کشف سازوکار دوگانه همکاری و رقابت در مغز؛ گامی جدید برای توسعه هوش مصنوعی

یک مطالعه بین‌المللی با مشارکت پژوهشگرانی از دانشگاه آکسفورد، دانشگاه کمبریج، دانشگاه پمپئو فابرا و موسسه عصب‌شناسی مونترال نشان می‌دهد که عملکرد مغز تنها بر پایه همکاری میان بخش‌های مختلف نیست بلکه رقابت میان شبکه‌های عصبی نیز نقشی کلیدی در کارکرد آن ایفا می‌کند. نتایج این پژوهش در نشریه Nature Neuroscience منتشر شده است.

به گزارش برنا، بر اساس این تحقیق مغز انسان و همچنین مغز گونه‌هایی مانند میمون‌های ماکاک و موش‌ها بر مبنای تعادل پویایی میان دو نیروی همکاری و رقابت عمل می‌کند. پژوهشگران با استفاده از مدل‌سازی پیشرفته رایانه‌ای در مقیاس کل مغز نشان دادند که در حالی‌که مدار‌های تخصصی در سطح داخلی با یکدیگر همکاری می‌کنند در مقیاس گسترده‌تر تعاملات رقابتی میان این مدار‌ها برای مدیریت منابع محدود شکل می‌گیرد.

این یافته توضیح می‌دهد که چرا مغز قادر نیست به‌طور هم‌زمان به همه محرک‌ها توجه کند و چگونه برخی شبکه‌های عصبی در لحظات خاص اولویت می‌یابند. به گفته پژوهشگران مدل‌هایی که در آنها تعاملات رقابتی لحاظ شده به‌طور مداوم عملکرد بهتری نسبت به مدل‌های صرفا مبتنی بر همکاری دارند و الگو‌های فعالیتی آنها شباهت بیشتری به فرآیند‌های واقعی شناختی مانند توجه و حافظه نشان می‌دهد.
در همین راستا تحلیل بیش از ۱۴ هزار مطالعه تصویربرداری عصبی نشان داد که مدل‌های دارای مولفه رقابت بازنمایی دقیق‌تری از دینامیک‌های مغزی ارائه می‌دهند.

به گفته گوستاوو دکو، استاد پژوهشی رقابت میان مدار‌های مغزی این امکان را فراهم می‌کند که بسته به اهمیت اطلاعات در هر لحظه، برخی شبکه‌ها بر دیگران اولویت پیدا کنند؛ سازوکاری که در پدیده‌هایی مانند تصمیم‌گیری نقش اساسی دارد.

پژوهشگران همچنین تاکید می‌کنند که همکاری بیش از حد میان شبکه‌ها می‌تواند به هم‌زمانی افراطی فعالیت‌های مغزی منجر شود؛ وضعیتی که در شرایط طبیعی مشاهده نمی‌شود. در مقابل رقابت به‌عنوان یک نیروی تثبیت‌کننده عمل کرده، از فعالیت‌های کنترل‌نشده جلوگیری می‌کند و امکان نوبت‌گیری میان سیستم‌های مختلف مغزی را فراهم می‌سازد.

به گفته مورتن کرینگل‌باخ، استاد دانشگاه آکسفورد و از نویسندگان ارشد این مطالعه این تعادل میان همکاری و رقابت یکی از ویژگی‌های کلیدی رفتار هوشمند است و به مغز اجازه می‌دهد ترکیب‌های مناسبی از نواحی مختلف را به‌صورت انعطاف‌پذیر فعال کند.

گامی به‌سوی پزشکی دقیق و شبیه‌سازی مغز

یکی از مهم‌ترین دستاورد‌های این پژوهش توسعه مدلی است که با استفاده از داده‌های ساختاری و عملکردی مغز هر فرد می‌تواند الگو‌های فعالیت منحصر‌به‌فرد آن فرد را بازتولید کند.

به گفته آندریا لوپی، نویسنده اول مطالعه این پیشرفت ما را به ایجاد دوقلوی دیجیتال واقع‌گرایانه از مغز انسان نزدیک می‌کند؛ مدلی که می‌تواند دقیق‌تر از هر مغز دیگری بازتاب‌دهنده ویژگی‌های مغز یک فرد خاص باشد.

این مدل نه‌تنها در تشخیص بیماری‌ها کاربرد دارد، بلکه می‌تواند برای پیش‌بینی علائم و حتی شبیه‌سازی پاسخ مغز به درمان‌ها، دارو‌ها یا تحریکات عصبی مورد استفاده قرار گیرد. به گفته دکو این رویکرد نسبت به روش‌های سنتی، اطلاعات دقیق‌تری برای پیش‌بینی وضعیت‌های عصبی و بیماری‌ها ارائه می‌دهد.

پیامد‌ها برای هوش مصنوعی و علوم شناختی

یافته‌های این پژوهش نشان می‌دهد که معماری ترکیبی همکاری-رقابت یک ویژگی بنیادی در سازمان‌دهی مغز پستانداران است و احتمالا بازتابی از اصول پایه در عملکرد سیستم‌های هوشمند به شمار می‌رود.

همچنین نتایج نشان می‌دهد شبکه‌هایی که این دو سازوکار را به‌طور هم‌زمان در خود دارند، از توان محاسباتی بالاتری در حوزه محاسبات نورومورفیک (الهام‌گرفته از مغز) برخوردارند. این شبکه‌ها اطلاعات را به‌صورت موثرتری پردازش و یکپارچه می‌کنند و می‌توانند مسیر توسعه مدل‌های پیشرفته‌تر هوش مصنوعی با ظرفیت محاسباتی بالاتر را هموار سازند.

در مجموع این مطالعه با ارائه درکی عمیق‌تر از دینامیک‌های مغزی چشم‌انداز‌های جدیدی در پزشکی شخصی‌سازی‌شده و طراحی نسل آینده سیستم‌های هوشمند ترسیم می‌کند.

انتهای پیام/