Een nieuw onderzoek van de Granger School of Engineering van de Universiteit van Illinois in Urbana-Champaign laat zien dat de vroegste sensorische cortex van de hersenen niet alleen verantwoordelijk is voor het ‘passief ontvangen’ van informatie, maar ook een onverwachte actieve rol speelt in het besluitvormingsproces. Deze ontdekking daagt het klassieke model van hiërarchische en stapsgewijze verwerking van de hersenen uit. Het onderzoeksteam is van mening dat deze meer dynamische, tweerichtingsinteractieve neurale organisatiemethode naar verwachting in de toekomst nieuwe inspiratie zal bieden voor een laag energieverbruik en een zeer efficiënte kunstmatige intelligentie-architectuur.

De traditionele opvatting is dat het besluitvormingsproces van de hersenen over het algemeen een hiërarchisch ‘bottom-up’-pad volgt: informatie komt binnen vanuit vroege sensorische gebieden, zoals het gezichtsvermogen, het gehoor of de somatosensorische gebieden, en wordt geleidelijk doorgegeven aan de associatiecortex en de frontale cortex op een hoger niveau, en uiteindelijk worden de integratie en besluitvorming voltooid in deze ‘centra van hogere orde’. Het is gebaseerd op dit inzicht dat de meeste kunstmatige-intelligentiesystemen, zoals convolutionele neurale netwerken, een vergelijkbare hiërarchische structuur aannemen, waarbij intelligentie wordt gezien als het resultaat van informatie die laag voor laag in een vaste richting wordt verwerkt en "beslissingen neemt" op het hoogste niveau. Naarmate het begrip van natuurlijke intelligentie zich echter verdiept, beginnen steeds meer wetenschappers dit al te vereenvoudigde ‘lopende band’-model in twijfel te trekken.

Dit onderzoek werd geleid door Yurii Vlasov, een professor aan de afdeling Electrical and Computer Engineering aan de Universiteit van Illinois, en het artikel werd gepubliceerd in de Proceedings of the National Academy of Sciences (PNAS). Het onderzoeksteam koos ervoor om de hersenen opnieuw te onderzoeken vanaf systeemniveau, waarbij ze het beschouwden als een ‘natuurlijk intelligentie’-systeem gevormd door evolutie, waarbij de nadruk werd gelegd op feedbackloops en tweerichtingsinformatiestromen tussen verschillende hersengebieden, in plaats van een seriële verwerkingsketen in één richting. In dit raamwerk wordt besluitvorming gezien als het resultaat van voortdurende interactie en gelijktijdig ontstaan ​​tussen meerdere hersengebieden, in plaats van als een instructie die 'unidirectioneel wordt uitgegeven' door regio's van hogere orde.

Een onderscheidend kenmerk van natuurlijke intelligentie is hoge efficiëntie en energiebesparing: bij het voltooien van complexe perceptie-, cognitie- en besluitvormingstaken is het energieverbruik van het menselijk brein veel lager dan dat van de meeste kunstmatige intelligentiesystemen van vandaag. Om de bron van deze efficiëntie te begrijpen, beperkt het onderzoeksteam zich niet tot een bepaalde functionele module, maar vertrekt het vanuit de algehele architectuur en onderzoekt het de samenwerking tussen verschillende gebieden. Vlasov zei dat inzicht in hoe het brein besluitvormingsberekeningen op architectonisch niveau organiseert, naar verwachting de technische gemeenschap zal helpen bij het ontwerpen van kunstmatige-intelligentiesystemen van de volgende generatie die effectiever, energiebesparender en ‘slimmer’ zijn.

Wat het specifieke experimentele ontwerp betreft, concentreerden de onderzoekers zich op de vroegste verwerkingsfase van de hersenen, dat wil zeggen het gebied dat verantwoordelijk is voor sensatie en perceptie. Ze voerden experimenten uit met muizen, waardoor de dieren zich in een virtual reality-gang konden bewegen, de omgeving door hun tentakels konden waarnemen en perceptuele beslissingen konden nemen over links of rechts draaien. Tijdens dit proces registreerden de onderzoekers de activiteit van neuronen in een groot deel van de hersenen van muizen, waarbij bijzondere aandacht werd besteed aan het responspatroon van de primaire somatosensorische cortex (S1).

De resultaten waren onverwacht: signalen gerelateerd aan besluitvorming werden duidelijk vastgelegd in de primaire somatosensorische cortex, die van oudsher werd gezien als ‘het verwerken van alleen basissensaties’. Dit laat zien dat het besluitvormingsproces niet alleen aan de ‘achterkant’ van de hogere orde cortex wordt geïnitieerd, maar dat voor de hand liggende besluitvormingsrepresentaties al zichtbaar zijn in de sensorische verwerkingsfase in de voorhoede van de hersenen. Met andere woorden, het vroege zintuiglijke gebied bundelt en uploadt niet simpelweg ‘ruwe gegevens’, maar is betrokken bij het coderen van actiekeuzes op een zeer vroeg tijdstip.

Verdere analyse heeft uitgewezen dat de activiteit van de primaire somatosensorische cortex niet geïsoleerd plaatsvindt, maar aanzienlijk wordt gemoduleerd door feedback van hersengebieden van hogere orde. Dit top-down feedbacksignaal, samen met bottom-up sensorische input, vormt het patroon van neurale activiteit in S1. Het is duidelijk dat de hersenen zich niet lineair voortbewegen langs één enkel pad "van perceptie naar besluitvorming", maar voortdurend informatie uitwisselen via feedbackloops tussen meerdere niveaus om de interpretatie van externe informatie en de gedragskeuze te voltooien.

Vlasov wees erop dat de ‘neurale codering’ van de hersenen nog steeds een niet-ontcijferde taal is, maar dat het begrijpen van deze feedbackloops en dynamische interacties vanaf systeemniveau al waardevolle inspiratie kan bieden voor het ontwerp van kunstmatige neurale netwerken. De huidige kunstmatige intelligentie vertoont nog steeds duidelijke tekortkomingen op het besluitvormingsniveau. Natuurlijke intelligentie kan berekeningen echter voltooien met een energieverbruik dat veel lager is dan dat van moderne hardwaresystemen met dezelfde of zelfs complexere taken. De architectonische ervaring hierachter is de ingenieursgemeenschap waardig om 'van de natuur te leren'.

Hoewel dit werk niet voldoende is om direct een technische blauwdruk te bieden voor het bouwen van “betere AI”, gelooft het onderzoeksteam dat het een perspectief biedt van waaruit kunstmatige intelligentie opnieuw kan worden bekeken. Door systematisch te bestuderen hoe het brein informatie organiseert en verwerkt, wordt van onderzoekers verwacht dat ze een reeks overdraagbare principes samenvatten om de verbetering van kunstmatige intelligentie te begeleiden op het gebied van architectuur, energie-efficiëntie en besluitvormingsmechanismen. Toekomstige AI-systemen moeten mogelijk breken met het strikte gelaagdheids- en eenrichtingscommunicatiekader en in plaats daarvan meer dynamische feedback en parallelle interactiestructuren introduceren, vergelijkbaar met biologische hersenen.

Vervolgens is het team van Vlasov van plan veranderingen in de hersenactiviteit in de tijdsdimensie te blijven volgen, waarbij de nadruk zal liggen op het bestuderen van de snelle temporele dynamiek van neurale activiteit. Ze ontwikkelen nieuwe hulpmiddelen om neurale signalen met grotere precisie te meten en analyseren, en proberen te ontdekken hoe feedbackloops betrokken zijn bij de besluitvorming op basis van gegevens met een hogere temporele resolutie. Volgens hem kunnen we alleen door te zien hoe deze feedbackloops in de tijd worden geactiveerd en hoe ze worden gevormd en gereconstrueerd tussen verschillende verwerkingsniveaus de werking van natuurlijke intelligentie echt begrijpen en transformeren in de ontwerpbasis voor een nieuwe generatie kunstmatige intelligentie-architectuur.