Summary
Nova studija koja povezuje neurologiju i mašinsko učenje pruža uvid u potencijalnu ulogu astroglialnih ćelija u ljudskom mozgu. Veštačke neuronske mreže su modeli mašinskog učenja koji se mogu obučiti za obavljanje različitih zadataka. Njihov dizajn se inspiriše na načinu na […]
Nova studija koja povezuje neurologiju i mašinsko učenje pruža uvid u potencijalnu ulogu astroglialnih ćelija u ljudskom mozgu. Veštačke neuronske mreže su modeli mašinskog učenja koji se mogu obučiti za obavljanje različitih zadataka. Njihov dizajn se inspiriše na načinu na koji biološki neuroni procesuiraju informacije u ljudskom mozgu.
Pre oko šest godina, naučnici su otkrili novu vrstu moćnog modela neuronske mreže poznatog kao transformator. Ovi modeli postižu izuzetne performanse, kao što je generisanje teksta sa veoma visokom tačnošću. Transformatori se koriste u sistemima veštačke inteligencije kao što su OpenAI’s ChatGPT i Google’s Bard. Međutim, transformatori su i dalje misterija jer nije bilo jasno kako bi ih mogli izgraditi koristeći biološke komponente.
Sada istraživači sa MIT-a, MIT-IBM Watson AI Lab-a i Harvard Medical School-a su razvili hipotezu koja bi mogla objasniti kako bi se transformator mogao izgraditi koristeći biološke elemente u mozgu. Oni sugerišu da bi biološka mreža sastavljena od neurona i drugih ćelija u mozgu, poznatih kao astroglialne ćelije, mogla izvršavati istu osnovnu računsku operaciju kao i transformator.
Nedavna istraživanja su pokazala da astroglialne ćelije, koje su ne-neuronske ćelije obilno prisutne u mozgu, komuniciraju sa neuronima i igraju ulogu u nekim fiziološkim procesima, kao što je regulacija protoka krvi. Međutim, naučnici još uvek nemaju jasno razumevanje toga šta ove ćelije računski rade.
Novo istraživanje, nedavno objavljeno u časopisu Proceedings of the National Academy of Sciences, istražuje ulogu astroglialnih ćelija u mozgu iz računarske perspektive i razvija matematički model koji pokazuje kako bi se one mogle koristiti, zajedno sa neuronima, za izgradnju biološki mogućeg transformatora.
Ova hipoteza pruža uvid u to kako mozak funkcioniše i može inspirisati buduća neurobiološka istraživanja. Istovremeno, može pomoći istraživačima u oblasti mašinskog učenja da objasne zašto su transformatori toliko uspešni u različitim složenim zadacima.
“ Mozak je daleko superiorniji čak i od najboljih veštačkih neuronskih mreža koje smo razvili, ali zapravo ne znamo tačno kako mozak funkcioniše. Postoji naučna vrednost u razmišljanju o povezanosti između biološke hardverske komponente i mreža veštačke inteligencije velikih razmera. Ovo je neurologija za veštačku inteligenciju i veštačka inteligencija za neurologiju“, kaže Dmitri Krotov, član naučnog osoblja na MIT-IBM Watson AI Lab-u i stariji autor istraživačkog rada.
Na istraživanju su radili i Leo Kozachkov, vanredni doktor na MIT-ovom Katedri za mozak i kognitivne nauke, i Ksenija V. Kastanenka, docent neurobiologije na Harvard Medical School-u i istraživački saradnik na Massachusetts General Research Institute.
