هوش مصنوعی می‌تواند مقاله‌های برنده جایزه بنویسد و بیماری‌ها را با دقت شگفت‌آور تشخیص دهد، اما مغزهای زیستی همچنان در حداقل یک حوزهٔ اساسی برتری دارند: انعطاف‌پذیری.
به‌عنوان مثال، انسان‌ها می‌توانند به‌سرعت با اطلاعات جدید و چالش‌های ناشناخته سازگار شوند—آموزش نرم‌افزارهای جدید، پیروی از یک دستور آشپزی، یا یادگیری یک بازی جدید—در حالی که سامانه‌های هوش مصنوعی برای یادگیری «در حین کار» دچار مشکل می‌شوند.
در یک مطالعهٔ جدید، عصب‌شناسان دانشگاه پرینستون یک دلیل برای برتری مغز نسبت به هوش مصنوعی کشف کردند: مغز همان «بلوک‌های شناختی» را در کارهای مختلف دوباره استفاده می‌کند. با ترکیب و ترکیب مجدد این بلوک‌ها، مغز می‌تواند رفتارهای جدید را به‌سرعت بسازد.
«مدل‌های پیشرفتهٔ هوش مصنوعی می‌توانند در وظایف تک‌تک به سطح عملکرد انسانی یا حتی فرارسایی انسان دست یابند. اما در یادگیری و اجرای چندین وظیفهٔ مختلف دچار سختی می‌شوند»، گفت تیم بوشمن، دکترای علوم، نویسندهٔ ارشد این مطالعه و معاون مدیر مؤسسهٔ عصب‌شناسی پرینستون.
«ما دریافتیم که مغز به‌دلیل توانایی استفاده مجدد از مؤلفه‌های شناختی در کارهای متعدد انعطاف‌پذیر است. با چفت کردن این «لگوهای شناختی»، مغز می‌تواند وظایف جدیدی بسازد.»
یافته‌ها در نشریهٔ Nature منتشر شده‌اند.
بازاستفاده از مهارت‌ها برای چالش‌های جدید
اگر کسی بداند چگونه دوچرخه را تنظیم کند، تعمیر یک موتورسیکلت برای او به‌طور طبیعی‌تری به‌نظر می‌رسد. این توانایی یادگیری چیز جدید با به کارگیری مهارت‌های ساده‌تر از کارهای مرتبط، همان نظریه‌ای است که دانشمندان به آن «ترکیبی‌پذیری» می‌گویند.
«اگر پیش از این می‌دانید چگونه نان بپزید، می‌توانید از این توانایی برای پخت کیک استفاده کنید بدون اینکه از ابتدا طرز پخت را دوباره بیاموزید»، گفت سینا تلفازولی، دکترای علوم، پژوهشگر پسادکترا در آزمایشگاه بوشمن در پرینستون و نویسندهٔ اصلی این مطالعه.
«شما مهارت‌های موجود را بازتخصیص می‌دهید—مانند استفاده از فر، اندازه‌گیری مواد، ورز دادن خمیر—و آن‌ها را با مهارت‌های جدید ترکیب می‌کنید، مثلاً زدن مخلوط یا تهیهٔ روک‌کیک، تا چیزی کاملاً متفاوت خلق کنید.»
اما شواهدی که نشان می‌دهند مغز چگونه این انعطاف‌پذیری شناختی را به‌دست می‌آورد، محدود و گاهی متناقض بوده‌اند.
برای روشن‌سازی چگونگی بهره‌وری مغز، تلفازولی دو میمون نر رِه‌سوس را آموزش داد تا سه کار مرتبط را انجام دهند، در حالی که فعالیت مغزی آن‌ها تحت‌نظارت بود.
به‌جای پخت نان یا تعمیر دوچرخه‌ها، میمون‌ها سه وظیفهٔ دسته‌بندی را اجرا کردند. درست همانند سعی در رمزگشایی از دست‌خط گاهی مبهم یک یادداشت پزشکی، میمون‌ها باید تصمیم می‌گرفتند که آیا یک تودهٔ رنگارنگ شبیه به یک بادکنک روی صفحه جلوی آن‌ها، شبیه یک خرگوش است یا حرف «T» (دسته‌بندی شکل) یا اینکه بیشتر قرمز است یا سبز (دسته‌بندی رنگ).
این وظیفه به‌ظاهر ساده بود، اما دشواری‌پذیر: توده‌ها در ابهار مختلفی ظاهر می‌شدند؛ گاهی به‌وضوح شبیه یک خرگوش یا قرمز اشباعی بودند، در حالی که در مواقع دیگر تفاوت‌ها ریز و ناچیز بودند.
برای نشان دادن شکلی یا رنگی که توده را می‌دیدند، میمون با نگاه به یکی از چهار جهت مختلف پاسخ می‌داد. در یک وظیفه، نگاه به چپ به معنای دیدن یک خرگوش بود، در حالی که نگاه به راست نشان می‌داد که شبیه حرف «T» است.
ویژگی کلیدی این طراحی این بود که هر وظیفه‌ای منحصر به‌فرد بود، اما عناصری مشترک با سایر وظایف نیز داشت.
یکی از وظایف رنگی و وظیفهٔ شکل هر دو نیاز به نگاه به همان جهت‌ها داشتند، در حالی که هر دو وظیفهٔ رنگی از میمون می‌خواستند رنگ را به‌یک‌روش مشابه (قرمزتر یا سبزتر) دسته‌بندی کند، اما برای اعلام تصمیم رنگی به جهات متفاوتی نگاه می‌کردند.
این طراحی آزمایشی به پژوهشگران این امکان را داد تا بررسی کنند آیا مغز الگوهای عصبی — بلوک‌های ساختمانی شناختی — را در وظایفی که اجزای مشترکی دارند، دوباره استفاده می‌کند یا نه.
بلوک‌ها انعطاف‌پذیری شناختی را می‌سازند
پس از تجزیه و تحلیل الگوهای فعالیت در سراسر مغز، تلفازولی و بوشمن دریافتند که قشر پیشانی — ناحیه‌ای در جلوی مغز که در شناخت سطح بالا نقش دارد — الگوهای مشترک و قابل استفاده مجددی از فعالیت نورون‌ها را دارد که برای دستیابی به هدفی مشترک، مانند تمایز رنگ، به کار می‌روند.
بوشمن این‌ها را «لگوهای شناختی» مغز می‌نامید — بلوک‌های ساختاری که می‌توانند به‌صورت انعطاف‌پذیر ترکیب شوند تا رفتارهای جدیدی ایجاد کنند.
«من یک بلوک شناختی را مانند یک تابع در برنامهٔ کامپیوتری می‌دانم»، بوشمن گفت. «یک مجموعهٔ نورون ممکن است رنگ را تشخیص دهد و خروجی آن می‌تواند روی تابع دیگری که یک عمل را هدایت می‌کند، نگاشته شود. این سازماندهی به مغز اجازه می‌دهد تا یک وظیفه را با انجام متوالی هر مؤلفهٔ آن به‌طوری انجام دهد.»
برای انجام یکی از وظایف رنگی، حیوان بلوکی که رنگ تصویر را محاسبه می‌کرد، با بلوکی دیگر که چشم‌ها را به جهت‌های مختلف حرکت می‌داد، به‌هم می‌چفت.
هنگام تغییر وظیفه، مثلاً از رنگ‌ها به شکل‌ها، مغز به‌ساده‌ای بلوک‌های مربوط به محاسبهٔ شکل و انجام همان حرکات چشم را به‌هم می‌چید.
این اشتراک بلوک‌ها عمدتاً در قشر پیشانی مشاهده شد و در سایر نواحی مغزی نه، که نشان می‌دهد این نوع ترکیبی‌پذیری ویژگی خاصی از این ناحیه است.
تلفازولی و بوشمن همچنین دریافتند که قشر پیشانی بلوک‌های شناختی را وقتی استفاده نمی‌شوند، ساکت می‌کند؛ احتمالاً به‌منظور کمک به مغز برای تمرکز بهتر بر کار مرتبط.
«مغز ظرفیت محدودی برای کنترل شناختی دارد»، تلفازولی گفت. «باید برخی از توانایی‌هایتان را فشرده‌سازی کنید تا بتوانید بر مواردی که در حال حاضر مهم هستند تمرکز کنید. برای مثال، تمرکز بر دسته‌بندی شکل، به‌طور موقت توانایی کدگذاری رنگ را کاهش می‌دهد، زیرا هدف تمایز شکل است نه رنگ.»
روشی کارآمدتر برای یادگیری — برای هوش مصنوعی و برای کلینیک
این لگوهای شناختی ممکن است به توضیح این که چرا انسان‌ها به‌سرعت وظایف جدید را می‌آموزند، کمک کنند. با بهره‌گیری از مؤلفه‌های ذهنی موجود، مغز یادگیری تکراری را به‌حداقل می‌رساند — ترفیعی که سامانه‌های هوش مصنوعی هنوز به‌دست نیاورده‌اند.
«یکی از مشکلات اساسی یادگیری ماشین، تداخل فاجعه‌بار است»، تلفازولی گفت. «هنگامی که یک دستگاه یا یک شبکهٔ عصبی چیز جدیدی را می‌آموزد، حافظه‌های قبلی را فراموش و بازنویسی می‌کند. اگر یک شبکهٔ عصبی مصنوعی می‌داند چگونه کیک بپزد اما سپس یاد بگیرد که کوکی بپزد، روش پخت کیک را فراموش خواهد کرد.»
در آینده، ادغام ترکیبی‌پذیری در هوش مصنوعی می‌تواند به ساخت سامانه‌هایی کمک کند که به‌طور پیوسته مهارت‌های جدید را بیاموزند بدون آن‌که مهارت‌های قبلی را فراموش کنند.
همین بینش می‌تواند به بهبود درمان افراد مبتلا به اختلالات عصب‌پزشکی و روان‌پزشکی نیز یاری رساند. بیماری‌هایی همچون اسکیزوفرنی، اختلال وسواسی‑اجباری، و برخی آسیب‌های مغزی غالباً توانایی افراد در به‌کارگیری مهارت‌های شناخته‌شده در زمینه‌های جدید را مختل می‌کنند — که ممکن است ناشی از اختلال در ترکیب مجدد بلوک‌های شناختی مغز باشد.
«تصور کنید بتوانید به افراد کمک کنید تا توانایی تغییر استراتژی‌ها، یادگیری روتین‌های جدید یا سازگاری با تغییرات را بازگردانند»، تلفازولی گفت.
«در درازمدت، درک اینکه مغز چگونه دانش را دوباره استفاده می‌کند و ترکیب می‌نماید می‌تواند به ما در طراحی درمان‌هایی که این فرآیند را بازسازی می‌کنند، کمک کند.»
