Iluzia inteligenței biologice
Timp de mai bine de un deceniu, rețelele neuronale artificiale (ANN) au fost considerate o oglindă digitală a cogniției umane. Deoarece aceste sisteme excelează în recunoașterea obiectelor și pot simula tipare de activitate neuronală, cercetătorii din neuroștiințe le-au folosit frecvent drept echivalente pentru a înțelege complexitatea sistemului vizual uman. Totuși, un studiu revoluționar realizat de York University sugerează că această funcționalitate „asemănătoare creierului” ar putea fi o iluzie elaborată, fapt care ar putea schimba direcția neuroștiinței computaționale.
Echipa de cercetare, condusă de profesorul asistent Kohitij Kar și cercetătorul postdoctoral Sabine Muzellec, a analizat dacă similitudinile dintre AI și creierul uman sunt cu adevărat bidirecționale. În timp ce studiile anterioare se concentrau pe capacitatea AI de a prezice activitatea cerebrală, echipa de la York a utilizat o metodologie inedită numită „predictibilitate inversă”. Testând dacă răspunsurile neuronale reale pot prezice stările interne ale modelelor AI, aceștia au încercat să verifice dacă procesele de „gândire” subiacente sunt la fel de similare pe cât sugerează rezultatele externe.
Asimetria percepției
Studiul a utilizat 1.320 de imagini, de la fotografii din natură până la interpretări artistice abstracte, pentru a testa riguros aceste modele. Rezultatele au fost clare: deși AI-ul s-a dovedit extrem de eficient în a prezice răspunsurile neuronale din creierul primatelor, situația inversă nu a fost valabilă. Semnalele biologice ale creierului nu au putut prezice cu acuratețe mecanismele interne ale modelelor AI. Această asimetrie a lipsit în mod notabil atunci când cercetătorii au comparat activitatea neuronală între două creiere biologice diferite, ceea ce sugerează că AI-ul „trișează”, folosind strategii interne complet străine biologiei umane.
De ce contează: reducerea discrepanței
- Fiabilitatea cercetării: Dacă modelele AI se bazează pe procese non-biologice, acestea ar putea conduce la concluzii eronate atunci când sunt folosite pentru studierea afecțiunilor psihologice sau a tulburărilor neurologice.
- Validarea modelelor: Studiul oferă un nou set de instrumente de diagnostic care permite dezvoltatorilor să identifice exact ce părți ale unei rețele neuronale artificiale se aliniază cu mecanismele biologice, în loc să optimizeze doar performanța externă.
- Aplicații clinice: Modelele rafinate, cu adevărat similare creierului, ar putea îmbunătăți semnificativ cercetarea în autism și PTSD, oferind reprezentări mai precise ale tiparelor cerebrale tipice.
O nouă cale pentru modelarea neuronală
Descoperirile nu sugerează că cercetătorii ar trebui să renunțe la rețelele neuronale, ci solicită o abordare mai critică a arhitecturii modelelor. Prin evidențierea componentelor interne specifice care se abat de la realitatea biologică, Kar și Muzellec au deschis calea către o generație de AI mai fiabilă și mai bine fundamentată biologic. Setul lor de instrumente, care este acum disponibil public, le permite dezvoltatorilor să verifice dacă sistemele lor mimează cu adevărat căile cognitive sau dacă ajung la aceleași concluzii vizuale prin scurtături statistice fără legătură cu biologia.
Pe măsură ce AI-ul continuă să fie integrat în cercetarea clinică, aceste perspective sunt esențiale. Înțelegerea mecanismului din spatele „măștii” este crucială pentru a asigura faptul că aceste modele servesc drept instrumente științifice precise. Aliniind strategiile computaționale interne cu realitatea biologică umană, domeniul ar putea în sfârșit să reducă prăpastia dintre performanța artificială și reprezentarea cognitivă autentică, depășind simpla imitație pentru a ajunge la o înțelegere mai profundă a percepției umane.










