgelse om topografiske neurale netværk (All-TNN'er) offentliggjort i det anerkendte tidsskrift Naturen Menneskelig adfærd kan findes. Denne forskning blev udført under ledelse af professor Tim C. Kietzmann ved Institut for Kognitiv Videnskab ved Universitetet i Osnabrück. Formålet med denne undersøgelse er at bygge bro mellem avanceret kunstig intelligens (AI) og biologisk plausibilitet.

All-TNN'erne repræsenterer en innovativ tilgang til organisering af information. Dens princip er baseret på en todimensionel kopi af det menneskelige visuelle system, svarende til "kortene" i den visuelle cortex. Dette repræsenterer et betydeligt fremskridt, fordi mens traditionelle foldningsneurale netværk (CNN'er) muliggør genkendelse af visuel træk, gør de det på en måde, der adskiller sig fra, hvordan den menneskelige hjerne faktisk behandler dem. Dr. Kietzmann understreger, at CNN'er ikke afspejler det biologiske grundlag for visuel behandling.

Fordelene ved alle-TNN'er

Gennem den rumligt organiserede selektivitet af funktioner på den kortikale overflade gør All-TNN'er det muligt at fange menneskelige adfærdsmønstre mere præcist. Disse modeller kunne revolutionere forståelsen af ​​de neurale mekanismer bag perception og adfærd. Simuleringer viser også, at disse systemer som fysiske modeller kræver mindre energi, hvilket gør dem mere ressourceeffektive.

Et centralt træk ved All-TNN'er er det koordinerede arbejde af tilstødende neuronale enheder, som kan sammenlignes med naturlige processer. Udfordringen med at etablere flydende trækselektivitet i rummet repræsenterer et centralt forskningsfelt. Forskere har allerede udviklet lovende tilgange til at optimere alle-TNN'er, for eksempel gennem højkvalitets billeddatasæt og tilbagevendende forbindelser.

Ansøgninger og udfordringer

De potentielle anvendelser af alle-TNN'er spænder fra neurovidenskab til psykologi. Gennem deres evne til at simulere menneskelig opfattelse kunne disse modeller også åbne nye veje inden for kognitiv psykologi og adfærdsmæssig neurovidenskab. Deres udvikling kan også have en betydelig indflydelse på designet af fremtidige AI-modeller.

Et afgørende aspekt af forskningen er søgen efter et fælles sprog mellem kunstig intelligens og neurovidenskab. All-TNN'er kan hjælpe med at overvinde udfordringerne med forklarlig og forståelig AI, som er afgørende i nutidens forskningslandskab.

I forbindelse med anvendt neurovidenskab er det stadig en vigtig udfordring at integrere teknologi i hverdagen. Neuroadaptive teknologier, der tilpasser tekniske systemer til menneskers evner og behov, rummer potentiale her. Teamet hos Fraunhofer IAO arbejder intensivt på grænsefladen mellem mennesker og maskiner for at udvikle systemer, der kan tilpasse sig brugernes kognitive og følelsesmæssige tilstande i realtid.

Sammenfattende kan All-TNN'er ses som en lovende innovation inden for kunstig intelligens og neurovidenskab. Dets udvikling kunne ikke kun ændre den måde, vi tænker om AI på, men også åbne op for nye muligheder for forskning inden for psykologi og andre relaterede discipliner. Yderligere information om disse spændende emner kan findes i de respektive forskningsartikler fra Actu.AI og Fraunhofer IAO.