Искусственный интеллект помог раскрыть секрет мышления человека

Человек и многие животные способны устанавливать связи между различными объектами и событиями, даже если эти связи явно не указаны. Такое умение, известное как «реляционное обучение», позволяет ориентироваться в новой среде и принимать решения на основе предыдущего опыта.

Специалисты из ML Collective в Сан-Франциско и Колумбийского университета решили глубже разобраться в этом явлении, используя искусственные нейросети, работа которых напоминает функционирование мозга. Их наблюдения, опубликованные в журнале Nature Neuroscience, упрощают механизмы, лежащие в основе этого сложного процесса.

Один из авторов исследования, Томас Микони, признался, что впервые заинтересовался этой темой во время беседы с коллегой Кеннетом Кеем. «Он рассказывал о моделях нейросетей, обученных решать задачи транзитивного вывода. Тогда я не знал, что это такое, но сам принцип оказался мне знаком: если А больше В, а В больше С, то А больше С. Этот логический вывод играет огромную роль в нашем восприятии мира», — пояснил Микони.

Опыт показывает, что человек, а также некоторые виды животных — например, крысы, голуби и обезьяны — могут запоминать отношения между предметами даже в ситуациях, где они не были указаны напрямую. В экспериментах им показывали пары объектов, например, «А против В», затем «В против С» и так далее. Даже не имея возможности видеть всю цепочку сразу, испытуемые успешно определяли, как расположить новые объекты относительно уже известных.

Но самое интересное, что человек и приматы способны не просто запомнить порядок элементов, но и перестроить свои знания при получении новой информации. Например, если испытуемый уже усвоил две независимые последовательности:

• А > B > C и D > E > F

А затем узнает, что:

• C > D, то он тут же поймет, что B > E.

Этот навык, названный «пересборкой знаний», пока не зафиксирован у других животных.

В попытке смоделировать этот процесс с помощью искусственного интеллекта Микони и Кей применили новую архитектуру нейросетей, дополненную механизмом синаптической пластичности. Это позволило алгоритму изменять собственные связи после первоначального обучения, имитируя естественную способность мозга адаптироваться к новым условиям.

«Мы стремились не просто создать систему, которая выполняла бы задачу, а сделать ее обучаемой, как живой организм. Вместо того чтобы заранее закладывать в нее правила, мы дали нейросети возможность самостоятельно выявлять связи», — отметил Микони.

Эксперименты показали, что такая нейросеть способна не только решать задачи, аналогичные тем, что проходят люди и животные, но и демонстрировать схожие ошибки и закономерности. Например, в экспериментах с упорядочиванием объектов она точнее справлялась с парами, в которых был большой разрыв (например, «B против F») и чаще ошибалась, если объекты находились рядом («B против C»).

Еще одно открытие заключалось в том, что разные подходы к обучению приводят к различным уровням «интеллекта». Простые алгоритмы могли усваивать связи, но не умели пересобирать знания. Более сложные, напротив, легко перестраивали уже известную информацию в ответ на новое знание, что сближало их с когнитивными способностями приматов.

Новая работа не только приближает нас к разгадке того, как мозг осваивает информацию, но и дает полезные идеи для развития искусственного интеллекта. В будущем подобные алгоритмы могут помочь в изучении когнитивных процессов, а также в создании более гибких и адаптивных машинных систем.

«Следующий шаг — проверить, смогут ли такие сети обучаться сразу на нескольких типах задач и мгновенно применять полученные знания в новых условиях. Это помогло бы нам понять, как мозг справляется с непрерывным потоком информации в реальной жизни», — добавил Микони.

Исследование подчеркивает важность пластичности в обучении и показывает, что нейросети, способные изменять свои связи, становятся мощным инструментом для изучения механизмов познания. Возможно, в будущем именно такие технологии помогут создать машины, которые будут учиться и адаптироваться так же эффективно, как человек.