Исследователи KAIST совместно с IBM AI Research показали, что особый способ обработки информации во лобной доле мозга может стать ключом к созданию искусственного интеллекта, сочетающего гибкость и устойчивость, подобно человеческому мозгу. Руководителем исследования выступил профессор Ли Санг-ван из кафедры нейронаук и когнитивных исследований KAIST.
Люди способны одновременно быстро перестраивать планы и сохранять последовательность действий при изменении условий. Традиционные модели обучения с подкреплением без модели, основанные на пробах и ошибках и широко используемые в робототехнике (в том числе в известных системах вроде AlphaGo), не обеспечивают одновременно обе эти способности.
Учёные пришли к выводу, что ограничение таких моделей связано с отсутствием у них того способа представления информации, который использует лобная доля мозга. В существующих моделях наблюдаются трудности с устойчивостью при смене целей и с гибкостью в условиях неопределённости, тогда как люди сохраняют обе характеристики.
В исследовании применяли функциональную МРТ, модели обучения с подкреплением и методы анализа на базе ИИ. Команда обнаружила, что лобная доля разделяет и хранит «информацию о целях» и «информацию о неопределённости» отдельно, чтобы предотвратить взаимное вмешательство этих сигналов. Чем более отчётливо было такое раздельное хранение, тем быстрее человек мог менять стратегию при смене целей и тем стабильнее принимались решения в неопределённой среде.
Исследователи также зафиксировали у лобной доли свойство, напоминающее мультиплексирование в телекоммуникациях: разные типы информации обрабатываются параллельно. Такое параллельное кодирование позволяет одновременно отслеживать изменения целей и учитывать неопределённость окружающей среды.
В лобной доле выделяются по крайней мере два «канала»: один чувствительно отслеживает смену целей и обеспечивает гибкость решений, а другой отделяет информацию об окружающей неопределённости для поддержания стабильности суждений. При этом второй канал не только поддерживает устойчивость, но и участвует в выборе подходящей стратегии обучения в зависимости от ситуации.
Авторы описывают это как проявление метаобучения: лобная доля не только осуществляет обучение, но и выбирает, как именно учиться в конкретном контексте. Такая структура объясняет, почему люди способны оставаться устойчивыми и одновременно адаптивными в постоянно меняющихся условиях.
Практическое применение результатов включает анализ индивидуальных способностей к обучению с подкреплением и метаобучению, разработку персонализированных образовательных программ, диагностику когнитивных функций и улучшение человеко‑компьютерного взаимодействия. Использование этой мозговой схемы представлений может привести к созданию «мозго‑подобного» ИИ, который лучше понимает человеческие намерения и ценности, сокращая риск ошибочных решений и обеспечивая более безопасное сотрудничество с людьми.
Профессор Ли отметил, что работа объясняет с точки зрения ИИ принципы работы мозга, позволяющие гибко отслеживать смену целей и одновременно стабильно планировать действия. По его словам, эти принципы могут стать основой для следующего поколения ИИ, способного адаптироваться к изменениям так же, как человек, и обучаться более безопасно и эффективно.
Первым автором статьи является аспирант KAIST Юндо Сон, вторым — исследователь IBM AI Research Маттиа Риготти. Результаты опубликованы в журнале Nature Communications 26 ноября.
Комментариев