Αρκεί μια ματιά σε μια εικόνα – είτε απεικονίζει ένα ορεινό μονοπάτι, έναν πολυσύχναστο δρόμο ή την επιφάνεια μιας λίμνης – για να αντιληφθούμε σχεδόν ακαριαία τι μπορούμε να κάνουμε μέσα σε αυτό το περιβάλλον. Θα περπατήσουμε; Θα κάνουμε ποδήλατο ή μήπως θα κολυμπήσουμε; Ή, αντιθέτως, θα καταλάβουμε ότι το έδαφος δεν επιτρέπει καμία απολύτως κίνηση; Όσο αυτονόητη κι αν φαίνεται αυτή η ικανότητα, στην πραγματικότητα είναι ένα θαύμα νευρωνικής επεξεργασίας – μια δεξιότητα που ο ανθρώπινος εγκέφαλος έχει τελειοποιήσει, αλλά η τεχνητή νοημοσύνη δεν έχει ακόμη κατακτήσει.
Μια πρόσφατη μελέτη του Clemens Bartnik, υποψήφιου διδάκτορα, σε συνεργασία με την ερευνητική ομάδα της Iris Groen, έρχεται να φωτίσει αυτή ακριβώς τη λειτουργία. Η έρευνα εστιάζει στο πώς ο εγκέφαλος αναγνωρίζει ενστικτωδώς τις «δυνατότητες δράσης» σε ένα περιβάλλον – μια ικανότητα που, παρά τις τεράστιες εξελίξεις, οι πιο προηγμένοι αλγόριθμοι AI δυσκολεύονται ακόμη να αναπαραγάγουν.
Διάβασε ακόμα: Είστε πιο ευέξαπτοι όταν ο υδράργυρος «χτυπάει κόκκινο»; Η επιστήμη έχει την απάντηση
Η μελέτη διεξήχθη με τη βοήθεια λειτουργικής μαγνητικής τομογραφίας (fMRI), καθώς οι συμμετέχοντες κλήθηκαν να παρατηρήσουν εικόνες από εσωτερικούς και εξωτερικούς χώρους. Πατώντας ένα κουμπί, έπρεπε να απαντήσουν αν το εκάστοτε περιβάλλον τους καλούσε σε δράση – να περπατήσουν, να οδηγήσουν, να ποδηλατήσουν, να κολυμπήσουν, να πλεύσουν ή να σκαρφαλώσουν. Ταυτόχρονα, οι ερευνητές κατέγραφαν τη νευρωνική τους δραστηριότητα.
«Αναρωτηθήκαμε: όταν βλέπουμε ένα περιβάλλον, περιοριζόμαστε στο να αναγνωρίσουμε χρώματα και αντικείμενα ή μπορούμε και να διακρίνουμε τι μπορούμε να κάνουμε μέσα σε αυτό;» εξηγεί η Groen. Στην ψυχολογία, αυτές οι εν δυνάμει δράσεις ονομάζονται “affordances” – ένας όρος που περιγράφει τις δυνατότητες που προσφέρει το περιβάλλον σε έναν οργανισμό, όπως το να ανεβεί κανείς σκάλες ή να τρέξει σε έναν ανοιχτό χώρο.
Τα ευρήματα της μελέτης ήταν εντυπωσιακά: περιοχές του οπτικού φλοιού του εγκεφάλου ενεργοποιούνταν με τρόπο που δεν μπορούσε να εξηγηθεί μόνο από την αναγνώριση αντικειμένων. Με άλλα λόγια, ο εγκέφαλος δεν κατέγραφε απλώς τι έβλεπε, αλλά και τι μπορούσε να κάνει με αυτό που έβλεπε. Και το πιο αξιοσημείωτο; Αυτή η επεξεργασία λάμβανε χώρα ακόμη και όταν οι συμμετέχοντες δεν είχαν ρητά ερωτηθεί να σκεφτούν ενδεχόμενη δράση. Όπως υπογραμμίζει η Groen, αυτό αποδεικνύει πως η ικανότητα να αντιλαμβανόμαστε τις «ευκαιρίες δράσης» είναι βαθιά ενσωματωμένη στον τρόπο με τον οποίο ο εγκέφαλός μας επεξεργάζεται τον κόσμο.
Η ερευνητική ομάδα προχώρησε και σε σύγκριση αυτής της ικανότητας με τις επιδόσεις σύγχρονων μοντέλων τεχνητής νοημοσύνης, όπως το GPT-4. Παρά την εκπαίδευσή τους για να αναγνωρίζουν πιθανές δράσεις μέσα από εικόνες, τα αποτελέσματα των AI μοντέλων δεν κατάφεραν να προσεγγίσουν τα πρότυπα λειτουργίας του ανθρώπινου εγκεφάλου.
«Ακόμα και τα πιο εξελιγμένα μοντέλα δεν απαντούν με τον ίδιο τρόπο που απαντούν οι άνθρωποι – κι αυτό ενώ για εμάς είναι σχεδόν αυτονόητο», παρατηρεί η Groen. Ο λόγος, σύμφωνα με την ίδια, βρίσκεται στο ότι η ανθρώπινη αντίληψη είναι βαθιά συνδεδεμένη με τη φυσική μας εμπειρία και την αλληλεπίδρασή μας με τον κόσμο. Αντίθετα, τα συστήματα τεχνητής νοημοσύνης κινούνται εντός ενός απολύτως ψηφιακού πεδίου, δίχως πραγματική εμπειρία σώματος, βαρύτητας ή αφής.
Διαβάστε επίσης: 10 φράσεις που «μαρτυρούν» δυστυχία, σύμφωνα με την ψυχολογία
Η έρευνα αυτή δεν περιορίζεται στην κατανόηση της ανθρώπινης αντίληψης – ανοίγει και τον δρόμο για τη βελτίωση συστημάτων τεχνητής νοημοσύνης. Σε τομείς όπως η ρομποτική ή η αυτόνομη οδήγηση, η ικανότητα αναγνώρισης όχι μόνο των αντικειμένων αλλά και των εφικτών δράσεων σε ένα περιβάλλον, είναι κρίσιμη. Ένα ρομπότ σε περιοχή φυσικής καταστροφής ή ένα αυτοκινούμενο όχημα δεν αρκεί να “δει” έναν δρόμο – πρέπει και να κατανοήσει αν μπορεί να τον διασχίσει.
Παράλληλα, η Groen επισημαίνει ότι η κατανόηση της λειτουργίας του ανθρώπινου εγκεφάλου μπορεί να οδηγήσει στην ανάπτυξη πιο βιώσιμων και προσβάσιμων τεχνολογιών. Σήμερα, η εκπαίδευση συστημάτων τεχνητής νοημοσύνης απαιτεί τεράστια ενεργειακά αποθέματα και πόρους – συχνά διαθέσιμους μόνο σε γιγάντιες τεχνολογικές εταιρείες. Αντλώντας έμπνευση από τη νευρωνική μας οικονομία, ίσως καταφέρουμε να σχεδιάσουμε πιο αποδοτικά, έξυπνα και «ανθρώπινα» συμβατά τεχνητά συστήματα.
Με πληροφορίες από uva.nl
