Για να αποκτήσει νόημα το παρόν, ο εγκέφαλος μπορεί να προβλέψει το μέλλον
Τον περασμένο μήνα, η εταιρεία τεχνητής νοημοσύνης DeepMind παρουσίασε νέο λογισμικό που μπορεί να τραβήξει μια εικόνα μερικών αντικειμένων σε ένα εικονικό δωμάτιο και, χωρίς ανθρώπινη καθοδήγηση, να συμπεράνει πώς μοιάζει η τρισδιάστατη σκηνή από εντελώς νέα πλεονεκτήματα. Λαμβάνοντας υπόψη λίγες μόνο τέτοιες εικόνες, το σύστημα, που ονομάζεται Generative Query Network ή GQN, μπορεί να μοντελοποιήσει με επιτυχία τη διάταξη ενός απλού λαβύρινθου τύπου βιντεοπαιχνιδιού.
Υπάρχουν προφανείς τεχνολογικές εφαρμογές για το GQN, αλλά έχει τραβήξει το βλέμμα των νευροεπιστημόνων, οι οποίοι ενδιαφέρονται ιδιαίτερα για τον αλγόριθμο εκπαίδευσης που χρησιμοποιεί για να μάθει πώς να εκτελεί τα καθήκοντά του. Από την εικόνα που παρουσιάζεται, το GQN δημιουργεί προβλέψεις σχετικά με το πώς πρέπει να μοιάζει μια σκηνή — πού πρέπει να βρίσκονται τα αντικείμενα, πώς πρέπει να πέφτουν οι σκιές σε επιφάνειες, ποιες περιοχές πρέπει να είναι ορατές ή κρυφές με βάση ορισμένες προοπτικές — και χρησιμοποιεί τις διαφορές μεταξύ αυτών των προβλέψεων και πραγματικές παρατηρήσεις για να βελτιώσει την ακρίβεια των προβλέψεων που θα κάνει στο μέλλον. «Ήταν η διαφορά μεταξύ της πραγματικότητας και της πρόβλεψης που επέτρεψε την ενημέρωση του μοντέλου», δήλωσε ο Ali Eslami, ένας από τους ηγέτες του έργου.
Σύμφωνα με τον Danilo Rezende, συν-συγγραφέα του Eslami και συνάδελφο DeepMind, «ο αλγόριθμος αλλάζει τις παραμέτρους του [προγνωστικού] μοντέλου του με τέτοιο τρόπο ώστε την επόμενη φορά, όταν θα συναντήσει την ίδια κατάσταση, θα εκπλαγεί λιγότερο».
Οι νευροεπιστήμονες υποπτεύονται εδώ και καιρό ότι ένας παρόμοιος μηχανισμός οδηγεί τον τρόπο λειτουργίας του εγκεφάλου. (Πράγματι, αυτές οι εικασίες είναι μέρος αυτού που ενέπνευσε την ομάδα GQN να ακολουθήσει αυτήν την προσέγγιση.) Σύμφωνα με αυτήν τη θεωρία «προγνωστικής κωδικοποίησης», σε κάθε επίπεδο μιας γνωστικής διαδικασίας, ο εγκέφαλος δημιουργεί μοντέλα ή πεποιθήσεις σχετικά με το ποιες πληροφορίες θα έπρεπε να είναι λήψη από το επίπεδο κάτω από αυτό. Αυτές οι πεποιθήσεις μεταφράζονται σε προβλέψεις σχετικά με το τι πρέπει να βιωθεί σε μια δεδομένη κατάσταση, παρέχοντας την καλύτερη εξήγηση για το τι υπάρχει εκεί έξω, έτσι ώστε η εμπειρία να έχει νόημα. Στη συνέχεια, οι προβλέψεις αποστέλλονται ως ανατροφοδότηση σε αισθητήριες περιοχές χαμηλότερου επιπέδου του εγκεφάλου. Ο εγκέφαλος συγκρίνει τις προβλέψεις του με την πραγματική αισθητηριακή είσοδο που λαμβάνει, «εξηγώντας» όποιες διαφορές ή σφάλματα πρόβλεψης, μπορεί χρησιμοποιώντας τα εσωτερικά του μοντέλα να προσδιορίσει πιθανές αιτίες για τις αποκλίσεις. (Για παράδειγμα, μπορεί να έχουμε ένα εσωτερικό μοντέλο ενός τραπεζιού ως μια επίπεδη επιφάνεια που υποστηρίζεται από τέσσερα πόδια, αλλά μπορούμε ακόμα να αναγνωρίσουμε ένα αντικείμενο ως τραπέζι ακόμα κι αν κάτι άλλο εμποδίζει το μισό του να είναι ορατό.)
Τα σφάλματα πρόβλεψης που δεν μπορούν να εξηγηθούν περνούν μέσω συνδέσεων σε υψηλότερα επίπεδα (ως σήματα "τροφοδότησης" αντί για ανατροφοδότηση), όπου θεωρούνται άξια ειδήσεων, κάτι που πρέπει να προσέξει το σύστημα και να το αντιμετωπίσει αναλόγως. «Το παιχνίδι αφορά πλέον την προσαρμογή των εσωτερικών μοντέλων, τη δυναμική του εγκεφάλου, έτσι ώστε να καταστείλει το σφάλμα πρόβλεψης», δήλωσε ο Karl Friston του University College London, ένας διάσημος νευροεπιστήμονας και ένας από τους πρωτοπόρους της υπόθεσης της προγνωστικής κωδικοποίησης.
Την τελευταία δεκαετία, οι γνωστικοί επιστήμονες, οι φιλόσοφοι και οι ψυχολόγοι έχουν υιοθετήσει την προγνωστική κωδικοποίηση ως μια συναρπαστική ιδέα, ειδικά για να περιγράψουν πώς λειτουργεί η αντίληψη, αλλά και ως μια πιο φιλόδοξη, περιεκτική θεωρία για το τι κάνει ολόκληρος ο εγκέφαλος. Τα πειραματικά εργαλεία μόλις πρόσφατα κατέστησαν δυνατή την έναρξη της άμεσης δοκιμής συγκεκριμένων μηχανισμών της υπόθεσης, και ορισμένες εργασίες που δημοσιεύθηκαν τα τελευταία δύο χρόνια παρείχαν εντυπωσιακά στοιχεία για τη θεωρία. Ακόμα κι έτσι, παραμένει αμφιλεγόμενο, όπως αποδεικνύεται ίσως καλύτερα από μια πρόσφατη συζήτηση για το εάν ορισμένα ορόσημα αποτελέσματα μπορούσαν να αναπαραχθούν.
Καφές, κρέμα και σκύλοι
"Παίρνω καφέ με κρέμα και ____." Φαίνεται απολύτως φυσικό να συμπληρώσετε το κενό με «ζάχαρη». Αυτό ήταν το ένστικτο που έκαναν οι γνωστικοί επιστήμονες Marta Kutas και Steven Hillyard από το Πανεπιστήμιο της Καλιφόρνια, στο Σαν Ντιέγκο, το 1980 όταν πραγματοποίησαν μια σειρά πειραμάτων στα οποία παρουσίασαν την πρόταση στους ανθρώπους, μια λέξη τη φορά σε μια οθόνη και κατέγραψαν τη δραστηριότητα του εγκεφάλου τους. Μόνο που, αντί να τελειώνει με «ζάχαρη», όταν εμφανίστηκε η τελευταία λέξη, η πρόταση ήταν:«Πίνω καφέ με κρέμα και σκύλος .”
Οι ερευνητές παρατήρησαν μεγαλύτερη απόκριση του εγκεφάλου όταν τα άτομα της μελέτης συνάντησαν την απροσδόκητη λέξη «σκύλος», που χαρακτηρίζεται από ένα συγκεκριμένο μοτίβο ηλεκτρικής δραστηριότητας, γνωστό ως «φαινόμενο N400», που κορυφώθηκε περίπου 400 χιλιοστά του δευτερολέπτου μετά την αποκάλυψη της λέξης. Αλλά το πώς να το ερμηνεύσει παρέμενε ασαφές. Αντίδρασε ο εγκέφαλος επειδή το νόημα της λέξης ήταν ανόητο στο πλαίσιο της πρότασης; Ή μήπως αντέδρασε επειδή η λέξη ήταν απλά απρόβλεπτη, παραβιάζοντας όποιες προβλέψεις είχε κάνει ο εγκέφαλος σχετικά με το τι να περιμένει;
Το 2005, η Kutas και η ομάδα της διεξήγαγαν μια άλλη μελέτη που έδειξε την τελευταία πιθανότητα. Ζητήθηκε πάλι από τους ανθρώπους να διαβάσουν μια πρόταση μία λέξη τη φορά σε μια οθόνη:«Η μέρα ήταν δροσερή, οπότε το αγόρι βγήκε έξω για να πετάξει ____». Επειδή το «ένας χαρταετός» φαινόταν ο πιο πιθανός τρόπος για να τελειώσει η πρόταση, τα υποκείμενα περίμεναν να δουν «α» στη συνέχεια, μια λέξη που δεν είχε εγγενές νόημα, αλλά προέβλεπε τη λέξη που θα ακολουθούσε. Όταν οι συμμετέχοντες είδαν "ένα" αντί (όπως στο "ένα αεροπλάνο"), βίωσαν ένα φαινόμενο N400, φαινομενικά επειδή ο εγκέφαλος έπρεπε να επεξεργαστεί μια αναντιστοιχία μεταξύ της προσδοκίας του και της πραγματικότητας. Το αποτέλεσμα ήταν προφανώς άσχετο με τη σημασία της λέξης ή οποιαδήποτε δυσκολία στην επεξεργασία του ίδιου του παρουσιαζόμενου ερεθίσματος.
Το εύρημα του 2005 φαινόταν ότι ταιριάζει πολύ στο πλαίσιο της προγνωστικής κωδικοποίησης. Αλλά τον περασμένο Απρίλιο, μια εργασία δημοσιεύτηκε στο eLife ανέφερε ότι πολλά εργαστήρια δεν μπόρεσαν να αναπαραγάγουν το αποτέλεσμα. Τώρα, άλλοι ερευνητές άρχισαν να απαντούν, ορισμένοι ισχυριζόμενοι ότι οι λεπτότητες στις μεθόδους αναπαραγωγής εξακολουθούν να ευνοούν την ερμηνεία που βασίζεται σε προβλέψεις.
Αυτό το μπρος-πίσω αντικατοπτρίζει μεγάλο μέρος της συζήτησης που περιβάλλει την προγνωστική κωδικοποίηση. Πειράματα όπως του Kutas υπόκεινται σε πολλές ερμηνείες. Μπορούν να εξηγηθούν με άλλα μοντέλα εκτός από την προγνωστική κωδικοποίηση και υπολείπονται της οριστικής απόδειξης της υπόθεσης επειδή δεν εμβαθύνουν στους πραγματικούς μηχανισμούς που παίζουν. Ενώ η ιδέα ότι ο εγκέφαλος βγάζει συνεχώς συμπεράσματα (και τα συγκρίνει με την πραγματικότητα) είναι αρκετά εδραιωμένη σε αυτό το σημείο, οι υποστηρικτές της προγνωστικής κωδικοποίησης αναζητούν τρόπους να αποδείξουν ότι η συγκεκριμένη εκδοχή της ιστορίας τους είναι η σωστή - και ότι επεκτείνεται σε όλη τη γνώση.
Μπαγιέζοι εγκέφαλοι και αποτελεσματικοί υπολογιστές
Η θεμελιώδης διορατικότητα ότι ο εγκέφαλος κάνει και αξιολογεί συνεχώς τις δικές του προβλέψεις σχετικά με τις συνεχείς εμπειρίες δεν θεωρούνταν πάντα δεδομένη. Η άποψη της νευροεπιστήμης που κυριάρχησε τον 20ο αιώνα χαρακτήρισε τη λειτουργία του εγκεφάλου ως ανιχνευτή χαρακτηριστικών:Καταγράφει την παρουσία ενός ερεθίσματος, το επεξεργάζεται και στη συνέχεια στέλνει σήματα για να παράγει μια συμπεριφορά συμπεριφοράς. Η δραστηριότητα σε συγκεκριμένα κύτταρα αντανακλά την παρουσία ή την απουσία ερεθισμάτων στον φυσικό κόσμο. Μερικοί νευρώνες στον οπτικό φλοιό, για παράδειγμα, ανταποκρίνονται στις άκρες των αντικειμένων που βλέπουν. Άλλοι ενεργοποιούν για να υποδείξουν τον προσανατολισμό, τον χρωματισμό ή τη σκίαση των αντικειμένων.
Αλλά η διαδικασία αποδείχθηκε πολύ λιγότερο απλή από όσο φαινόταν. Περαιτέρω δοκιμές διαπίστωσαν ότι καθώς ο εγκέφαλος αντιλαμβάνεται, ας πούμε, μια μεγαλύτερη και μεγαλύτερη γραμμή, οι νευρώνες ανιχνευτή για τις γραμμές σταματούν να πυροδοτούν ακόμα κι αν η γραμμή δεν έχει εξαφανιστεί. Και το γεγονός ότι τόσες πολλές πληροφορίες φαινόταν να μεταδίδονται μέσω μυστηριωδών συνδέσεων ανατροφοδότησης από πάνω προς τα κάτω υποδηλώνει ότι κάτι άλλο συνέβαινε.
Εκεί μπαίνει στο παιχνίδι ο «Μπαγιέζος εγκέφαλος», ένα γενικό πλαίσιο με ρίζες που χρονολογούνται από τη δεκαετία του 1860 που ανατρέπει το παραδοσιακό μοντέλο στο κεφάλι του. Η θεωρία προτείνει ότι ο εγκέφαλος βγάζει πιθανολογικά συμπεράσματα για τον κόσμο με βάση ένα εσωτερικό μοντέλο, υπολογίζοντας ουσιαστικά μια «καλύτερη εικασία» για το πώς να ερμηνεύσει αυτό που αντιλαμβάνεται (σύμφωνα με τους κανόνες της Bayesian στατιστικής, που ποσοτικοποιεί την πιθανότητα ενός γεγονότος με βάση σχετικά με τις σχετικές πληροφορίες που έχουν συλλεχθεί από προηγούμενες εμπειρίες). Αντί να περιμένει τις αισθητηριακές πληροφορίες που θα οδηγήσουν τη γνώση, ο εγκέφαλος κατασκευάζει πάντα υποθέσεις σχετικά με το πώς λειτουργεί ο κόσμος και τις χρησιμοποιεί για να εξηγήσει εμπειρίες και να συμπληρώσει δεδομένα που λείπουν. Γι' αυτό, σύμφωνα με ορισμένους ειδικούς, μπορεί να σκεφτούμε την αντίληψη ως "ελεγχόμενη ψευδαίσθηση".
Σε αυτό το πνεύμα, ο Μπεϋζιανός εγκέφαλος εξηγεί επίσης γιατί λειτουργούν οι οπτικές ψευδαισθήσεις:Δύο κουκκίδες που αναβοσβήνουν σε γρήγορη εναλλαγή σε μια οθόνη, για παράδειγμα, μοιάζουν με μια ενιαία κουκκίδα που κινείται εμπρός και πίσω, έτσι ο εγκέφαλός μας ασυνείδητα αρχίζει να τις αντιμετωπίζει σαν ένα ενιαίο αντικείμενο. Η κατανόηση του πώς κινούνται τα αντικείμενα είναι ένας τύπος γνώσης ανώτερου επιπέδου, αλλά επηρεάζει θεμελιωδώς τον τρόπο με τον οποίο αντιλαμβανόμαστε. Ο εγκέφαλος απλώς συμπληρώνει κενά σε πληροφορίες — σε αυτήν την περίπτωση, σχετικά με την κίνηση — για να ζωγραφίσει μια εικόνα που δεν είναι απολύτως ακριβής.
Όμως, παρά τον ξεκάθαρο ρόλο που διαδραματίζουν τα μοντέλα παραγωγής και οι προσδοκίες στη λειτουργία του εγκεφάλου, οι επιστήμονες δεν έχουν ακόμη εντοπίσει ακριβώς πώς αυτό εφαρμόζεται στο επίπεδο των νευρικών κυκλωμάτων. «Η ιστορία του εγκεφάλου του Bayes είναι σχετικά αγνωστικιστική για το ποιοι είναι οι υποκείμενοι μηχανισμοί», δήλωσε ο Mark Sprevak, καθηγητής φιλοσοφίας του νου στο Πανεπιστήμιο του Εδιμβούργου στη Σκωτία.
Εισαγάγετε τη θεωρία της προγνωστικής κωδικοποίησης, η οποία προσφέρει συγκεκριμένες διατυπώσεις για το πώς οι εγκέφαλοι μπορούν να είναι Bayesian. Η προγνωστική κωδικοποίηση πήρε το όνομά της από μια τεχνική για την αποτελεσματικότερη μετάδοση σημάτων τηλεπικοινωνιών:Επειδή τα αρχεία βίντεο περιέχουν πολύ πλεονασμό από το ένα καρέ στο άλλο, είναι αναποτελεσματικό να κωδικοποιούμε κάθε pixel σε κάθε εικόνα κατά τη συμπίεση των δεδομένων. Αντίθετα, είναι πιο λογικό να κωδικοποιούμε τις διαφορές μεταξύ γειτονικών καρέ και στη συνέχεια να δουλεύουμε προς τα πίσω για να ερμηνεύσουμε ολόκληρο το βίντεο.
Το 1982, οι επιστήμονες ανακάλυψαν ότι αυτή η ιδέα έχει μια καθαρή εφαρμογή στη νευροεπιστήμη - επειδή φαίνεται να εξηγεί πώς οι νευρώνες στον αμφιβληστροειδή κωδικοποιούν πληροφορίες σχετικά με ένα οπτικό ερέθισμα και τις μεταδίδουν κατά μήκος του οπτικού νεύρου. Έχει επίσης παγιωθεί ως αρχή για το πώς λειτουργεί το σύστημα ανταμοιβής του εγκεφάλου:οι νευρώνες ντοπαμίνης κωδικοποιούν το μέγεθος της αναντιστοιχίας μεταξύ μιας αναμενόμενης ανταμοιβής και της πραγματικής ανταμοιβής που λαμβάνεται. Αυτά τα σφάλματα πρόβλεψης, λένε οι ερευνητές, βοηθούν τα ζώα να ενημερώσουν τις μελλοντικές τους προσδοκίες και να οδηγήσουν στη λήψη αποφάσεων.
Όμως, παρά αυτά τα παραδείγματα, οι επιστήμονες έβλεπαν κυρίως την προγνωστική κωδικοποίηση ως μια διαδικασία ειδική για ορισμένα δίκτυα. Οι δοκιμές λειτουργικής μαγνητικής τομογραφίας και άλλοι τύποι πειραμάτων έχουν αρχίσει να το αλλάζουν αυτό.
Ένα Universal Framework
Μέρος αυτού που κάνει την υπόθεση της προγνωστικής κωδικοποίησης τόσο συναρπαστική είναι η απίστευτη επεξηγηματική της δύναμη. "Αυτό που βρίσκω πειστικό είναι πώς τόσα πολλά λογίζονται όλα σε αυτήν την ιστορία", είπε ο Andy Clark, καθηγητής λογικής και μεταφυσικής στο Πανεπιστήμιο του Εδιμβούργου και ειδικός στη θεωρία.
Πρώτον, ενοποιεί την αντίληψη και τον κινητικό έλεγχο κάτω από μια ενιαία υπολογιστική διαδικασία. Και οι δύο είναι ουσιαστικά αντίθετες όψεις του ίδιου νομίσματος:Σε κάθε περίπτωση, ο εγκέφαλος ελαχιστοποιεί τα λάθη πρόβλεψης, αλλά με διαφορετικούς τρόπους. Με την αντίληψη, είναι το εσωτερικό μοντέλο που προσαρμόζεται. με τον έλεγχο του κινητήρα, είναι το πραγματικό περιβάλλον. (Για το τελευταίο, φανταστείτε ότι θέλετε να σηκώσετε το χέρι σας. Εάν το χέρι σας δεν είναι ήδη σηκωμένο, αυτή η απόκλιση δημιουργεί ένα μεγάλο σφάλμα πρόβλεψης — το οποίο μπορεί να ελαχιστοποιηθεί αν απλώς μετακινήσετε το χέρι σας.)
Πειράματα στον έλεγχο της αντίληψης και του κινητικού ελέγχου έχουν μέχρι στιγμής δώσει τα ισχυρότερα στοιχεία για την προγνωστική θεωρία κωδικοποίησης. Σε μια εργασία που δημοσιεύτηκε τον περασμένο μήνα στο Journal of Neuroscience , για παράδειγμα, οι πειραματιστές έβαλαν τα υποκείμενα να διαβάσουν τη λέξη «kick» σε μια οθόνη και μετά τους έβαλαν να ακούσουν μια παραμορφωμένη ηχογράφηση της λέξης «pick» που ακουγόταν σαν δυνατός ψίθυρος. Πολλοί άκουσαν αντ 'αυτού το "kick" και οι σαρώσεις fMRI αποκάλυψαν ότι ο εγκέφαλος αντιπροσώπευε τον αρχικό ήχο "k" ή "p" πιο έντονα - τον ήχο που συσχετίστηκε με ένα σφάλμα πρόβλεψης. Εάν ο εγκέφαλος αντιπροσώπευε απλώς την αντιληπτική του εμπειρία, το ισχυρότερο σήμα θα έπρεπε να αντιστοιχούσε στο "ick" (γιατί αυτό αναπαριστούσε τόσο στην οθόνη όσο και στον ήχο).
Ωστόσο, συνεχίζονται οι προσπάθειες για τη διεύρυνση της συνάφειας της προγνωστικής κωδικοποίησης πέρα από την αντίληψη και την κίνηση - για να καθιερωθεί ως το κοινό νόμισμα όλων όσων συμβαίνουν στον εγκέφαλο. «Είναι σαν να έχεις δομικά στοιχεία με τα οποία μπορούν να χτιστούν διαφορετικές στρατηγικές», είπε ο Κλαρκ. Διαφορετικές περιοχές του εγκεφάλου απλώς ανταλλάσσουν διαφορετικά είδη πρόβλεψης.
Ο Friston, μεταξύ άλλων, ισχυρίζεται ότι αυτό ισχύει για ανώτερες γνωστικές διαδικασίες, συμπεριλαμβανομένης της προσοχής και της λήψης αποφάσεων. Πρόσφατη υπολογιστική εργασία στον προμετωπιαίο φλοιό έχει ενοχοποιήσει την προγνωστική κωδικοποίηση στη μνήμη εργασίας και στις συμπεριφορές που κατευθύνονται προς τον στόχο. Μερικοί ερευνητές θεωρούν ότι τα συναισθήματα και οι διαθέσεις μπορούν να διατυπωθούν με όρους προγνωστικής κωδικοποίησης:Τα συναισθήματα θα μπορούσαν να είναι καταστάσεις που αντιπροσωπεύει ο εγκέφαλος για να ελαχιστοποιήσει το σφάλμα πρόβλεψης σχετικά με εσωτερικά σήματα όπως η θερμοκρασία του σώματος, ο καρδιακός ρυθμός ή η αρτηριακή πίεση. Εάν ο εγκέφαλος αναγνωρίσει ότι είναι ταραγμένος, για παράδειγμα, τότε ξέρει ότι όλοι αυτοί οι παράγοντες αυξάνονται. Ίσως έτσι μπορεί να προκύψει και η έννοια της εγωπάθειας.
Το μεγαλύτερο μέρος της δουλειάς που γίνεται σε αυτό το πνεύμα επικεντρώνεται στο πώς η προγνωστική κωδικοποίηση μπορεί να εξηγήσει νευροψυχιατρικές και αναπτυξιακές διαταραχές. «Η ιδέα», είπε ο Friston, «είναι ότι αν ο εγκέφαλος είναι μια μηχανή συμπερασμάτων, ένα όργανο στατιστικών, τότε όταν πάει στραβά, θα κάνει τα ίδια λάθη που θα κάνει ένας στατιστικολόγος». Δηλαδή, θα κάνει λάθος συμπεράσματα δίνοντας υπερβολική ή πολύ λίγη έμφαση είτε σε προβλέψεις είτε σε σφάλματα πρόβλεψης.
Οι πτυχές του αυτισμού, για παράδειγμα, μπορεί να χαρακτηρίζονται από αδυναμία να αγνοηθούν σφάλματα πρόβλεψης που σχετίζονται με αισθητηριακά σήματα στα χαμηλότερα επίπεδα της ιεραρχίας επεξεργασίας του εγκεφάλου. Αυτό θα μπορούσε να οδηγήσει σε ενασχόληση με αισθήσεις, ανάγκη για επανάληψη και προβλεψιμότητα, ευαισθησία σε ορισμένες ψευδαισθήσεις και άλλα αποτελέσματα. Το αντίστροφο μπορεί να ισχύει σε καταστάσεις που σχετίζονται με παραισθήσεις, όπως η σχιζοφρένεια:Ο εγκέφαλος μπορεί να δώσει υπερβολική προσοχή στις δικές του προβλέψεις για το τι συμβαίνει και όχι αρκετή σε αισθητηριακές πληροφορίες που έρχονται σε αντίθεση με αυτές τις προβλέψεις. (Οι ειδικοί προειδοποιούν γρήγορα, ωστόσο, ότι ο αυτισμός και η σχιζοφρένεια είναι πολύ περίπλοκα για να περιοριστούν σε μια ενιαία εξήγηση ή μηχανισμό.)
«Το πιο βαθύ μέρος του είναι ότι μας δείχνει πόσο ευάλωτη είναι η διανοητική μας λειτουργία», δήλωσε ο Philip Corlett, κλινικός νευροεπιστήμονας στην Ιατρική Σχολή του Yale. Πειράματα στο εργαστήριο του Corlett δημιούργησαν νέες «πιστεύσεις» σε υγιή άτομα που τα ενθαρρύνουν να έχουν παραισθήσεις ερεθίσματα που είχαν προηγουμένως βιώσει. (Για παράδειγμα, σε ένα πείραμα, οι επιστήμονες υποχρέωσαν τους συμμετέχοντες να συσχετίσουν έναν τόνο με ένα οπτικό μοτίβο. Τα υποκείμενα συνέχισαν να ακούνε τον τόνο όταν έβλεπαν το μοτίβο, ακόμη και όταν δεν υπήρχε καθόλου ήχος.) Οι ερευνητές προσπαθούν να ξεδιαλύνουν πώς αυτές οι πεποιθήσεις μεταφράζονται σε αντίληψη. Μέσω αυτών των μελετών, «έχουμε στοιχεία που υποδηλώνουν ότι η αντίληψη και η γνώση δεν είναι τόσο ξεχωριστές», είπε ο Corlett. "Μπορούν να διδαχθούν νέες πεποιθήσεις και μπορούν να αλλάξουν αυτό που αντιλαμβάνεστε."
Αλλά αυτά τα στοιχεία δεν έχουν πλησιάσει στο να προσφέρουν αποδείξεις — μέχρι τώρα.
Μεγέθυνση για καλύτερη ματιά
«Η πειραματική εργασία δείχνει συχνά ότι ένα συγκεκριμένο αποτέλεσμα είναι συμβατό με την προγνωστική επεξεργασία, αλλά όχι ότι είναι η καλύτερη εξήγηση αυτού του αποτελέσματος», είπε ο Sprevak. Η θεωρία είναι ευρέως αποδεκτή στις γνωστικές επιστήμες, αλλά «στον τομέα της νευροεπιστήμης συστημάτων, εξακολουθεί να είναι λίγο αουτσάιντερ», δήλωσε ο Georg Keller, νευροεπιστήμονας στο Friedrich Miescher Institute for Biomedical Research στην Ελβετία. Το εργαστήριό του προσπαθεί να το αλλάξει αυτό με πιο σκληρά στοιχεία.
Σε μια μελέτη που δημοσιεύθηκε πέρυσι στο Neuron , ο Keller και οι συνεργάτες του παρατήρησαν την εμφάνιση νευρώνων στο οπτικό σύστημα των ποντικών που έγιναν προγνωστικά με την πάροδο του χρόνου. Ξεκίνησε με ένα ατύχημα, όταν ξεκίνησαν να εκπαιδεύσουν τα ποντίκια σε ένα βιντεοπαιχνίδι, μόνο για να διαπιστώσουν ότι ο εικονικός κόσμος είχε μπερδέψει τις κατευθύνσεις του. Συνήθως — και μέχρι τη στιγμή του πειράματος — τα ποντίκια έβλεπαν το οπτικό τους πεδίο να κινείται προς τα δεξιά όποτε έστριβαν προς τα αριστερά και αντίστροφα. Αλλά κάποιος είχε γυρίσει άθελά του τον εικονικό κόσμο που χρησιμοποίησαν οι ερευνητές στη μελέτη, αναστρέφοντας αριστερά και δεξιά, έτσι ώστε η στροφή προς τα αριστερά σήμαινε ότι τα ποντίκια είχαν επίσης όραση προς τα αριστερά. Οι ερευνητές συνειδητοποίησαν ότι θα μπορούσαν να επωφεληθούν από το ατύχημα. Παρακολούθησαν τα σήματα του εγκεφάλου που αντιπροσώπευαν αυτή την οπτική ροή και διαπίστωσαν ότι τα σήματα άλλαζαν αργά καθώς τα ποντίκια έμαθαν τους κανόνες του ανεστραμμένου περιβάλλοντος. "Τα σήματα έμοιαζαν με προβλέψεις οπτικής ροής προς τα αριστερά", είπε ο Keller.
Αν τα σήματα ήταν απλώς αισθητηριακές αναπαραστάσεις της οπτικής εμπειρίας του ποντικιού, θα είχαν γυρίσει αμέσως στον εικονικό κόσμο. Αν ήταν σήματα κινητήρα, δεν θα είχαν γυρίσει καθόλου. Αντίθετα, «αφορά τον προσδιορισμό της πρόβλεψης», είπε ο Κέλερ. "Η πρόβλεψη της οπτικής ροής, δεδομένης κίνησης."
«Το έργο παρέχει ένα είδος αποδεικτικών στοιχείων που δεν υπήρχαν πριν», είπε ο Κλαρκ. "Μια πολύ τοπική, κελί σε κελί, επίπεδο προς στρώμα απόδειξη ότι το καλύτερο μοντέλο για αυτό που συμβαίνει είναι η προγνωστική κωδικοποίηση."
Παρόμοια ευρήματα στα μέρη του εγκεφάλου που χρησιμοποιούν οι μακάκοι για την επεξεργασία προσώπων αναφέρθηκαν περίπου την ίδια περίοδο. Προηγούμενη εργασία είχε ήδη δείξει ότι οι νευρώνες σε χαμηλότερα επίπεδα στον κώδικα δικτύου για πτυχές ενός προσώπου που βασίζονται στον προσανατολισμό — πυροβολώντας, ας πούμε, σε οποιοδήποτε πρόσωπο στο προφίλ. Σε υψηλότερα επίπεδα, οι νευρώνες αντιπροσωπεύουν το πρόσωπο πιο αφηρημένα, δίνοντας προσοχή στην ταυτότητά του και όχι στη θέση του. Στη μελέτη των μακάκων, οι ερευνητές εκπαίδευσαν πιθήκους σε ζεύγη προσώπων στα οποία το ένα πρόσωπο, εμφανιζόμενο πρώτο, πάντα προέβλεψε κάτι για το δεύτερο. Αργότερα, οι πειραματιστές παρενέβησαν σε αυτές τις προσδοκίες με συγκεκριμένους τρόπους, δείχνοντας το ίδιο πρόσωπο από διαφορετική οπτική γωνία ή ένα εντελώς διαφορετικό πρόσωπο. Βρήκαν σφάλματα πρόβλεψης σε περιοχές χαμηλότερου επιπέδου του δικτύου επεξεργασίας προσώπων, αλλά αυτά τα σφάλματα δεν συσχετίστηκαν με προβλέψεις σχετικά με τον προσανατολισμό αλλά με προβλέψεις για την ταυτότητα. Δηλαδή, τα σφάλματα προήλθαν από αυτό που συνέβαινε σε υψηλότερα επίπεδα του συστήματος — υποδηλώνοντας ότι τα χαμηλότερα επίπεδα δημιουργούν το σήμα σφάλματος συγκρίνοντας τις εισερχόμενες αντιλήψεις με προβλέψεις που κατεβαίνουν από υψηλότερα επίπεδα.
«Ήταν συναρπαστικό να βρίσκω λάθη πρόβλεψης και να βρίσκω το συγκεκριμένο περιεχόμενο των προβλέψεων σε αυτό το σύστημα», δήλωσε ο επικεφαλής συγγραφέας της εργασίας, Caspar Schwiedrzik, νευροεπιστήμονας στο Ευρωπαϊκό Ινστιτούτο Νευροεπιστημών του Γκέτινγκεν στη Γερμανία.
Σύμφωνα με τη Lucia Melloni, ερευνήτρια στο Ινστιτούτο Εμπειρικής Αισθητικής Max Planck στη Φρανκφούρτη της Γερμανίας, η ομάδα της αρχίζει να βλέπει αποτελέσματα συμβατά με μια εξήγηση του σφάλματος πρόβλεψης σε νευρωνικά δεδομένα που συλλέγονται αυτήν τη στιγμή από ανθρώπους.
Ένας αγώνας για την εύρεση περισσότερων μηχανών πρόβλεψης
Δεν συμφωνούν όλοι ότι η υπόθεση για την προγνωστική κωδικοποίηση στον εγκέφαλο ενισχύεται. Μερικοί επιστήμονες αποδέχονται ότι η θεωρία μπορεί να εξηγήσει ορισμένες πτυχές της γνώσης, αλλά απορρίπτουν την ιδέα ότι θα μπορούσε να εξηγήσει τα πάντα. Άλλοι δεν παραχωρούν ούτε τόσα πολλά. Για τον David Heeger, καθηγητή ψυχολογίας στο Πανεπιστήμιο της Νέας Υόρκης, είναι σημαντικό να γίνει διάκριση μεταξύ της «προγνωστικής κωδικοποίησης», που λέει ότι αφορά την αποτελεσματική μετάδοση πληροφοριών και της «προγνωστικής επεξεργασίας», την οποία ορίζει ως πρόβλεψη με την πάροδο του χρόνου. «Υπάρχει πολλή σύγχυση στη βιβλιογραφία γιατί όλα αυτά τα πράγματα θεωρούνται μέρος της ίδιας σούπας», είπε. «Και αυτό δεν είναι απαραίτητα η περίπτωση, ούτε είναι απαραίτητα ο καλύτερος τρόπος για να προχωρήσουμε στη μελέτη του». Άλλοι τύποι Μπεϋζιανών μοντέλων, για παράδειγμα, μπορεί να παρέχουν μια πιο ακριβή περιγραφή της λειτουργίας του εγκεφάλου υπό ορισμένες συνθήκες.
Αυτό στο οποίο συμφωνούν πολλοί ειδικοί στον τομέα, ωστόσο, είναι ότι αυτή η έρευνα έχει τη δυνατότητα για συναρπαστικές εφαρμογές στη μηχανική μάθηση. Προς το παρόν, η συντριπτική πλειοψηφία της έρευνας για την τεχνητή νοημοσύνη δεν περιλαμβάνει προγνωστική κωδικοποίηση, αλλά επικεντρώνεται σε άλλα είδη αλγορίθμων.
Αλλά η διαμόρφωση της αρχιτεκτονικής προγνωστικής κωδικοποίησης σε ένα πλαίσιο βαθιάς μάθησης θα μπορούσε να φέρει τις μηχανές πιο κοντά στην ευφυΐα, υποστηρίζει ο Friston.
Το GQN του DeepMind χρησιμεύει ως καλό παράδειγμα αυτής της δυνατότητας. Και πέρυσι, ερευνητές στο Πανεπιστήμιο του Sussex χρησιμοποίησαν ακόμη και τεχνολογίες εικονικής πραγματικότητας και τεχνητής νοημοσύνης που περιελάμβαναν λειτουργίες πρόβλεψης κωδικοποίησης για να δημιουργήσουν αυτό που ονόμασαν «Μηχανή ψευδαισθήσεων», ένα εργαλείο που ήταν σε θέση να μιμηθεί τις αλλοιωμένες παραισθησιακές καταστάσεις που προκαλούνται συνήθως από ψυχεδελικά φάρμακα. .
Οι πρόοδοι της μηχανικής μάθησης θα μπορούσαν να χρησιμοποιηθούν για την παροχή νέων γνώσεων σχετικά με το τι συμβαίνει στον εγκέφαλο συγκρίνοντας πόσο καλά αποδίδουν τα μοντέλα πρόβλεψης κωδικοποίησης έναντι άλλων τεχνικών. Τουλάχιστον, η εισαγωγή προγνωστικής κωδικοποίησης σε τεχνητά συστήματα θα μπορούσε να βελτιώσει σημαντικά τη νοημοσύνη αυτών των μηχανών.
Αλλά πριν συμβεί αυτό, υπάρχει πολλή δουλειά μπροστά. Οι επιστήμονες πρέπει να συνεχίσουν το είδος της έρευνας που γίνεται από τους Keller, Schwiedrzik και άλλους για να προσδιορίσουν πού ακριβώς βρίσκονται, για παράδειγμα, οι εσωτερικές αναπαραστάσεις του εγκεφάλου. Και μένει να δούμε αν παρόμοια πειράματα μπορούν να τεκμηριώσουν ισχυρισμούς για προγνωστική κωδικοποίηση σε ανώτερες γνωστικές διαδικασίες.
Η προγνωστική κωδικοποίηση «είναι τόσο σημαντική για τη νευροεπιστήμη όσο και η εξέλιξη για τη βιολογία», δήλωσε ο Lars Muckli, νευροφυσιολόγος στο Πανεπιστήμιο της Γλασκώβης, ο οποίος έχει κάνει εκτενή εργασία στη θεωρία. Αλλά προς το παρόν, σημείωσε ο Sprevak, «η κριτική επιτροπή είναι ακόμα εκτός».
