Mạng vỏ não học cách truyền hoạt động của hàng nghìn nơ-ron đầu vào biểu diễn mỗi cảnh qua các lớp nơ-ron trung gian nhỏ hơn.

Những tiến bộ gần đây trong trí tuệ nhân tạo sinh học giúp giải thích cách trí nhớ giúp chúng ta học hỏi về thế giới, tái hiện lại những trải nghiệm cũ và tạo ra những trải nghiệm hoàn toàn mới cho trí tưởng tượng và lập kế hoạch, theo một nghiên cứu mới của các nhà nghiên cứu thuộc Đại học London.
Nghiên cứu, được công bố trên tạp chí Nature Human Behaviour, sử dụng một mô hình tính toán trí tuệ nhân tạo – được gọi là mạng nơ-ron sinh học – để mô phỏng cách các mạng nơ-ron trong não bộ học hỏi từ và nhớ lại một chuỗi sự kiện (mỗi sự kiện được biểu diễn bằng một cảnh đơn giản). Mô hình có các mạng đại diện cho vùng đại não và vỏ não, để nghiên cứu cách chúng tương tác. Cả hai phần của não đều được biết là làm việc cùng nhau trong quá trình trí nhớ, trí tưởng tượng và lập kế hoạch.
Tác giả chính, nghiên cứu sinh Eleanor Spens (Viện Khoa học Nhận thức UCL), cho biết: “Những tiến bộ gần đây trong các mạng sinh học được sử dụng trong trí tuệ nhân tạo cho thấy cách thông tin có thể được trích xuất từ trải nghiệm để chúng ta có thể cả nhớ lại một trải nghiệm cụ thể và linh hoạt tưởng tượng những trải nghiệm mới có thể như thế nào. Chúng ta nghĩ về việc nhớ lại như là việc tưởng tượng quá khứ dựa trên các khái niệm, kết hợp một số chi tiết được lưu trữ với kỳ vọng của chúng ta về những gì có thể đã xảy ra.”
Con người cần phải dự đoán để sinh tồn (ví dụ: để tránh nguy hiểm hoặc tìm kiếm thức ăn), và các mạng trí tuệ nhân tạo cho thấy cách, khi chúng ta phát lại những ký ức trong khi nghỉ ngơi, nó giúp não bộ của chúng ta nhận ra những mẫu từ những trải nghiệm trước đó có thể được sử dụng để thực hiện những dự đoán này. Các nhà nghiên cứu đã chơi 10.000 hình ảnh của những cảnh đơn giản cho mô hình. Mạng vùng đại não nhanh chóng mã hóa mỗi cảnh khi nó được trải nghiệm. Nó sau đó phát lại những cảnh này đi đi lại lại để huấn luyện mạng nơ-ron sinh học ở vỏ não.
Mạng vỏ não học cách truyền hoạt động của hàng nghìn nơ-ron đầu vào (nơ-ron nhận thông tin thị giác) biểu diễn mỗi cảnh qua các lớp nơ-ron trung gian nhỏ hơn (lớp nhỏ nhất chỉ có 20 nơ-ron), để tái tạo lại những cảnh như những mẫu hoạt động trong hàng nghìn nơ-ron đầu ra của nó (nơ-ron dự đoán thông tin thị giác). Điều này khiến mạng vỏ não học được những biểu diễn “khái niệm” rất hiệu quả của những cảnh đó, bắt được ý nghĩa của chúng (ví dụ: sự sắp xếp của các bức tường và đồ vật) – cho phép cả việc tái tạo lại những cảnh cũ và tạo ra những cảnh hoàn toàn mới.
Do đó, vùng đại não có thể mã hóa ý nghĩa của những cảnh mới được trình bày cho nó, thay vì phải mã hóa mọi chi tiết, cho phép nó tập trung nguồn lực vào mã hóa những đặc điểm độc đáo mà vỏ não không thể tái tạo – chẳng hạn như những loại đồ vật mới. Mô hình giải thích cách vỏ não từ từ thu được kiến thức khái niệm và cách, cùng với vùng đại não, điều này cho phép chúng ta “tái trải nghiệm” các sự kiện bằng cách xây dựng lại chúng trong tâm trí.
Mô hình cũng giải thích cách các sự kiện mới có thể được tạo ra trong quá trình trí tưởng tượng và lập kế hoạch cho tương lai, và tại sao những ký ức hiện có thường chứa những sai lệch “tóm tắt” – trong đó những đặc điểm độc đáo được tổng quát hóa và nhớ lại như là giống hơn những đặc điểm trong các sự kiện trước đó.
Nguồn: MediaExpress
https://medicalxpress.com/news/2024-01-generative-ai-human-memory.html