Ροή ειδήσεων
ΕΦΑΡΜΟΓΕΣ
© 2026 ygeiax.gr

Αναζήτηση

Πατήστε Enter ή κάντε κλικ στο εικονίδιο αναζήτησης

ΕΙΔΗΣΕΙΣ

Τεχνητή νοημοσύνη: Γιατί δεν λειτουργεί απαραίτητα όπως ο ανθρώπινος εγκέφαλος

Νέα μελέτη του York University δείχνει ότι τα νευρωνικά δίκτυα μπορεί να προβλέπουν εγκεφαλικές αποκρίσεις χωρίς να αναπαράγουν τον τρόπο με τον οποίο ο εγκέφαλος επεξεργάζεται τις εικόνες

Τεχνητή νοημοσύνη: Γιατί δεν λειτουργεί απαραίτητα όπως ο ανθρώπινος εγκέφαλος

Τα μοντέλα τεχνητής νοημοσύνης μπορεί να μιμούνται με επιτυχία ορισμένες αποκρίσεις του εγκεφάλου, χωρίς όμως να επεξεργάζονται τις οπτικές πληροφορίες με τον ίδιο τρόπο. Νέα μελέτη από το York University εντόπισε μια αδυναμία σε συστήματα που χρησιμοποιούνται ευρέως για να βοηθήσουν τους επιστήμονες να κατανοήσουν πώς ο εγκέφαλος επεξεργάζεται όσα βλέπουμε.

Εδώ και χρόνια, οι ερευνητές χρησιμοποιούν τεχνητά νευρωνικά δίκτυα (ANNs), υπολογιστικά συστήματα σχεδιασμένα να εκτελούν εργασίες όπως η αναγνώριση αντικειμένων σε εικόνες, για να διερευνήσουν την όραση. Την τελευταία δεκαετία, τα μοντέλα αυτά έχουν εξελιχθεί σε σημαντικά εργαλεία για την εξήγηση του οπτικού συστήματος του εγκεφάλου. Η ικανότητά τους να αναπαράγουν μοτίβα εγκεφαλικής δραστηριότητας τα έχει καταστήσει ιδιαίτερα χρήσιμα στη νευροεπιστήμη.

Τα νέα ευρήματα, ωστόσο, θέτουν ένα κρίσιμο ερώτημα: Το γεγονός ότι η τεχνητή νοημοσύνη μιμείται με επιτυχία ορισμένες αποκρίσεις του εγκεφάλου σημαίνει πράγματι ότι επεξεργάζεται τις οπτικές πληροφορίες με τον ίδιο τρόπο;

«Τα συστήματα τεχνητής νοημοσύνης συχνά περιγράφονται ως “παρόμοια με τον εγκέφαλο”, επειδή μπορούν να προβλέψουν τη δραστηριότητα περιοχών του εγκεφάλου που μας βοηθούν να αναγνωρίζουμε αντικείμενα», λέει ο Kohitij Kar, επίκουρος καθηγητής στο York University και κύριος συγγραφέας της μελέτης. «Μέχρι τώρα, οι επιστήμονες έλεγχαν κυρίως τη σχέση προς τη μία κατεύθυνση. Εξετάζαν αν τα μοντέλα τεχνητής νοημοσύνης μπορούν να προβλέψουν την εγκεφαλική δραστηριότητα».

Μια νέα δοκιμή αποκαλύπτει αδυναμία στα μοντέλα AI που θεωρούνται «παρόμοια με τον εγκέφαλο»

Η ομάδα του York University προσέγγισε το ερώτημα από την αντίθετη κατεύθυνση. Αντί να μετρήσει μόνο πόσο καλά η τεχνητή νοημοσύνη προβλέπει τη δραστηριότητα των εγκεφαλικών κυττάρων, εξέτασε αν οι καταγεγραμμένες εγκεφαλικές αποκρίσεις μπορούν επίσης να προβλέψουν τι συμβαίνει στο εσωτερικό των μοντέλων AI.

Αν τα συστήματα λειτουργούν πραγματικά όπως ο εγκέφαλος, σκέφτηκαν οι ερευνητές, η σχέση θα πρέπει να ισχύει και προς τις δύο κατευθύνσεις. Για να το διερευνήσουν, ανέπτυξαν μια μέθοδο που ονόμασαν «δοκιμή αντίστροφης προβλεπτικότητας» (reverse predictivity testing), η οποία επιτρέπει να αξιολογούνται ομοιότητες που οι συμβατικές δοκιμές ενδέχεται να μην εντοπίζουν.

«Τελικά, χρειαζόμαστε υπολογιστικά μοντέλα για να κατανοήσουμε πραγματικά τους υποκείμενους νευρωνικούς μηχανισμούς της αναγνώρισης αντικειμένων. Πώς βλέπουμε τα αντικείμενα να κινούνται; Είναι κάτι που κάνουμε καθημερινά με μεγάλη ευκολία, αλλά από υπολογιστική άποψη αποτελεί πολύ δύσκολο πρόβλημα», λέει ο Kar, κάτοχος της Έδρας Έρευνας του Καναδά στη Νευροεπιστήμη της Όρασης και μέλος του Centre for Vision Research και του Centre for Integrative and Applied Neuroscience του York.

Η ερευνητική ομάδα, στην οποία συμμετείχε η μεταδιδακτορική ερευνήτρια του York Sabine Muzellec, εκπαιδευόμενη στο πρόγραμμα Connected Minds του πανεπιστημίου, εξέτασε αποκρίσεις σε μεγάλη ποικιλία οπτικών εικόνων.

Οι δοκιμές περιλάμβαναν 1.320 φυσικές φωτογραφίες και ρεαλιστικές συνθετικές εικόνες με 10 οικεία θέματα: μια αρκούδα, έναν ελέφαντα, ένα πρόσωπο, ένα μήλο, ένα αυτοκίνητο, έναν σκύλο, μια καρέκλα, ένα αεροπλάνο, ένα πουλί και μια ζέβρα. Τα αντικείμενα εμφανίζονταν σε διαφορετικά φυσικά τοπία, καθώς και σε εσωτερικούς και εξωτερικούς χώρους. Οι ερευνητές πρόσθεσαν επίσης 300 εικόνες με τα ίδια θέματα σε διαφορετικά οπτικά στιλ, όπως περιγράμματα, σχέδια, απλοποιημένες αναπαραστάσεις και καλλιτεχνικές αποδόσεις.

Η AI προβλέπει την εγκεφαλική δραστηριότητα, αλλά η αντίστροφη δοκιμή δείχνει κάτι διαφορετικό

Τα αποτελέσματα αποκάλυψαν σημαντική απόκλιση ανάμεσα στην τεχνητή νοημοσύνη και τη βιολογική όραση.

Τα μοντέλα AI ήταν γενικά επιτυχημένα στην πρόβλεψη των αποκρίσεων καταγεγραμμένων νευρώνων, δηλαδή εξειδικευμένων κυττάρων που μεταδίδουν πληροφορίες σε όλο τον εγκέφαλο. Όταν, όμως, οι ερευνητές αντέστρεψαν τη διαδικασία, οι ίδιες νευρωνικές αποκρίσεις ήταν πολύ λιγότερο αποτελεσματικές στην πρόβλεψη πολλών εσωτερικών χαρακτηριστικών των μοντέλων.

Η διαφορά αυτή είναι ιδιαίτερα αποκαλυπτική, καθώς οι ερευνητές δεν παρατήρησαν το ίδιο πρόβλημα όταν συνέκριναν τη νευρωνική δραστηριότητα διαφορετικών εγκεφάλων.

«Τα αποτελέσματα ήταν εντυπωσιακά. Τα μοντέλα AI μπορούν να προβλέπουν αρκετά καλά τους νευρώνες που καταγράψαμε στον εγκέφαλο, αλλά ο εγκέφαλος δεν μπορεί εξίσου καλά να προβλέψει πολλά από τα εσωτερικά χαρακτηριστικά των μοντέλων. Είναι ενδιαφέρον ότι αυτό δεν συμβαίνει όταν συγκρίνεται η δραστηριότητα νευρώνων από έναν εγκέφαλο με εκείνη νευρώνων από έναν άλλον», λέει ο Kar.

Τα ευρήματα υποδηλώνουν ότι ένα σύστημα AI μπορεί να παράγει αποτελέσματα που μοιάζουν πολύ με εκείνα του εγκεφάλου, βασιζόμενο όμως σε εντελώς διαφορετικούς εσωτερικούς μηχανισμούς. Με άλλα λόγια, η αντιστοιχία στις εγκεφαλικές αποκρίσεις δεν σημαίνει απαραίτητα ότι οι υποκείμενες διαδικασίες είναι ίδιες.

Ο Kar προειδοποιεί ότι αυτή η διάκριση μπορεί να αποκτήσει όλο και μεγαλύτερη σημασία καθώς εξελίσσεται η τεχνητή νοημοσύνη. Αν οι ερευνητές συνεχίσουν να βελτιώνουν τα μοντέλα με μόνο κριτήριο την ακρίβεια στην πρόβλεψη της νευρωνικής δραστηριότητας, οι διαφορές ανάμεσα σε αυτά και στους πραγματικούς εγκεφάλους των πρωτευόντων μπορεί με τον καιρό να μεγαλώσουν.

Κάτι τέτοιο θα υπονόμευε έναν από τους βασικούς λόγους για τους οποίους οι νευροεπιστήμονες χρησιμοποιούν αυτά τα συστήματα: την ανάπτυξη ρεαλιστικών εξηγήσεων για τη λειτουργία του εγκεφάλου.

«Τα ευρήματα δείχνουν ότι τα σημερινά συστήματα AI λύνουν οπτικές εργασίες εν μέρει με εσωτερικές στρατηγικές που μπορεί να μην χρησιμοποιεί ο εγκέφαλος. Είναι σημαντικό ότι τα τμήματα των μοντέλων AI που ευθυγραμμίζονται με τον εγκέφαλο είναι επίσης καλύτερα στην πρόβλεψη της πραγματικής ανθρώπινης συμπεριφοράς», λέει ο Kar.

Τι σημαίνει η ανακάλυψη για τη νευροεπιστήμη και την ανθρώπινη συμπεριφορά

Οι επιπτώσεις ξεπερνούν κατά πολύ την υπολογιστική όραση. Η τεχνητή νοημοσύνη χρησιμοποιείται όλο και περισσότερο για τον σχεδιασμό πειραμάτων, τη μελέτη της ανθρώπινης συμπεριφοράς και τη διερεύνηση νευρολογικών και ψυχολογικών καταστάσεων. Πολλές από αυτές τις εφαρμογές βασίζονται στην παραδοχή ότι τα μοντέλα AI επεξεργάζονται τις πληροφορίες με τρόπο παρόμοιο με τον ανθρώπινο εγκέφαλο.

Αν η παραδοχή αυτή δεν ισχύει, οι ερευνητές μπορεί να καταλήξουν σε παραπλανητικά συμπεράσματα, βασιζόμενοι σε μοντέλα που φαίνονται ακριβή στην επιφάνεια, αλλά λειτουργούν διαφορετικά στο εσωτερικό τους.

«Τα ευρήματά μας θέτουν υπό αμφισβήτηση το πόσο παρόμοια είναι πραγματικά τα σημερινά συστήματα AI με τον εγκέφαλο των πρωτευόντων. Δείχνουμε ότι μοντέλα που θεωρούνταν προηγουμένως παρόμοια με τον εγκέφαλο βασίζονται σε εσωτερικά στοιχεία τα οποία ο εγκέφαλος δεν φαίνεται να χρησιμοποιεί. Παρέχουμε ένα αξιόπιστα ελεγμένο διαγνωστικό μέτρο για τον επιστημονικό κλάδο», λέει η Muzellec.

Η ανάπτυξη συστημάτων AI που αναπαράγουν πιστότερα τη λειτουργία του εγκεφάλου θα μπορούσε τελικά να βελτιώσει την έρευνα για παθήσεις από τη διαταραχή μετατραυματικού στρες έως τον αυτισμό. Προς το παρόν, όμως, οι διαφορές που εντοπίστηκαν υπογραμμίζουν την ανάγκη για προσοχή όταν χρησιμοποιούνται υφιστάμενα μοντέλα για τη μελέτη της ανθρώπινης συμπεριφοράς ή τον σχεδιασμό κλινικής έρευνας.

Ανάλογες ανησυχίες μπορεί να αφορούν και άλλους τομείς της νευροεπιστήμης. Παρόμοια μοντέλα τεχνητής νοημοσύνης χρησιμοποιούνται ήδη για τη μελέτη της ακοής, της γλώσσας και της κίνησης. Αν και αυτά βασίζονται σε εσωτερικές διαδικασίες διαφορετικές από τις βιολογικές, οι ερευνητές ίσως χρειαστεί να επανεξετάσουν πόσα μπορούν να μάθουν από αυτά για το νευρικό σύστημα.

Πώς μπορούν να αναπτυχθούν μοντέλα AI πιο κοντά στον ανθρώπινο εγκέφαλο

Τα ευρήματα δεν σημαίνουν ότι πρέπει να εγκαταλειφθούν τα τεχνητά νευρωνικά δίκτυα. Αντίθετα, προσφέρουν έναν τρόπο ώστε να γίνουν πιο χρήσιμα και επιστημονικά αξιόπιστα.

Εντοπίζοντας ποια χαρακτηριστικά ενός μοντέλου AI αντιστοιχούν στην πραγματική νευρωνική δραστηριότητα, οι ερευνητές μπορούν να επικεντρωθούν στην ανάπτυξη συστημάτων που αντανακλούν με μεγαλύτερη ακρίβεια τους βιολογικούς μηχανισμούς της αντίληψης.

«Η προσέγγισή μας βοηθά να εντοπίσουμε ποια τμήματα ενός τεχνητού νευρωνικού δικτύου αντιστοιχούν πραγματικά στην εγκεφαλική δραστηριότητα, ώστε να κατασκευάσουμε πιο αξιόπιστα μοντέλα για να κατανοήσουμε πώς οι άνθρωποι βλέπουν και ερμηνεύουν τον κόσμο», λέει ο Kar. «Αυτό είναι ιδιαίτερα σημαντικό για το ερευνητικό μας πρόγραμμα για τον αυτισμό, το οποίο χρησιμοποιεί ως βάση μοντέλα του νευροτυπικού εγκεφάλου».

Ο όρος «νευροτυπικός εγκέφαλος» αναφέρεται σε μοτίβα νευρολογικής ανάπτυξης και λειτουργίας που γενικά θεωρούνται τυπικά. Η δημιουργία ακριβών μοντέλων αυτών των μοτίβων είναι σημαντική για τους ερευνητές που εξετάζουν πώς μπορεί να διαφέρουν η αντίληψη και η επεξεργασία πληροφοριών σε καταστάσεις όπως ο αυτισμός.

Για να βοηθήσει και άλλους επιστήμονες να αξιοποιήσουν τα ευρήματα, η ομάδα διέθεσε δημόσια ένα εργαλείο δοκιμών, το οποίο μπορούν να χρησιμοποιούν οι δημιουργοί τεχνητής νοημοσύνης για να αξιολογούν τα μοντέλα τους και να εντοπίζουν περιθώρια βελτίωσης.

Η μελέτη δημοσιεύτηκε στο Nature Machine Intelligence και παρουσιάζει μια νέα προσέγγιση για την αξιολόγηση της τεχνητής νοημοσύνης, η οποία δεν περιορίζεται στη μέτρηση του πόσο καλά εκτελεί ένα σύστημα μια εργασία. Οι ερευνητές υποστηρίζουν ότι εξίσου σημαντικό είναι να διαπιστωθεί αν η AI καταλήγει στα αποτελέσματά της μέσω διαδικασιών που μοιάζουν πραγματικά με εκείνες του εγκεφάλου.

Η ανακάλυψη μπορεί να συμβάλει στην ανάπτυξη μιας νέας γενιάς μοντέλων AI που όχι μόνο αναγνωρίζουν τον κόσμο με εντυπωσιακή ακρίβεια, αλλά προσφέρουν και πιστότερη εικόνα του τρόπου με τον οποίο ο ανθρώπινος εγκέφαλος κατανοεί όσα βλέπει.

Το άρθρο στο ygeiax.gr: https://www.ygeiax.gr/news/techniti-noimosyni-giati-den-leitoyrgei-aparaitita-opos-o-anthropinos-egkefalos/30505

NETWORK