Generativ AI hjälper till att förklara människans minne och fantasi

2 Neuron

Nya framsteg inom generativ AI bidrar till att förklara hur minnen gör det möjligt för oss att lära oss om världen, återuppleva gamla erfarenheter och konstruera helt nya erfarenheter för fantasi och planering, enligt en ny studie av UCL-forskare.

Studien, som publiceras i Nature Human Behaviour, använder en AI-beräkningsmodell – känd som ett generativt neuralt nätverk – för att simulera hur neurala nätverk i hjärnan lär sig av och minns en serie händelser (var och en representerad av en enkel scen).

Modellen innehöll nätverk som representerade hippocampus och neocortex för att undersöka hur de interagerar. Båda delarna av hjärnan är kända för att arbeta tillsammans med minne, fantasi och planering.

Huvudförfattaren, doktoranden Eleanor Spens (UCL Institute of Cognitive Neuroscience), säger: ”De senaste framstegen inom de generativa nätverk som används inom AI visar hur information kan utvinnas från erfarenheter så att vi både kan minnas en specifik upplevelse och flexibelt föreställa oss hur nya upplevelser skulle kunna vara. Vi tänker på att minnas som att föreställa sig det förflutna baserat på begrepp, där vi kombinerar vissa lagrade detaljer med våra förväntningar på vad som kan ha hänt.”

Människor måste göra förutsägelser för att överleva (t.ex. för att undvika fara eller hitta mat), och AI-nätverken föreslår att när vi spelar upp minnen medan vi vilar hjälper det våra hjärnor att plocka upp mönster från tidigare erfarenheter som kan användas för att göra dessa förutsägelser.

Forskarna spelade upp 10 000 bilder av enkla scener för modellen. Hippocampus-nätverket kodade snabbt varje scen när den upplevdes. Det spelade sedan upp scenerna om och om igen för att träna det generativa neurala nätverket i neocortex.

Det neokortikala nätverket lärde sig att skicka aktiviteten hos de tusentals ingångsneuroner (neuroner som tar emot visuell information) som representerar varje scen genom mindre mellanliggande lager av neuroner (det minsta innehåller bara 20 neuroner), för att återskapa scenerna som aktivitetsmönster i dess tusentals utgångsneuroner (neuroner som förutsäger den visuella informationen).

Detta fick det neokortikala nätverket att lära sig mycket effektiva ”konceptuella” representationer av scenerna som fångar deras betydelse (t.ex. arrangemangen av väggar och föremål) – vilket möjliggjorde både återskapande av gamla scener och skapandet av helt nya.

Följaktligen kunde hippocampus avkoda betydelsen av nya scener som presenterades för den, snarare än att behöva avkoda varje enskild detalj, vilket gjorde att den kunde fokusera resurser på att avkoda unika egenskaper som neocortex inte kunde reproducera – till exempel nya typer av objekt.

Modellen förklarar hur neocortex långsamt förvärvar begreppskunskap och hur detta, tillsammans med hippocampus, gör att vi kan ”återuppleva” händelser genom att rekonstruera dem i våra sinnen.

Modellen förklarar också hur nya händelser kan genereras under fantasi och planering för framtiden, och varför befintliga minnen ofta innehåller ”gistliknande” förvrängningar – där unika egenskaper generaliseras och minns som mer lika egenskaperna i tidigare händelser.

Professor Neil Burgess (UCL Institute of Cognitive Neuroscience och UCL Queen Square Institute of Neurology) förklarar: ”Det sätt på vilket minnen rekonstrueras, snarare än att vara sanningsenliga uppteckningar av det förflutna, visar oss hur meningen eller kärnan i en upplevelse kombineras med unika detaljer, och hur detta kan leda till fördomar i hur vi minns saker.”

Ytterligare information: A Generative Model of Memory Construction and Consolidation, Nature Human Behaviour (2024). DOI: 10.1038/s41562-023-01799-z

Bli först med att kommentera

Lämna ett svar

Din e-postadress kommer inte att publiceras.