Hoe leren hersenen eigenlijk? Moderne AI leert met een rekentechniek die backpropagation heet, maar neurowetenschappers denken dat het brein zo niet werkt. Onderzoekers van het McGovern Institute van MIT hebben nu een netwerk gebouwd dat zijn eigen leermechanisme opbouwt, met regels die dichter bij de biologie liggen.
Wat deden de onderzoekers?
Het team begon met een netwerk van meerdere lagen kunstmatige neuronen die willekeurig met elkaar verbonden waren. Elk neuron in een laag volgt dezelfde eenvoudige regels voor het aanpassen van zijn verbindingen, in de geest van het bekende principe dat verbindingen sterker worden als neuronen tegelijk actief zijn.
Uit die regels ontstaan vanzelf kleine terugkerende patronen in de verbindingen, die als bouwstenen dienen. Die bouwstenen passen zich vervolgens aan op basis van fouten, vergelijkbaar met de optimalisatiemethode die in vrijwel alle moderne AI wordt gebruikt. Er is dus geen ontwikkelaar die het leerproces stap voor stap voorschrijft.
Het resultaat
Het zelforganiserende netwerk leerde patronen herkennen en afbeeldingen indelen, met prestaties die volgens de onderzoekers vergelijkbaar waren met netwerken die met backpropagation zijn getraind. Het onderzoek verscheen op 9 oktober in het wetenschappelijke tijdschrift PNAS. Eerste auteurs zijn Qianli Liao, Liu Ziyin en Yulu Gan.
Wat betekent het?
Het gaat om fundamenteel onderzoek, niet om een product. De onderzoekers zijn zelf voorzichtig: dat een netwerk zichzelf kan organiseren, betekent niet dat het brein op dezelfde manier leert. Liao noemt het een belangrijk startpunt. Bovendien kunnen de regels in het brein per hersengebied verschillen of veranderen naarmate iemand ouder wordt.
Op langere termijn kan dit soort kennis volgens het team helpen bij hersen-computerinterfaces en bij behandelingen voor aandoeningen die met veroudering of ziekte samenhangen. Ook zou het kunnen leiden tot AI-systemen die beter of meer mensachtig leren.
