המכון למדעי המוח Wu Tsai של סטנפורד פיתח מודל AI הנקרא רשת עצבית עמוקה מלאכותית טופוגרפית (TDANN) המחקה את ארגון המידע החזותי במוח. מודל זה, המשתמש בתשומות נטורליסטיות ובאילוצים מרחביים, שיכפל בהצלחה את המפות התפקודיות של המוח ועשוי להשפיע באופן משמעותי הן על מחקר מדעי המוח והן על בינה מלאכותית. הממצאים, שפורסמו לאחר שבע שנות מחקר, מדגישים את הפוטנציאל ל-AI יעיל יותר באנרגיה ולניסויים וירטואליים במדעי המוח המשפרים שיכולים לחולל מהפכה בטיפולים רפואיים וביכולות העיבוד החזותי של AI.
חוקרי סטנפורד פיתחו בינה מלאכותית המשכפלת תגובות דמויות מוח לגירויים חזותיים, מה שעלול לשנות את מדעי המוח ופיתוח בינה מלאכותית עם השלכות על יעילות אנרגטית והתקדמות רפואית.
צוות במכון למדעי המוח Wu Tsai של סטנפורד השיג פריצת דרך משמעותית בשימוש בבינה מלאכותית כדי לחקות את הדרך שבה המוח מעבד מידע חושי כדי להבין את העולם, מה שסלל את הדרך להתקדמות במדעי המוח הווירטואליים.
צפו בשניות מתקפות בשעון, ובאזורים חזותיים של המוח שלכם, קבוצות שכנות של נוירונים סלקטיביות זווית יירו ברצף כשהמחוג השני מטאטא את לוח השעון. תאים אלה יוצרים מפות "גלגלי סיכה" יפות, כאשר כל קטע מייצג תפיסה חזותית של זווית אחרת. אזורים חזותיים אחרים במוח מכילים מפות של מאפיינים ויזואליים מורכבים ומופשטים יותר, כמו ההבחנה בין תמונות של פרצופים מוכרים לעומת מקומות, המפעילים "שכונות" עצביות מובחנות.
מפות פונקציונליות כאלה ניתן למצוא ברחבי המוח, הן משמחות ומבלבלות מדעני מוח, שתהו זמן רב מדוע המוח היה צריך לפתח פריסה דמוית מפה שרק המדע המודרני יכול לראות.
כדי לענות על השאלה הזו, צוות סטנפורד פיתח סוג חדש של אלגוריתם AI – רשת עצבית עמוקה מלאכותית טופוגרפית (TDANN) – המשתמשת בשני כללים בלבד: תשומות חושיות נטורליסטיות ומגבלות מרחביות על קשרים; ומצא שהוא מנבא בהצלחה הן את התגובות החושיות והן את הארגון המרחבי של חלקים מרובים של מערכת הראייה של המוח האנושי.
שבע שנים של מחקר מסתיימות בפרסום
לאחר שבע שנים של מחקר מקיף, הממצאים פורסמו במאמר חדש – "מסגרת מאחדת לארגון תפקודי בקליפת הראייה הגחונית המוקדמת והגבוהה יותר" – בכתב העת עֲצָבוֹן.
את צוות המחקר הוביל חוקר הסגל של מכון מדעי המוח של וו צאי, דן יאמינס, עוזר פרופסור לפסיכולוגיה ומדעי המחשב; ו
שלוחת המכון כלנית גריל-ספקטור, פרופסור לפסיכולוגיה.
בניגוד לרשתות עצביות קונבנציונליות, ה-TDANN משלב אילוצים מרחביים, מסדר את הנוירונים הווירטואליים שלו על "סדין קורטיקלי" דו מימדי ודורש נוירונים סמוכים לחלוק תגובות דומות לקלט חושי. כשהמודל למד לעבד תמונות, המבנה הטופוגרפי הזה גרם לו ליצור מפות מרחביות, המשכפלות כיצד נוירונים במוח מתארגנים בתגובה לגירויים חזותיים. באופן ספציפי, המודל שיכפל דפוסים מורכבים כמו מבני גלגלי השיניים בקליפת המוח החזותית הראשית (V1) וצבירי הנוירונים בקליפת המוח הטמפורלית הגבוהה יותר (VTC) המגיבים לקטגוריות כמו פרצופים או מקומות.
אשד מרגלית, המחבר הראשי של המחקר, שסיים את הדוקטורט שלו בעבודה עם Yamins ו-Grill-Spector, אמר שהצוות השתמש בגישות למידה בפיקוח עצמי כדי לעזור ל- דיוק של דגמי אימון המדמים את המוח.
"זה כנראה דומה יותר לאופן שבו תינוקות לומדים על העולם החזותי", אמרה מרגלית. "אני לא חושב שבהתחלה ציפינו שתהיה לזה השפעה כל כך גדולה על הדיוק של המודלים המאומנים, אבל אתה באמת צריך להתאים את משימת האימון של הרשת כדי שהיא תהיה מודל טוב של המוח."
השלכות על מדעי המוח ובינה מלאכותית
המודל הניתן לאימון מלא יעזור למדעני מוח להבין טוב יותר את הכללים של איך המוח מארגן את עצמו, בין אם לראייה, כמו במחקר זה, או למערכות חושיות אחרות כמו שמיעה.
"כשהמוח מנסה ללמוד משהו על העולם – כמו לראות שתי תמונות של אדם – הוא מציב בקרבת המוח נוירונים המגיבים באופן דומה בצורת מפות", אמרה גריל-ספקטור, שהיא סוזן ס' וויליאם. ה. הינדל פרופסור בבית הספר למדעי הרוח והמדעים. "אנו מאמינים שהעיקרון הזה צריך להיות בר תרגום גם למערכות אחרות."
לגישה חדשנית זו יש השלכות משמעותיות הן על מדעי המוח והן על בינה מלאכותית. עבור מדעני מוח, TDANN מספק עדשה חדשה לחקור כיצד קליפת המוח החזותית מתפתחת ופועלת, מה שעלול לשנות טיפולים להפרעות נוירולוגיות. עבור AI, תובנות הנגזרות מארגון המוח יכולות להוביל למערכות עיבוד חזותיות מתוחכמות יותר, בדומה ללמד מחשבים 'לראות' כפי שעושים בני אדם.
הממצאים יכולים גם לעזור להסביר כיצד המוח האנושי פועל ביעילות אנרגטית כוכבית כזו. לדוגמה, המוח האנושי יכול לחשב מיליארד מיליארד פעולות מתמטיקה עם הספק של 20 וואט בלבד, בהשוואה למחשב-על שדורש פי מיליון יותר אנרגיה כדי לבצע את אותה מתמטיקה. הממצאים החדשים מדגישים שמפות נוירונים – והאילוצים המרחביים או הטופוגרפיים המניעים אותם – עשויים לשמש לפשוט ככל האפשר את החיווט המחבר בין 100 מיליארד הנוירונים של המוח. תובנות אלו יכולות להיות מפתח לעיצוב מערכות מלאכותיות יעילות יותר בהשראת האלגנטיות של המוח.
"AI מוגבל על ידי כוח", אמר ימינס. "בטווח הארוך, אם אנשים ידעו להפעיל מערכות מלאכותיות בצריכת חשמל נמוכה בהרבה, זה יכול לתדלק את הפיתוח של AI."
בינה מלאכותית חסכונית יותר באנרגיה יכולה לעזור להצמיח מדעי המוח הווירטואליים, שבהם ניתן לבצע ניסויים מהר יותר ובקנה מידה גדול יותר. במחקרם, החוקרים הוכיחו כהוכחה לעיקרון שהרשת העצבית המלאכותית העמוקה הטופוגרפית שלהם משחזרת תגובות דמויות מוח למגוון רחב של גירויים חזותיים נטורליסטיים, מה שמצביע על כך שמערכות כאלה יוכלו לשמש בעתיד כמגרשי משחקים מהירים ולא יקרים. ליצירת אב טיפוס של ניסויים במדעי המוח וזיהוי מהיר של השערות לבדיקות עתידיות.
ניסויים וירטואליים במדעי המוח יכולים לקדם גם טיפול רפואי אנושי. לדוגמה, אימון טוב יותר של מערכת חזותית מלאכותית באותו אופן שבו תינוק לומד חזותית על העולם עשוי לעזור לבינה מלאכותית לראות את העולם כמו אדם, שבו מרכז המבט חד יותר משאר שדה הראייה. יישום אחר יכול לעזור בפיתוח תותבות לראייה או לדמות בדיוק כיצד מחלות ופציעות משפיעות על חלקים במוח.
"אם אתה יכול לעשות דברים כמו תחזיות שיעזרו לפתח מכשירים תותבים לאנשים שאיבדו את הראייה, אני חושב שזה באמת הולך להיות דבר מדהים", אמר גריל-ספקטור.
