Люди, умеющие печь хлеб, легко осваивают рецепты тортов, используя уже знакомые навыки. Исследования показывают, что префронтальная кора мозга не создает новое поведение с нуля, а комбинирует его из известных «модульных блоков». Это открытие, описанное в статье в Nature, было сделано исследователями из Принстона, которые обучили макак-резусов трем задачам визуальной категоризации. Анализ активности их мозга показал, что при решении пересекающихся задач используются одни и те же нейронные паттерны. Важно и то, что мозг подавляет нерелевантные «блоки», что позволяет сосредоточиться и избегать перегрузки. Тим Бушман, один из авторов, сравнивает когнитивные блоки с функциями в программировании. Нейросети, напротив, сталкиваются с катастрофическим забыванием, перезаписывая старые знания. Эти результаты могут привести к созданию более эффективных ИИ и помочь в терапии расстройств, связанных с потерей гибкости мозга.
Вопрос-ответ
Как наш мозг осваивает новые задачи согласно исследованию?
Исследование показывает, что мозг не создает новое поведение «с нуля», а комбинирует его из уже известных «модульных блоков» — знакомых навыков и нейронных паттернов. При решении пересекающихся задач префронтальная кора использует одни и те же готовые блоки, адаптируя их к новой цели.
Какую роль играет подавление информации в процессе обучения?
Подавление нерелевантных «блоков» является ключевым механизмом. Это позволяет мозгу сосредоточиться на конкретной задаче и избегать когнитивной перегрузки, отфильтровывая ненужную в данный момент информацию и активируя только необходимые навыки.
В чем главное отличие работы мозга от принципов современных нейросетей, описанное в статье?
В отличие от мозга, который повторно использует и комбинирует знания, многие нейросети сталкиваются с «катастрофическим забыванием». Это означает, что при обучении новому они могут полностью перезаписать и утратить старые знания, в то время как мозг сохраняет их в виде модульных блоков.
Какие практические применения могут быть у этого открытия?
Результаты исследования могут привести к созданию более эффективных систем искусственного интеллекта, способных обучаться без потери старых данных. Также это открытие может помочь в разработке терапии для неврологических расстройств, связанных с потерей гибкости мышления.