Revolucija u istraživanju umjetne inteligencije: Nove neuronske mreže oponašaju ljudski vid!

Revolucija u istraživanju umjetne inteligencije: Nove neuronske mreže oponašaju ljudski vid!

26. lipnja 2025. nova studija o topografskim neuronskim mrežama (All-TNN) objavljena je u renomiranom časopisu Priroda Ljudsko ponašanje može se naći. Ovo istraživanje provedeno je pod vodstvom profesora Tima C. Kietzmanna na Institutu za kognitivnu znanost Sveučilišta u Osnabrücku. Cilj ove studije je izgraditi most između napredne umjetne inteligencije (AI) i biološke vjerodostojnosti.

All-TNN-ovi predstavljaju inovativan pristup organiziranju informacija. Njegovo načelo temelji se na dvodimenzionalnoj replici ljudskog vidnog sustava, slično "mapama" u vidnom korteksu. To predstavlja značajan napredak jer, iako tradicionalne konvolucijske neuronske mreže (CNN) omogućuju vizualno prepoznavanje značajki, one to čine na način koji se razlikuje od načina na koji ih ljudski mozak stvarno obrađuje. Dr. Kietzmann naglašava da CNN-ovi ne odražavaju biološku osnovu vizualne obrade.

Prednosti svih TNN-ova

Kroz prostorno organiziranu selektivnost značajki na kortikalnoj površini, All-TNN-ovi omogućuju preciznije hvatanje obrazaca ljudskog ponašanja. Ovi bi modeli mogli revolucionirati razumijevanje neuronskih mehanizama iza percepcije i ponašanja. Simulacije također pokazuju da ti sustavi, kao fizički modeli, zahtijevaju manje energije, što ih čini resursno učinkovitijima.

Središnja značajka All-TNN-a je koordinirani rad susjednih neuronskih jedinica, što je usporedivo s prirodnim procesima. Izazov uspostavljanja selektivnosti značajki fluida u prostoru predstavlja središnje istraživačko polje. Znanstvenici su već razvili obećavajuće pristupe optimizaciji svih TNN-ova, na primjer putem visokokvalitetnih skupova slikovnih podataka i ponavljajućih veza.

Prijave i izazovi

Potencijalne primjene svih TNN-ova kreću se od neuroznanosti do psihologije. Svojom sposobnošću da simuliraju ljudsku percepciju, ovi modeli također mogu otvoriti nove puteve u kognitivnoj psihologiji i biheviorističkoj neuroznanosti. Njihov razvoj također bi mogao imati značajan utjecaj na dizajn budućih AI modela.

Ključni aspekt istraživanja je potraga za zajedničkim jezikom između umjetne inteligencije i neuroznanosti. Sve-TNN-ovi bi mogli pomoći u prevladavanju izazova objašnjive i razumljive umjetne inteligencije, što je ključno u današnjem istraživačkom okruženju.

U kontekstu primijenjene neuroznanosti, integracija tehnologije u svakodnevni život ostaje važan izazov. Ovdje potencijal nude neuroadaptivne tehnologije koje tehničke sustave prilagođavaju sposobnostima i potrebama ljudi. Tim u Fraunhofer IAO intenzivno radi na sučelju između ljudi i strojeva kako bi razvio sustave koji se mogu prilagoditi kognitivnim i emocionalnim stanjima korisnika u stvarnom vremenu.

Ukratko, All-TNN-ovi se mogu promatrati kao obećavajuća inovacija u području umjetne inteligencije i neuroznanosti. Njegov razvoj ne samo da bi mogao transformirati način na koji razmišljamo o umjetnoj inteligenciji, već i otvoriti nove mogućnosti za istraživanje u psihologiji i drugim srodnim disciplinama. Dodatne informacije o ovim uzbudljivim temama mogu se pronaći u odgovarajućim istraživačkim člancima iz Actu.AI i Fraunhofer IAO.