Как учёные используют ИИ для разгадки человеческого сознания с помощью нейронных сетей

Нейронные сети и человеческий мозг

Современные системы ИИ, особенно нейронные сети, сильно отличаются от человеческого мозга по уровню энергопотребления и способам обучения. Малыш учится языку с минимальными ресурсами, тогда как ИИ требует огромных данных и вычислительной мощности. Тем не менее, и мозг человека, и нейронные сети состоят из миллионов нейронов — биологических у людей и симулированных у ИИ. Оба способны создавать беглую и гибкую речь, но механизмы их работы остаются загадкой.

Создание мозго-подобных нейронных сетей для понимания когниции

Нейроучёные считают, что создание нейронных сетей, имитирующих работу мозга, — перспективный путь к пониманию когниции. Недавно в журнале Nature вышли две статьи, демонстрирующие использование нейронных сетей для предсказания поведения в психологических экспериментах. Эти исследования показывают, что ИИ может способствовать пониманию человеческого и животного разума, хотя предсказание поведения и объяснение механизмов — разные задачи.

Модель Centaur: фундаментальная модель человеческого сознания

В одном из исследований большую языковую модель Llama 3.1 компании Meta доработали на основе данных 160 психологических экспериментов, включавших выбор игровых автоматов и запоминание последовательностей. Полученная модель Centaur превзошла традиционные психологические модели в предсказании поведения. Это позволяет учёным симулировать эксперименты на компьютере, экономя ресурсы. Авторы считают, что анализ работы Centaur может привести к новым теориям о работе разума.

Скептицизм относительно объяснительной силы ИИ-моделей

Некоторые психологи сомневаются в способности Centaur объяснить человеческий разум. Несмотря на лучшие предсказания, у Centaur миллиард параметров, в отличие от простых моделей. Способность модели имитировать поведение не означает, что она функционирует как мозг. Оливия Гест, учёный в области вычислительной когнитивной науки, сравнивает Centaur с калькулятором, который предсказывает ответ на сложение, не раскрывая, как люди считают.

Сложности понимания больших моделей ИИ

Извлечь инсайты из ИИ с миллионами нейронов очень сложно. Исследователи всё ещё пытаются понять, как работают большие языковые модели. Понять сложную нейронную сеть, моделирующую человеческий разум, может быть так же трудно, как понять сам мозг.

Альтернатива: крошечные нейронные сети для предсказания поведения

Второе исследование в Nature посвящено очень маленьким нейронным сетям, иногда из одного нейрона, которые могут предсказывать поведение мышей, крыс, обезьян и людей. Малый размер позволяет отслеживать активность каждого нейрона и изучать, как формируются предсказания. Хотя эти модели не обязательно функционируют как мозг, они помогают выдвигать проверяемые гипотезы о когнитивных процессах.

Баланс между точностью предсказания и понятностью

В отличие от Centaur, работающего с множеством задач, маленькие сети специализируются на одной, что ограничивает сложность, но улучшает понимание. Марсело Маттар, руководитель исследования маленьких сетей, отмечает, что для сложного поведения нужны большие сети, которые трудно понять. Это отражает фундаментальную дилемму в науке, основанной на нейронных сетях, между точностью и интерпретируемостью.

Прогресс и текущие вызовы

Исследования, как у Маттара, и работа над интерпретацией моделей в Anthropic постепенно сокращают разрыв между предсказанием и пониманием. Однако наше понимание сложных систем — от человеческого разума до климата и белков — всё ещё отстаёт от наших возможностей предсказывать их поведение.

Эта статья впервые была опубликована в новостной рассылке The Algorithm.