کالبدشکافی هوش مصنوعی برای درک بهتر مغز انسان

هوش، در طبیعت، شکل‌های متنوعی به خود می‌گیرد. خفاشی که از پژواک‌یابی برای رهیابی مسیرش در تاریکی استفاده می‌کند یا اختاپوسی که با انطباق پیوسته‌ رفتارش، در اقیانوس‌های عمیق زنده می‌ماند، تنها نمونه‌هایی از این اشکال هستند.

در دنیای کامپیوتر نیز صورت‌های گوناگونی از هوش مصنوعی در حال ظهور هستند. منظور از هوش مصنوعی، شبکه‌هایی هستند که برای انجام مسئله‌ای خاص، آموزش دیده‌اند. متخصصان عصب‌شناسی شناختی، همان‌طور که در آخرین کنفرانس سالانه‌ CNS مطرح شد، سعی دارند با استفاده از این شبکه‌های نوظهور، درک بشریت را از یکی از مرموزترین سیستم‌های کل دنیا، یعنی مغز انسان، ارتقا دهند.

آئود الیوا از دانشگاه MIT می‌گوید: «سؤالاتی که ذهن عصب‌شناسان شناختی و متخصصان علوم کامپیوتر را به خود مشغول کرده، در اساس به یکدیگر شباهت دارند. یکی از این شباهت‌ها مربوط به اجزای سازنده‌ مغز انسان (نورون‌ها) و کامپیوترها (واحد) است. درحال‌حاضر، مشغول اجرای آزمایشاتی هستیم، تا دریابیم این اجزا چه چیزی را محاسبه می‌کنند.»

طبق پژوهش الیوا، عصب‌شناسان شناختی سعی دارند در خصوص نقشی که سرنخ‌های بافتی در فرایند شناسایی تصویر در مغز ایفا می‌کنند، اطلاعات بیشتری به دست آورند. این متخصصان با استفاده از نورون‌های عصبی (که در اصل چند خط کد هستند) و شبکه‌‌های عصبی، انواع مؤلفه‌هایی را که در تشخیص یک مکان یا شیء خاص به کار می‌روند، تجزیه و مشخص می‌کنند.

الهام شبکه‌های عصبی از مغز انسان

نیکلاس کریگسکورت، از اعضای هیئت کنفرانس CNS و از استادان دانشگاه کلمبیا، توضیح می‌دهد: «مغز، شبکه‌ای پیچیده و عمیق است. شبکه‌های عصبی نیز از مغز انسان الهام گرفته‌اند و درحال‌حاضر، اساس و بنیانِ نوآورانه‌ترین دستاوردهای هوش مصنوعی در بسیاری از حوزه‌ها، همچون بینایی کامپیوتری، به شمار می‌روند.»

الیوا و همکارانش در پژوهش اخیر خود، با تکیه بر دیتاستی حاوی ده میلیون تصویر، به شبکه‌ عصبی آموختند که 350 مکان مختلف را تشخیص دهد. این محققان، پیش‌بینی می‌کردند که شبکه بتواند رابطه‌ بین اشیائی همچون تختخواب را با این مکان‌ها بیاموزد؛ اما اتفاق غیرمنتظره‌ای که افتاد این بود که شبکه، توانست افراد و حیوانات حاضر در این موقعیت‌ها (برای مثال سگ‌ها و گربه‌های داخل پارک) را هم تشخیص دهد.

اگر مدل‌های یادگیری ماشین به داده‌های فراوان دسترسی داشته باشند، به سرعت آموزش می‌بینند. فراوانی داده‌ها به آن‌ها اجازه می‌دهد بافت تصاویر را در سطحی قابل‌قبول بیاموزند. نورون‌های مغز انسان‌ را نمی‌توان در این مقیاس کالبدشکافی کرد؛ با این حال، مدل‌های کامپیوتری کاملاً شفاف هستند. شبکه‌های عصبی مصنوعی، حکم مغزهای کوچکی را دارند که قابل‌مطالعه، تغییر و ارزیابی هستند. علاوه بر این، با مقایسه‌ آن‌ها با شبکه‌های عصبی طبیعی (مغز انسان‌ها) می‌توان تصویری کلی از نحوه‌ کارکرد مغز به دست آورد.

کریگسکورت معتقد است: «این مدل‌ها به عصب‌شناسان شناختی کمک کرده‌اند درک بهتری از فرایند دیداری و تشخیص شیء مغز انسان‌ها به دست آورند. این فرایند با میلیون‌ها سیگنال از شبکیه‌ چشم شروع و دنباله‌ای از نورون‌ها را درگیر می‌کند؛ این نورون‌ها اطلاعات معنایی سیگنال‌ها را استخراج می‌کنند و ما بدین طریق می‌فهمیم آنچه می‌بینیم، برای مثال خیابانی است که چند آدم و یک گربه در آن راه می‌روند. شبکه‌های عصبی نیز با تقلید محاسباتی که در نورون‌های زیستی (طبیعی) اتفاق می‌افتد، مسائل مشابه را به انجام می‌رسانند. این مدل‌ها می‌توانند نحوه‌ پاسخ نورون‌های مغزی عمیق به تصاویر را نیز پیش‌بینی کنند.»

کمک علوم کامپیوتر به درک کارکرد مغز

به ‌کارگیری علوم کامپیوتر به منظور درک کارکرد مغز، حوزه‌ نسبتاً جدیدی است که به لطف پیشرفت‌های اخیر علم محاسبات (از نظر سرعت و توان) و ابزارهای تصویربرداری عصب‌شناختی، با سرعت در حال رشد است. با این حال، همان‌طور که کریگسکورت اشاره می‌کند، این شبکه‌ها قادر به تقلید قابلیت‌های دیداری انسانی نیستند و صرفاً می‌توانند با مدل‌سازی مغز انسان، درک ما از هوش مصنوعی و هوش شناختی را گسترش دهند. عصر حاضر، بهترین زمان ممکن برای کار کردن بر روی تعامل بین علوم عصب‌شناختی، علوم شناختی و هوش مصنوعی است.

الیوا نیز در این خصوص می‌گوید: «شناخت انسانی و علوم شناختی محاسباتی، حوزه‌ پژوهشی رو به رشدی است که قصد دارد دانش بشریت درباره کارکردهای دیداری، شنیداری، احساسی، تکفر، حافظه و پیش‌بینی مغز را ارتقا دهد. این دانش به ما اجازه می‌دهد ابزارهای تشخیصی بهتری بسازیم، درمان‌های کارآمدتری برای بیماری‌های مغزی ارائه دهیم و همچنین،کرده  رشد صحیح مغز را تضمین کنیم.»