درک مغز با توضیحات و آزمایش‌های مبتنی بر هوش مصنوعی: معرفی چارچوب GCT توسط Microsoft Research

شرح خبر

پژوهشگران Microsoft Research در همکاری با دانشگاه‌های کالیفرنیا، برکلی، دانشگاه کالیفرنیا، سان فرانسیسکو و دانشگاه کلمبیا، چارچوبی نوین به نام تست علّی مولد (GCT) را توسعه داده‌اند که مدل‌های پیش‌بینی مغز مبتنی بر LLM را به توضیحات کوتاه و قابل خواندن درباره واکنش هر بخش از قشر مغز تبدیل می‌کند. این توضیحات، مانند «آماده‌سازی غذا» یا «نام مکان‌ها»، سپس توسط یک LLM برای نوشتن داستان‌های جدیدی استفاده می‌شوند که برای فعال‌سازی نواحی هدف مغز طراحی شده‌اند. در آزمایش‌ها با دستگاه fMRI، اگر توضیح صحیح باشد، ناحیه مغزی مربوطه فعال می‌شود. GCT توانسته است انتخاب‌پذیری‌های شناخته شده را تأیید کند، نواحی پردازش مکان همسایه را از هم جدا کند و ریزناحیه‌های پیش‌پیشانی کوچک تنظیم شده برای مفاهیم خاصی مانند گفتگو، زمان‌های ساعت و اندازه‌گیری‌ها را آشکار سازد. مدل‌های مبتنی بر LLM می‌توانند واکنش مغز انسان به زبان را با دقت بالایی پیش‌بینی کنند، اما پارامترهای این مدل‌ها غیرقابل خواندن هستند. پژوهشگران Microsoft Research، دانشگاه کالیفرنیا، برکلی، دانشگاه کالیفرنیا، سان فرانسیسکو و دانشگاه کلمبیا چارچوبی به نام GCT را معرفی کرده‌اند که این مدل‌ها را به توضیحات کوتاه و قابل آزمایش تبدیل می‌کند. GCT با استفاده از LLM داستان‌های جدیدی می‌نویسد که برای فعال‌سازی نواحی خاص مغز طراحی شده‌اند. در آزمایش‌ها، GCT توانسته است نواحی مغزی را با دقت بالا شناسایی و تأیید کند. این روش می‌تواند شکاف بین پیش‌بینی و درک را در علوم اعصاب محاسباتی پر کند. GCT گامی مهم در حل مشکل توضیح‌پذیری در علوم اعصاب محاسباتی است. این چارچوب نه تنها مدل‌های جعبه سیاه را به نظریه‌های قابل آزمایش تبدیل می‌کند، بلکه امکان کشف ریزناحیه‌های مغزی با عملکردهای تخصصی را فراهم می‌آورد. این پیشرفت می‌تواند درک ما از نحوه پردازش زبان توسط مغز را به طور اساسی تغییر دهد و راه را برای تحقیقات آینده در زمینه هوش مصنوعی و علوم اعصاب هموار کند. این پژوهش می‌تواند برای شرکت‌هایی مانند Microsoft و سایر غول‌های فناوری که در حوزه هوش مصنوعی و علوم اعصاب سرمایه‌گذاری می‌کنند، ارزشمند باشد. توسعه ابزارهایی مانند GCT می‌تواند به بهبود مدل‌های LLM و کاربردهای آنها در حوزه‌های پزشکی و شناختی منجر شود. اگرچه ایران به طور مستقیم در این پژوهش مشارکت ندارد، اما دستاوردهای آن می‌تواند برای پژوهشگران و شرکت‌های ایرانی فعال در حوزه هوش مصنوعی و علوم اعصاب الهام‌بخش باشد. این روش‌ها می‌توانند در تحقیقات داخلی برای درک بهتر مغز و توسعه مدل‌های هوش مصنوعی مورد استفاده قرار گیرند. GCT می‌تواند تأثیرات حقوقی و فنی مهمی داشته باشد، به ویژه در زمینه مالکیت فکری و استفاده از داده‌های مغزی. این چارچوب می‌تواند به توسعه استانداردهای جدیدی برای توضیح‌پذیری و اعتبارسنجی مدل‌های هوش مصنوعی کمک کند. این پژوهش نشان‌دهنده همکاری بین دانشگاه‌ها و شرکت‌های آمریکایی است و می‌تواند بر رقابت جهانی در حوزه هوش مصنوعی و علوم اعصاب تأثیر بگذارد. کشورهایی که در این حوزه سرمایه‌گذاری می‌کنند، ممکن است از این دستاوردها برای پیشرفت‌های استراتژیک استفاده کنند. Microsoft Research Blog پژوهشگران با استفاده از GCT، مدل‌های پیش‌بینی مغز را به توضیحات قابل خواندن و آزمایش تبدیل کردند. این روش می‌تواند انقلاب در علوم اعصاب ایجاد کند.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.