В последнем выпуске Proceedings of the National Academy of Sciences (PNAS) нейробиолог из Нью-Йоркского университета Дэвид Хигер предлагает новую схему, объясняющую, как мозг делает прогнозы. Он описывает, как «предсказание» может быть общим принципом корковой функции — наряду с уже установленной ролью вывода.«Давно признано, что мозг выполняет своего рода логический вывод, сочетая сенсорную информацию с ожиданиями», — объясняет Хигер, профессор Центра нейронологии Нью-Йоркского университета. «Эти ожидания могут исходить из текущего контекста, из воспоминаний или как постоянное предсказание с течением времени. Эта новая теория объединяет все это воедино и математически формализует».
В нашем понимании функций мозга в значительной степени отсутствовали модели, подобные тем, которые обычно используются метеорологами. Делая свои прогнозы, синоптики полагаются на прошлую информацию о погоде, чтобы спрогнозировать климатические условия на следующие несколько дней.
«Точно так же нейронные сети в нашем мозгу воплощают в себе тип модели нашего окружения», — замечает Хигер. «Однако у нас нет четкого понимания того, как они работают, чтобы делать прогнозы».Существующие теории функций мозга и нейронные сети, используемые в искусственном интеллекте, используют иерархическую структуру: сенсорный ввод поступает с одного конца, а по иерархии вычисляются все более абстрактные представления.
Но эта архитектура «прямой связи» / конвейерной обработки, утверждает Хигер, не учитывает прогностические способности мозга, потому что, в отличие от погодных моделей, она не объясняет, как он зацикливается на более ранней информации — включая динамическую теорию Хигера.«Можно запустить этот процесс и наоборот — взять абстрактное представление наверху иерархии и запустить его в обратном направлении, сверху вниз через нейронную сеть, чтобы создать что-то вроде сенсорного предсказания или ожидания», — сказал он. объясняет.В целом теория Хигера совмещает умозаключение с предсказанием.
Нейронная сеть мозга может обрабатывать данные с упреждением — от сенсорных входных данных до абстрактного представления — подобно типичным нейронным сетям искусственного интеллекта. Вместо этого теория Хигера может работать в режиме обратной связи, чтобы генерировать сенсорное предсказание на основе абстрактного представления (т. Е. Своего рода воспоминание или мысленные образы).
Или он может работать в режиме, который представляет собой комбинацию этих двух, в которой выводы смешивают сенсорный ввод с прогнозом.Теория также предполагает роль шума или изменчивости в нейронной активности, чтобы исследовать различные возможные интерпретации, даже когда сенсорный ввод и предсказание одинаковы.«Этот управляемый шумом процесс исследования может быть нейронной основой творчества», — предполагает он.
Хигер предполагает, что нейромодуляторы, такие как ацетилхолинеин, изменяют состояние мозга, чтобы контролировать, какой режим — чисто с прямой связью, просто с обратной связью или их комбинация — работает в каждый момент времени. По его мнению, количество шума, определяющее объем исследования, контролируется другими нейромодуляторами, такими как норадреналин, и колебаниями активности мозга.Теория, которая использует модель, встроенную в нейронную сеть, для прогнозирования и исследования с течением времени, предлагает многообещающие перспективы как в области нейробиологических исследований, так и в области искусственного интеллекта.Одна из этих областей — оценка факторов, объясняющих аутизм.
Не существует особого генетического механизма, вызывающего аутизм (так называемые «гены аутизма» составляют лишь небольшой процент случаев). Скорее, люди с аутизмом имеют нейрокомпьютерный дефицит — обработка данных в мозге не работает должным образом. По словам Хигера, более полно понимая, как мозг эффективно вычисляет, мы можем пролить свет на то, в чем именно заключаются нейровычислительные различия. То же самое и при других нарушениях развития и психических заболеваниях.
Вдобавок, хотя ИИ стремится воспроизвести процесс принятия решений и обработки человеком, он не может полностью уловить эти явления, если он исключительно опирается на архитектуру «с прямой связью», игнорируя предсказания и исследования.«Теория нейронной функции, которую я обрисовываю, направлена на восполнение некоторых значительных динамических факторов, которых не хватает ИИ, — говорит Хигер.