המוח האנושי גמיש יותר מ-AI: סוד ה'בלוקים הקוגניטיביים'

מודלים של בינה מלאכותית יכולים לכתוב מאמרים זוכי פרסים ולאבחן מחלות בדיוק מדהים, אך המוח הביולוגי שומר על יתרון מכריע בתחום אחד: גמישות. בני אדם מסוגלים להסתגל במהירות למידע חדש ולאתגרים לא מוכרים – ללמוד תוכנת מחשב חדשה, לעקוב אחר מתכון או לשחק במשחק חדש – בעוד שמערכות AI מתקשות ללמוד 'בזמן אמת' ובאופן מתמשך.

מחקר חדש מאוניברסיטת פרינסטון חושף אחת מהסיבות ליתרון זה: המוח משתמש שוב ושוב באותם 'בלוקים קוגניטיביים' במגוון רחב של משימות. על ידי שילוב ועירוב מחדש של הבלוקים הללו, המוח יכול להרכיב במהירות התנהגויות חדשות.

"מודלים AI מתקדמים יכולים להגיע לביצועים ברמה אנושית, ואפילו על-אנושית, במשימות ספציפיות. אבל הם מתקשים ללמוד ולבצע משימות שונות רבות. מצאנו שהמוח גמיש מפני שהוא יכול לשלב מחדש רכיבים קוגניטיביים במגוון משימות. על ידי חיבור 'לגו קוגניטיבי', המוח בונה משימות חדשות," אמר טים בושמן, דוקטור, מחבר בכיר במחקר ומנהל שותף במכון לנוירו-מדע של פרינסטון.

הממצאים פורסמו ב-26 בנובמבר בכתב העת Nature.

שימוש מחדש בכישורים לאתגרים חדשים

אם מישהו יודע לרכוב על אופניים, תיקון אופנוע עשוי להיות טבעי יותר עבורו. היכולת ללמוד משהו חדש באמצעות שימוש מחדש בכישורים פשוטים ממשימות קשורות נקראת קומפוזיציונליות (compositionality).

"אם אתה כבר יודע לאפות לחם, אתה יכול להשתמש ביכולת זו כדי לאפות עוגה בלי ללמוד אפייה מאפס מחדש," אמר סינה טפזולי, דוקטור, חוקר פוסט-דוקטורט במעבדה של בושמן בפרינסטון ומחבר ראשי במחקר. "אתה משתמש מחדש בכישורים קיימים – שימוש בתנור, מדידת מרכיבים, לישת בצק – ומשלב אותם עם חדשים, כמו טילוף בצק וערבוב קצפת, כדי ליצור משהו שונה לחלוטין."

כדי להבהיר כיצד המוח משיג משאב רב-תכליתיות זו, טפזולי אימן שני קופי rhesus macaques זכרים לביצוע שלוש משימות קשורות תוך מעקב אחר פעילות מוחם.

במקום אפיית לחם או תיקון אופניים, הקופים ביצעו שלוש משימות סיווג. בדומה לניסיון לפענח כתב יד מעורפל של רופא, הקופים נדרשו לשפוט אם כתם צבעוני דמוי בלון על מסך נראה יותר כמו ארנב או האות 'T' (סיווג צורה) או אם הוא יותר אדום או ירוק (סיווג צבע).

המשימה הייתה מאתגרת: הכתמים השתנו ברמת העורפלות שלהם, לפעמים דמו באופן ברור לארנב או לאדום רווי, ולפעמים ההבחנות היו עדינות.

כדי לציין מה הם חשבו שהכתם הוא, הקוף 'הגיב' על ידי הסתכלות לאחד מארבעה כיוונים שונים. במשימה אחת, הסתכלות שמאלה פירושה ארנב, וימינה – 'T'.

מאפיין מרכזי בעיצוב הניסוי היה שכל משימה הייתה ייחודית, אך חלקה אלמנטים עם האחרות. משימת צבע אחת ומשימת הצורה דרשו הסתכלות באותם כיוונים, בעוד שמשימות הצבע דרשו סיווג צבע זהה (יותר אדום או ירוק) אך הסתכלויות שונות.

עיצוב זה אפשר לבדוק אם המוח משתמש מחדש בתבניות נוירונליות – בלוקי הבנייה הקוגניטיביים שלו – במגוון משימות עם רכיבים משותפים.

בלוקים בונים גמישות קוגניטיבית

לאחר ניתוח תבניות הפעילות במוח, טפזולי ובושמן מצאו שהקורטקס הפרה-פרונטלי – אזור בחלק הקדמי של המוח הקשור לקוגניציה גבוהה – מכיל תבניות פעילות משותפות רבות, שניתן לשימוש מחדש על פני נוירונים העובדים למטרה משותפת, כמו הבחנה בין צבעים.

בושמן תיאר אותם כ'לגו קוגניטיבי' של המוח – בלוקי בנייה שניתן לשלב בגמישות כדי ליצור התנהגויות חדשות.

"אני חושב על בלוק קוגניטיבי כפונקציה בתוכנית מחשב," אמר בושמן. "קבוצת נוירונים אחת עשויה להבחין בצבע, והפלט שלה יכול להיות ממופה לפונקציה אחרת שמניעה פעולה. ארגון זה מאפשר למוח לבצע משימה על ידי ביצוע רציף של כל רכיב בה."

כדי לבצע משימת צבע, החיה חיברה בלוק שמחשב את צבע התמונה עם בלוק שמניע את העיניים לכיוונים שונים. בעת מעבר למשימות אחרות, כמו מצבע לצורה, המוח פשוט חיבר את הבלוקים הרלוונטיים.

שיתוף הבלוקים נצפה בעיקר בקורטקס הפרה-פרונטלי, ולא באזורים אחרים, מה שמצביע על כך שקומפוזיציונליות זו היא תכונה ייחודית של אזור זה.

טפזולי ובושמן גם מצאו שהקורטקס הפרה-פרונטלי משתיק בלוקים קוגניטיביים כשהם לא בשימוש, כדי לעזור למוח להתמקד במשימה הרלוונטית.

"למוח יש קיבולת מוגבלת לשליטה קוגניטיבית," אמר טפזולי. "צריך לדחוס חלק מהיכולות כדי להתמקד באלו החשובות כעת. התמקדות בסיווג צורה, לדוגמה, מפחיתה זמנית את היכולת לקודד צבע כי המטרה היא הבחנת צורה, לא צבע."

דרך יעילה יותר ללמידה – עבור AI ומטופלים

בלוקים קוגניטיביים אלה עשויים להסביר מדוע בני אדם לומדים משימות חדשות כל כך מהר. על ידי שימוש ברכיבים מנטליים קיימים, המוח ממזער למידה מיותרת – טריק שמערכות AI עדיין לא אומנו בו.

"בעיה מרכזית בלמידת מכונה היא הפרעה קטסטרופלית," אמר טפזולי. "כשמודל נוריוני לומד משהו חדש, הוא שוכח ומחליף זיכרונות קודמים. אם רשת נוירונים מלאכותית יודעת לאפות עוגה ואז לומדת לאפות עוגיות, היא תשכח לאפות עוגה."

בעתיד, שילוב קומפוזיציונליות ב-AI עשוי לסייע ליצור מערכות שלומדות כישורים חדשים באופן רציף מבלי לשכוח ישנים.

תובנה זו עשויה גם לשפר את הרפואה עבור הפרעות נוירולוגיות ופסיכיאטריות. מצבים כמו סכיזופרניה, הפרעה טורדנית כפייתית ופגיעות מוח מסוימות פוגעים לעיתים ביכולת ליישם כישורים מוכרים בהקשרים חדשים – אולי בשל שיבושים בשילוב מחדש של בלוקי הבנייה הקוגניטיביים של המוח.

"דמיינו שנוכל לעזור לאנשים להשיב את היכולת לשנות אסטרטגיות, ללמוד שגרות חדשות או להסתגל לשינויים," אמר טפזולי. "בטווח הארוך, הבנה כיצד המוח משתמש מחדש ומשלב ידע עשויה לסייע בעיצוב טיפולים שמשקמים את התהליך הזה."

המחקר מדגיש מגבלה מרכזית בבינה מלאכותית נוכחית ומציע כיוונים חדשים לשיפור AI ולטיפול רפואי.