Τι μπορεί να κάνει ο ανθρώπινος εγκέφαλος που δεν μπορεί η ΑΙ

Ερευνητές από το Πανεπιστήμιο του Άμστερνταμ ανακάλυψαν μοναδικές ενεργοποιήσεις του εγκεφάλου που αντανακλούν τον τρόπο με τον οποίο μπορούμε να διαχειριζόμαστε το σώμα μας σε οποιοδήποτε περιβάλλον βρεθούμε, όπως για παράδειγμα ότι διαισθητικά μπορούμε να περπατήσουμε σε ένα μονοπάτι και να κολυμπήσουμε στο νερό.

Η μελέτη όχι μόνο ρίχνει νέο φως στον τρόπο λειτουργίας του ανθρώπινου εγκεφάλου, αλλά δείχνει και τα σημεία στα οποία η Τεχνητή Νοημοσύνη (AI) υστερεί.

Σύμφωνα με τους ερευνητές, η Τεχνητή Νοημοσύνη θα μπορούσε να γίνει πιο βιώσιμη και φιλική προς τον άνθρωπο, αν ενσωμάτωνε αυτές τις γνώσεις από τον ανθρώπινο εγκέφαλο.

Και μπορεί να ακούγεται απλό ότι μόλις δούμε νερό ότι ξέρουμε ότι μπορούμε να κολυμπήσουμε, αλλά πώς καθορίζει ο εγκέφαλός σας αυτές τις δυνατότητες;

Ο διδακτορικός φοιτητής Clemens Bartnik και μια ομάδα ειδικών κατάφεραν να δείξουν ότι εκτιμούμε τις πιθανές ενέργειες χάρη σε μοναδικά εγκεφαλικά μοτίβα.

Η επιστημονική ομάδα, με επικεφαλής την υπολογιστική νευροεπιστήμονα Iris Groen, συνέκρινε επίσης αυτή την ανθρώπινη ικανότητα με ένα μεγάλο αριθμό μοντέλων τεχνητής νοημοσύνης, συμπεριλαμβανομένου του ChatGPT.

«Τα μοντέλα Τεχνητής Νοημοσύνης αποδείχθηκαν λιγότερο ικανά σε αυτό και έχουν ακόμα πολλά να μάθουν από τον αποδοτικό ανθρώπινο εγκέφαλο», σχολιάζει η Groen.

Προβολή εικόνων στον μαγνητικό τομογράφο

Χρησιμοποιώντας έναν μαγνητικό τομογράφο, η ομάδα διερεύνησε τι συμβαίνει στον εγκέφαλο όταν οι άνθρωποι βλέπουν διάφορες φωτογραφίες εσωτερικών και εξωτερικών χώρων.

Οι συμμετέχοντες χρησιμοποιούσαν ένα κουμπί για να υποδείξουν αν η εικόνα τους προκαλούσε την επιθυμία να περπατήσουν, να κάνουν ποδήλατο, να οδηγήσουν, να κολυμπήσουν, να κάνουν βαρκάδα ή να αναρριχηθούν. Ταυτόχρονα, μετριόταν η εγκεφαλική τους δραστηριότητα.

«Θέλαμε να μάθουμε όταν κοιτάζετε μια σκηνή, βλέπετε κυρίως αυτό που υπάρχει –όπως αντικείμενα ή χρώματα– ή βλέπετε αυτόματα και τι μπορείτε να κάνετε με αυτά», λέει η Groen.

Μοναδικές διαδικασίες στον εγκέφαλο

Η ομάδα ανακάλυψε ότι ορισμένες περιοχές του οπτικού φλοιού ενεργοποιούνται με τρόπο που δεν μπορεί να εξηγηθεί από τα ορατά αντικείμενα στην εικόνα.

«Αυτό που είδαμε ήταν μοναδικό», λέει η Groen. «Αυτές οι περιοχές του εγκεφάλου δεν αντιπροσωπεύουν μόνο αυτό που μπορείς να δεις, αλλά και αυτό που μπορείς να κάνεις με αυτό».

Ο εγκέφαλος το έκανε αυτό ακόμη και όταν οι συμμετέχοντες δεν έλαβαν ρητή οδηγία για να προβούν σε συγκεκριμένη ενέργεια.

«Αυτές οι δυνατότητες ενέργειας επεξεργάζονται επομένως αυτόματα στον ανθρώπινο εγκέφαλο», λέει η Groen. «Ακόμη και αν δεν σκέφτεστε συνειδητά τι μπορείτε να κάνετε σε ένα περιβάλλον, ο εγκέφαλός σας το καταγράφει».

Η έρευνα αποδεικνύει για πρώτη φορά ότι οι δυνατότητες δεν είναι μόνο μια ψυχολογική έννοια, αλλά και μια μετρήσιμη ιδιότητα του εγκεφάλου μας.

Τι δεν καταλαβαίνει ακόμη η Τεχνητή Νοημοσύνη

Η ομάδα συνέκρινε επίσης πόσο καλά οι αλγόριθμοι Τεχνητής Νοημοσύνης –όπως τα μοντέλα αναγνώρισης εικόνων ή το GPT-4– μπορούν να εκτιμήσουν τι μπορείς να κάνεις σε ένα δεδομένο περιβάλλον.

«Όταν εκπαιδεύτηκαν ειδικά για την αναγνώριση ενεργειών, μπορούσαν να προσεγγίσουν κάπως τις ανθρώπινες κρίσεις, αλλά τα μοτίβα του ανθρώπινου εγκεφάλου δεν ταιριάζουν με τους εσωτερικούς υπολογισμούς των μοντέλων», εξηγεί η Groen.

«Ακόμη και τα καλύτερα μοντέλα τεχνητής νοημοσύνης δεν δίνουν ακριβώς τις ίδιες απαντήσεις με τους ανθρώπους, παρόλο που για εμάς είναι μια τόσο απλή εργασία. Αυτό δείχνει ότι ο τρόπος που βλέπουμε είναι βαθιά συνυφασμένος με τον τρόπο που αλληλεπιδρούμε με τον κόσμο. Συνδέουμε την αντίληψή μας με την εμπειρία μας στον φυσικό κόσμο. Τα μοντέλα Τεχνητής Νοημοσύνης δεν μπορούν να το κάνουν αυτό, επειδή υπάρχουν μόνο σε έναν υπολογιστή», συμπληρώνει η ίδια.

Η Τεχνητή Νοημοσύνη μπορεί να μάθει από τον ανθρώπινο εγκέφαλο

Η έρευνα αγγίζει ευρύτερα ζητήματα σχετικά με την ανάπτυξη αξιόπιστης και αποτελεσματικής Τεχνητής Νοημοσύνης.

Καθώς όλο και περισσότεροι τομείς, από την ιατρική έως τη ρομποτική και τη νομική, χρησιμοποιούν Τεχνητή Νοημοσύνη, γίνεται σημαντικό οι μηχανές να μην αναγνωρίζουν μόνο τι είναι κάτι, αλλά και να κατανοούν τι μπορεί να κάνει.

Για παράδειγμα, ένα ρομπότ που πρέπει να βρει το δρόμο του σε μια περιοχή που έχει πληγεί από καταστροφή ή ένα αυτόνομο αυτοκίνητο που μπορεί να ξεχωρίσει έναν ποδηλατόδρομο από μια είσοδο αυτοκινήτων.

Η Groen επισημαίνει επίσης τη βιώσιμη πτυχή της Τεχνητής Νοημοσύνης. «Οι τρέχουσες μέθοδοι εκπαίδευσης της τεχνητής νοημοσύνης καταναλώνουν τεράστια ποσά ενέργειας και συχνά είναι προσβάσιμες μόνο σε μεγάλες εταιρείες τεχνολογίας. Η καλύτερη γνώση του τρόπου λειτουργίας του εγκεφάλου μας και του τρόπου με τον οποίο ο ανθρώπινος εγκέφαλος επεξεργάζεται ορισμένες πληροφορίες πολύ γρήγορα και αποτελεσματικά μπορεί να συμβάλει στη δημιουργία μιας Τεχνητής Νοημοσύνης πιο έξυπνης, πιο οικονομικής και πιο φιλικής προς τον άνθρωπο», καταλήγει η ίδια.

Η μελέτη δημοσιεύτηκε στην επιστημονική επιθεώρηση Proceedings of the National Academy of Sciences (PNAS).