Nieuwe vormen van AI bootsen steeds beter het menselijk brein na

​Terwijl beroemde techies de alarmbel luiden over digitale entiteiten die ons op een dag tot slaaf zullen maken, is het menselijk brein op dit moment veruit superieur aan de meest complexe computers op aarde. Een belangrijke reden hiervoor is dat de computernetwerken geen geheugen hebben zoals mensen dat hebben.

Een groot probleem voor kunstmatige neurale netwerken (oftewel virtuele simulaties van het brein) is dat het moeilijk is om een systeem te ontwerpen dat zelfstandig kan leren, en bovendien kan onthouden wat het geleerd heeft. Als neurale netwerken input verwerken, maken ze een connectie tussen verschillende digitale neuronen, en produceren vervolgens een output. Als het netwerk vervolgens iets nieuws moet leren, dan moeten al deze connecties opnieuw geconfigureerd worden; het hele brein wordt volledig gewist en opnieuw geschreven.

Deze methode heet "catastrophic forgetting," en maakt een AI mogelijk die kan reageren op veranderende situaties. Bij eerdere oplossingen voor dit probleem werden er trucjes als een neuraal netwerk aan een extern geheugen koppelen die alles opsloeg ingezet, maar wanneer kan een netwerk geheel zelfstandig herinneringen maken?

Aangezien kunstmatige neurale netwerken geïnspireerd zijn door biologie, lag het voor onderzoekers uit Frankrijk, Noorwegen de VS voor de hand om dierlijke breinen te bestuderen. Het uiteindelijke doel is om daarmee een oplossing voor catastrophic forgetting te vinden en een modulair systeem te ontwikkelen.

Het idee is dat dierenhersenen uit vele kleine clusters - ofwel modules - van neuronen bestaan die zich relateren aan andere clusters. Als je een neuraal netwerk in verschillende modules opdeelt, kan het netwerk leren om taken over verschillende gebieden te verdelen.

In een paper dat gepubliceerd werd in PLoS Computational Biology, beschrijven de onderzoekers hoe ze theorieën rondom dierlijke evolutie en moderne theorieën ingezet hebben om een modulair en virtueel brein te ontwerpen.

Het eerste van de biologie afgekeken idee is dat het geheugen in het menselijk brein gespreid is; er is dus geen centraal punt in het brein waar alles opgeslagen wordt. De eerste taak voor de onderzoekers die een neuraal netwerk reconstrueren, was om een systeem bouwen dat een deel van de neuronen uitschakelt tijdens het verwerken van een taak, en tegelijkertijd een ander deel juist inschakelt.

Het tweede biologisch geïnspireerde idee is dat nieuwe verbindingen opzetten in een brein tijd en energie kost. Door de kosten voor het maken van nieuwe verbindingen in te bouwen, werden de onderzoekers gedwongen om efficiënter met energie-hulpbronnen om te gaan. Het netwerk kan zichzelf daarmee niet in een onoverzichtelijke brei aan verbindingen veranderen omdat dat "te veel zou kosten."

In het derde punt verwerkten de wetenschappers er een belonings- en strafmechanisme in, om het neurale netwerk aan te leren om alleen output te produceren dat door een soort belonend signaal wordt opgevolgd. Een beloningsprincipe dat al eeuwen lang in menselijke en dierlijke breinen teruggevonden wordt.

Uiteindelijk laten ze de netwerken evolueren, veranderen en twee taken tegelijk uitvoeren. Deze design-principes resulteerden er in dat de onderzoekers een netwerk gebouwd hadden dat in staat was om iets te leren, dan iets nieuws te leren terwijl het eerste onthouden werd.

Dit zou heel goed een baanbrekende stap kunnen zijn voor neurale netwerken, en een belangrijke vordering binnen de ontwikkeling van kunstmatige intelligentie  Wij gebruiken deze processen meerdere malen per dag onbewust, maar voor een computer is deze flexibiliteit en veranderlijkheid extreem indrukwekkend.