Zespół badaczy pod przewodnictwem prof. dr. Ilki Diester, profesor fizjologii optycznej i rzeczniczki centrum badawczego BrainLinks-BrainTools na Uniwersytecie we Fryburgu, opracował formalny opis wewnętrznych modeli świata i opublikował go w prestiżowym czasopiśmie naukowym Neuron. To sformalizowane podejście umożliwia naukowcom dokładniejsze zrozumienie rozwoju i funkcjonowania wewnętrznych modeli świata. Oprócz umożliwienia systematycznego porównywania modeli świata u ludzi, zwierząt i sztucznej inteligencji (AI), ujawnia również obszary, w których AI wciąż pozostaje w tyle za ludzką inteligencją, oraz oferuje wskazówki do dalszego rozwoju systemów AI. W tworzeniu tej interdyscyplinarnej publikacji wzięło udział jedenastu badaczy z czterech różnych wydziałów Uniwersytetu we Fryburgu.

Wewnętrzne modele świata i prognozy oparte na doświadczeniu
Ludzie i zwierzęta mają zdolność abstrahowania ogólnych praw z codziennych doświadczeń, co pomaga im odnaleźć się w nowych i nieznanych sytuacjach. Rozwijają wewnętrzne modele świata, które pozwalają przewidywać i dostosowywać zachowanie do nowych okoliczności. Na przykład zrozumienie struktury miast o podobnej konfiguracji może ułatwić orientację w nieznanym mieście. Podobnie doświadczenia zdobyte podczas wydarzeń towarzyskich, takich jak kolacja w restauracji, pozwalają na odpowiednie zachowanie w podobnych sytuacjach.

Formalizacja wewnętrznych modeli świata
Aby sformalizować wewnętrzne modele świata u różnych gatunków, badacze w swojej publikacji rozróżniają trzy abstrakcyjne przestrzenie, które są ze sobą powiązane: przestrzeń zadań, przestrzeń neuronową i przestrzeń koncepcyjną. Przestrzeń zadań obejmuje wszystko, co jednostka doświadcza, w tym zadania i aktywności. Przestrzeń neuronowa opisuje różne mierzalne stany mózgu, od poziomu molekularnego po aktywność pojedynczych neuronów i całych regionów mózgu. Wizualizacja tych aktywności może być osiągnięta za pomocą funkcjonalnego rezonansu magnetycznego (fMRI) lub pomiarów za pomocą elektrod wysokiej gęstości i obrazowania wapniowego. Odpowiednikiem przestrzeni neuronowej w sztucznej inteligencji jest aktywność węzłów w sztucznej sieci neuronowej. Przestrzeń koncepcyjna składa się z par stanów przestrzeni zadań i przestrzeni neuronowej, które razem reprezentują stan jednostki i łączą wewnętrzne procesy z wpływami zewnętrznymi. Te pary stale się zmieniają, przechodząc do następnego stanu z określonym prawdopodobieństwem. Połączenie doświadczeń jednostki i odpowiadającej im aktywności mózgu, wraz z dynamicznymi przejściami, czyni wewnętrzne modele świata naukowo namacalnymi.

Udoskonalanie sztucznej inteligencji i zrozumienie chorób psychicznych
Sformalizowane podejście do wewnętrznych modeli świata umożliwia naukowcom analizowanie tych modeli w różnych dyscyplinach naukowych oraz omawianie ich powstawania i rozwoju. Wyniki badań na ludziach i zwierzętach mogą być użyteczne w ulepszaniu sztucznej inteligencji. Obecne systemy AI, na przykład, wciąż nie są w stanie zweryfikować wiarygodności swoich prognoz. Duże modele językowe, takie jak ChatGPT, działają jako maszyny do rozpoznawania wzorców bez zdolności do rzeczywistego planowania. Planowanie jest kluczowe dla testowania i korygowania strategii w nieznanych sytuacjach przed ich zastosowaniem, aby uniknąć potencjalnych szkodliwych konsekwencji. Naukowcy przypuszczają również, że deficyty w wewnętrznych modelach świata mogą być powiązane z niektórymi chorobami psychicznymi, takimi jak depresja czy schizofrenia. Głębsze zrozumienie tych modeli może pomóc w precyzyjniejszym stosowaniu leków i terapii w leczeniu tych zaburzeń.

Badania nad wewnętrznymi modelami świata stanowią znaczący krok naprzód w zrozumieniu skomplikowanych interakcji między mózgiem a środowiskiem. Dzięki nowym sformalizowanym podejściom naukowcy mogą szczegółowo badać, jak jednostki abstrahują informacje z doświadczeń i wykorzystują je do adaptacji w nowych sytuacjach. Ma to dalekosiężne implikacje nie tylko dla rozwoju bardziej zaawansowanych systemów AI, ale także dla poprawy leczenia zaburzeń psychicznych. Dokładne zdefiniowanie i mierzenie tych wewnętrznych modeli pozwala lepiej zrozumieć, jak mózg przetwarza informacje i podejmuje decyzje.

Zastosowanie tych badań można zaobserwować w różnych dziedzinach, od rozwoju autonomicznych pojazdów, które muszą podejmować decyzje w czasie rzeczywistym, po zaawansowane narzędzia diagnostyczne w medycynie, które mogą identyfikować i sugerować leczenie skomplikowanych problemów zdrowotnych. Zrozumienie wewnętrznych modeli świata jest również kluczowe dla postępu w dziedzinie robotyki, gdzie roboty muszą rozwijać zdolność do adaptacji i uczenia się z interakcji z ludźmi i otoczeniem.

W przyszłości dalsze badania w tej dziedzinie mogą doprowadzić do rewolucyjnych zmian w sposobie, w jaki rozwijamy technologie i leczymy choroby. Sformalizowane modele świata zapewniają naukowcom narzędzie do szczegółowego badania skomplikowanych systemów i otwierają nowe możliwości do interdyscyplinarnej współpracy i innowacji. Ten postęp pozwala nam lepiej zrozumieć nie tylko sztuczną inteligencję, ale także podstawowe aspekty ludzkiej kognicji i zachowania.

Zespół naukowców z Fryburga pokazał, jak interdyscyplinarna współpraca może prowadzić do znaczących odkryć, które mają potencjał transformować różne aspekty nauki i technologii. Ich badania nad wewnętrznymi modelami świata kładą podwaliny pod przyszłe studia, które będą kontynuować badanie skomplikowanych interakcji między mózgiem, zachowaniem i środowiskiem. Dzięki takim wysiłkom nauka zbliża się do zrozumienia, jak rozwijać inteligentne systemy, które mogą lepiej służyć ludzkości.

Źródło: Universität Freiburg