دانشمندان دریافتهاند که هوش مصنوعی ممکن است مانند مغز انسان کار نکند

هوش مصنوعی ممکن است بسیار کمتر از آنچه دانشمندان گمان می کردند شبیه مغز انسان باشد. یک مطالعه جدید از دانشگاه یورک یک ضعف شگفتانگیز را در مدلهای هوش مصنوعی نشان داده است که به طور گسترده برای درک نحوه پردازش اطلاعات بصری توسط مغز استفاده میشوند.
برای سالها، محققان به شبکههای عصبی مصنوعی (ANN)، سیستمهای رایانهای که برای انجام وظایفی مانند تشخیص اشیاء در تصاویر، برای مطالعه نحوه عملکرد بینایی طراحی شدهاند، تکیه کردهاند. در طول دهه گذشته، این مدل ها به برخی از ابزارهای پیشرو برای توضیح سیستم بینایی مغز تبدیل شده اند. توانایی آنها در بازتولید الگوهای فعالیت مغز آنها را به ویژه در علوم اعصاب ارزشمند می کند.
اما یافته های جدید یک سوال مهم را مطرح می کند: فقط به این دلیل که یک هوش مصنوعی می تواند با موفقیت پاسخ های خاصی را در مغز تقلید کند، آیا این بدان معناست که در واقع اطلاعات بصری را به همان روش پردازش می کند؟
کوهیتی کار، نویسنده ارشد این مطالعه جدید و استادیار دانشگاه یورک، میگوید: «سیستمهای هوش مصنوعی اغلب بهعنوان «مغز مانند» توصیف میشوند، زیرا میتوانند فعالیت بخشهایی از مغز را که به ما در تشخیص اشیا کمک میکند، پیشبینی کنند. “تا به حال، دانشمندان عمدتاً این را در یک جهت آزمایش کرده اند. آنها از آنها پرسیده اند که آیا مدل های هوش مصنوعی می توانند فعالیت مغز را پیش بینی کنند.”
یک آزمایش جدید یک مشکل پنهان در هوش مصنوعی مغز مانند را نشان می دهد
تیم دانشگاه یورک تصمیم گرفت از جهت مخالف به این سوال بپردازد. آنها به جای اندازهگیری اینکه هوش مصنوعی چقدر میتواند فعالیت سلولهای مغزی را پیشبینی کند، بررسی کردند که آیا فعالیت مغزی ثبتشده میتواند اتفاقات درون مدلهای هوش مصنوعی را نیز پیشبینی کند.
محققان معتقدند اگر این سیستم ها واقعاً مانند مغز کار می کنند، این اتصال باید به هر دو صورت کار کند. برای بررسی، آنها روشی به نام آزمون پیش بینی معکوس ایجاد کردند که به آنها امکان می داد شباهت هایی را که آزمون های معمولی ممکن است نادیده گرفته شوند، ارزیابی کنند.
کار، رئیس پژوهشی کانادا در علوم اعصاب بصری و یکی از اعضای مرکز تحقیقات یکپارچه و اپلیکیشن یورکلی میگوید: “در نهایت، ما به مدلهای محاسباتی نیاز داریم تا واقعاً مکانیسمهای عصبی اساسی را درک کنیم. چگونه حرکت اشیاء را میبینیم؟ اگرچه این کار بسیار آسانی است که ما هر روز انجام میدهیم، اما از نظر محاسباتی یک مشکل بسیار چالش برانگیز است.”
تیم تحقیقاتی، از جمله سابین موزلک، دانشجوی فوقدکتری یورک، کارآموز برنامه ذهنهای متصل دانشگاه، پاسخها به طیف گستردهای از تصاویر بصری را بررسی کردند.
آزمایشات آنها شامل 1320 عکس طبیعی و تصاویر مصنوعی واقعی، از جمله 10 شی آشنا بود: خرس، فیل، صورت، سیب، ماشین، سگ، صندلی، هواپیما، پرنده و گورخر. این اشیاء در برابر صحنه های مختلف طبیعی و پس زمینه های داخلی یا خارجی ظاهر می شوند. محققان همچنین 300 تصویر اضافی را وارد کردند که اشیاء مشابه را در سبکهای بصری مختلف، از جمله طرحها، نقاشیها، تصاویر سادهشده و تفاسیر هنری نشان میدادند.
هوش مصنوعی می تواند فعالیت مغز را پیش بینی کند، اما معکوس داستان متفاوتی را بیان می کند
نتایج نشان داد که بین هوش مصنوعی و بینایی بیولوژیکی تفاوت معناداری وجود دارد.
مدلهای هوش مصنوعی عموماً در پیشبینی پاسخهای نورونهای ثبتشده، که سلولهای تخصصی هستند که اطلاعات را در سراسر مغز منتقل میکنند، موفق بودند. با این حال، زمانی که محققان این فرآیند را معکوس کردند، همین پاسخهای عصبی در پیشبینی بسیاری از ویژگیهای داخلی مدلها بسیار کمتر مؤثر بودند.
این تفاوت به ویژه گویای این بود که محققان در مقایسه با فعالیت عصبی در مغزهای مختلف مشکل مشابهی را مشاهده نکردند.
کار میگوید: “نتایج شگفتانگیز بود. اگرچه مدلهای هوش مصنوعی میتوانستند نورونهایی را که ما در مغز ثبت کردهایم به خوبی پیشبینی کند، اما مغز نمیتوانست بسیاری از ویژگیهای ذاتی مدل را بهطور یکسان پیشبینی کند. جالب اینجاست که وقتی نورونهای یک مغز با نورونهای مغز دیگر مقایسه میشوند، این مورد صدق نمیکند.”
این یافتهها نشان میدهد که یک سیستم هوش مصنوعی میتواند نتایجی شبیه به مغز ایجاد کند، در حالی که بر مکانیسمهای داخلی بسیار متفاوت تکیه دارد. به عبارت دیگر، تطبیق پاسخ های مغز لزوماً به این معنا نیست که فرآیندهای اساسی یکسان هستند.
Carr هشدار می دهد که این تمایز ممکن است با پیشرفت هوش مصنوعی اهمیت فزاینده ای پیدا کند. اگر محققان به اصلاح مدلها فقط بر اساس میزان دقیق پیشبینی فعالیت عصبی ادامه دهند، تفاوتهای بین این مدلها و مغز نخستیهای واقعی ممکن است در طول زمان انباشته شود.
این یکی از دلایل اصلی استفاده دانشمندان علوم اعصاب از این سیستم ها را در وهله اول تضعیف می کند: ایجاد توضیحات واقع بینانه از نحوه عملکرد مغز.
کار میگوید: «یافتهها نشان میدهند که سیستمهای هوش مصنوعی امروزی وظایف بصری را حل میکنند، تا حدی با استفاده از استراتژیهای داخلی که ممکن است مغز از آنها استفاده نکند. نکته مهم این است که بخشهایی از مدلهای هوش مصنوعی که با مغز سازگار هستند، در پیشبینی رفتار واقعی انسان نیز بهتر هستند.
چرا این کشف پیامدهایی برای علوم اعصاب و رفتار انسان دارد
مفاهیم بسیار فراتر از دید کامپیوتری است. هوش مصنوعی به طور فزاینده ای برای کمک به محققان در طراحی آزمایش ها، مطالعه رفتار انسان و بررسی شرایط عصبی و روانی مورد استفاده قرار می گیرد. بسیاری از این کاربردها به این فرض بستگی دارد که مدلهای هوش مصنوعی اطلاعات را به روشهایی شبیه به مغز انسان پردازش میکنند.
اگر این فرض نادرست باشد، محققان میتوانند نتایج گمراهکنندهای از مدلهایی بگیرند که در ظاهر دقیق به نظر میرسند اما در زیر کار متفاوتی دارند.
موزلک میگوید: “یافتههای ما شباهت سیستمهای هوش مصنوعی فعلی به مغز نخستیها را زیر سوال میبرد. ما نشان میدهیم که مدلهایی که قبلاً تصور میشد مبتنی بر مغز هستند، به اجزای داخلی که به نظر نمیرسد مغز از آنها استفاده میکند، متکی هستند. ما یک معیار تشخیصی معتبر برای این میدان ارائه میکنیم.”
توسعه سیستمهای هوش مصنوعی که عملکرد مغز را به طور صادقانهتری تکرار میکنند، در نهایت میتواند تحقیقات را در مورد شرایطی از PTSD تا اوتیسم بهبود بخشد. با این حال، در حال حاضر، تفاوت های تازه کشف شده بر نیاز به احتیاط هنگام استفاده از مدل های موجود برای مطالعه رفتار انسان یا هدایت تحقیقات بالینی تاکید می کند.
این نگرانی ممکن است در مورد سایر زمینه های علوم اعصاب نیز صدق کند. مدلهای مشابه هوش مصنوعی در حال حاضر برای مطالعه شنوایی، زبان و حرکت استفاده میشوند. اگر این سیستمها بر فرآیندهای درونی متفاوت با فرآیندهای بیولوژیکی نیز متکی باشند، ممکن است محققان مجبور باشند در مورد اینکه چقدر میتوانند درباره سیستم عصبی آشکار کنند، تجدید نظر کنند.
ساخت هوش مصنوعی که به مغز انسان نزدیکتر باشد
این یافتهها به جای پیشنهاد اینکه شبکههای عصبی مصنوعی باید کنار گذاشته شوند، راهی برای مفیدتر کردن و قابل اعتمادتر کردن آنها از نظر علمی ارائه میکنند.
با شناسایی ویژگیهای یک مدل هوش مصنوعی با فعالیت عصبی واقعی، محققان میتوانند بر روی توسعه سیستمهایی تمرکز کنند که مکانیسمهای بیولوژیکی پشت درک را با دقت بیشتری منعکس کنند.
کار میگوید: «رویکرد ما به شناسایی بخشهایی از ANN کمک میکند که واقعاً با فعالیت مغز مطابقت دارد و به ما امکان میدهد مدلهای قابل اعتمادتری برای درک اینکه مردم جهان را چگونه میبینند و تفسیر میکنند، بسازیم. این امر بهویژه برای برنامه تحقیقاتی اوتیسم ما که بر مدلهای مغز نوروتیپیک بهعنوان خط پایه متکی است، مهم است.»
مغز نوروتیپیک به مغزی اطلاق می شود که الگوهای رشد و عملکرد عصبی دارد که عموماً معمولی در نظر گرفته می شوند. ایجاد الگوهای دقیق از این الگوها برای محققانی که در مورد چگونگی ادراک و پردازش اطلاعات ممکن است در شرایطی مانند اوتیسم متفاوت باشند، مهم است.
برای کمک به سایر دانشمندان در عملی کردن یافتههای خود، این تیم یک جعبه ابزار آزمایشی در دسترس عموم منتشر کرد که توسعهدهندگان هوش مصنوعی میتوانند از آن برای ارزیابی مدلهای خود و شناسایی فرصتهای بهبود استفاده کنند.
ارسال شده در هوش طبیعی ماشین، این مطالعه رویکرد جدیدی را برای ارزیابی هوش مصنوعی معرفی می کند که فراتر از اندازه گیری میزان عملکرد یک سیستم در یک وظیفه معین است. محققان می گویند درک اینکه آیا هوش مصنوعی به نتایج خود از طریق فرآیندهایی که واقعاً شبیه مغز هستند به دست می آورد یا خیر، به همان اندازه مهم است.
این کشف می تواند به توسعه نسل جدیدی از مدل های هوش مصنوعی کمک کند که نه تنها جهان را با دقت چشمگیری تشخیص می دهند، بلکه تصویر واقعی تری از نحوه درک مغز انسان از آنچه می بیند ارائه می دهند.



