Curiosity shapes brain-like architectures and functions
Dit artikel toont aan dat het combineren van een baby-achtige nieuwsgierigheid met hersenachtige biofysische beperkingen voldoende is om de opkomst van complexe neuronale architecturen en cognitieve vermogens, zoals compositionele generalisatie, in kunstmatige neurale netwerken te drijven.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
De menselijke geest is een plek van eindeloze mogelijkheden. Van een handvol eenvoudige bouwstenen kunnen we oneindige gedachten construeren, plannen voor verre toekomsten maken en een wereld die nooit stopt met veranderen, betekenis geven. Al meer dan een eeuw brengen wetenschappers de gedragingen en hersencircuits in kaart die dit mogelijk maken, maar een fundamenteel mysterie blijft bestaan: hoe wordt een systeem bestaande uit eenvoudige onderdelen een geest die in staat is tot dergelijke diepgaande complexiteit? Een langgevestigde idee suggereert dat het brein niet vooraf bedraad is met elk antwoord. In plaats daarvan zou het zichzelf kunnen organiseren, waarbij het vorm krijgt door de interactie tussen biologische grenzen en de ervaringen die het door de tijd heen verzamelt. Het testen van deze theorie in een levend menselijk brein is echter onmogelijk; we kunnen de nieuwsgierigheid van een kind niet wegnemen of de bedrading van hun brein niet herarrangeren om te zien wat er gebeurt. Om dit puzzelstukje op te lossen, hebben onderzoekers zich gericht op een ander soort laboratorium: de computersimulatie. Door kunstmatige breinen te bouwen die specifieke regels volgen, kunnen wetenschappers zien hoe complexiteit voortkomt uit eenvoud, wat een venster biedt op hoe onze eigen geest vorm zou hebben gekregen.
In een nieuwe studie wilden onderzoekers zien of twee specifieke ingrediënten genoeg waren om een geest-achtige machine te bouwen. Ze namen een populatie kunstmatige neurale netwerken — computerprogramma's ontworpen om de manier waarop neuronen verbinding maken na te bootsen — en gaven ze twee menselijke eigenschappen. De eerste was een vorm van nieuwsgierigheid, gemodelleerd naar de manier waarop baby's de wereld verkennen. De tweede was een reeks fysieke beperkingen, die de biologische kosten nabootsen waar echte hersenen mee te maken hebben, zoals de energie die nodig is om lange verbindingen tussen verre delen van het brein te bouwen en te onderhouden. De onderzoekers wilden weten of deze twee factoren, werkend samen, de kunstmatige netwerken de complexe structuren en vermogens konden laten ontwikkelen die men in menselijke hersenen ziet.
Om de essentie van nieuwsgierigheid te vangen, bestudeerde het team eerst 275 zuigelingen, in de leeftijd van acht tot vijftien maanden. Ze observeerden hoe de baby's naar visuele patronen op een scherm keken, en merkten exact op wanneer ze besloten weg te kijken. De onderzoekers ontdekten dat de baby's niet willekeurig keken. In plaats daarvan gedroegen ze zich als foerageerders die op zoek zijn naar voedsel, maar hun "voedsel" was nieuwe informatie. De baby's bleven betrokken bij een patroon zolang het hen iets nieuws leerde. Op het moment dat het patroon geen nieuwe inzichten meer bood, en hun leren vertraagde, lieten ze zich afleiden en gingen ze verder. Dit gedrag past bij een principe uit de ecologie dat bekend staat als de marginale waarde-stelling (marginal value theorem), die voorspelt dat een agens een hulpbron moet verlaten wanneer het lokale rendement onder het gemiddelde rendement daalt dat beschikbaar is in de omgeving. De onderzoekers vertaalden deze regel naar een computeralgoritme, waardoor hun kunstmatige netwerken konden beslissen wanneer ze van taak moesten wisselen op basis van hoeveel ze op dat moment leerden.
Het tweede ingrediënt betrof de fysieke lay-out van de netwerken. Echte hersenen zijn niet zomaar een zak met neuronen; ze zijn gepakt in een schedel waar lange verbindingen duur zijn om te bouwen en te onderhouden. Om dit na te bootsen, plaatsten de onderzoekers hun kunstmatige netwerken in een virtuele ruimte die overeenkwam met de werkelijke geometrie van het menselijk brein. Ze bestraften de netwerken voor het creëren van langafstandsverbindingen, waardoor ze gedwongen werden efficiënt te zijn, net zoals de evolutie het menselijk brein heeft gedwongen te zijn. Vervolgens trainden ze deze netwerken op een batterij van twintig verschillende cognitieve taken, variërend van eenvoudige matchingsspelletjes tot complexe besluitvormingsuitdagingen. De netwerken waren vrij om te kiezen welke taak ze als volgende zouden oefenen, geleid door hun nieuwsgierigheidsalgoritme, terwijl ze beperkt werden door hun fysieke bedragskosten.
De resultaten waren opmerkelijk. De netwerken die nieuwsgierigheid combineerden met fysieke beperkingen, leerden niet alleen de taken; ze ontwikkelden interne structuren die verrassend veel leken op het menselijk brein. Hun verbindingen organiseerden zichzelf in duidelijke modules, vergelijkbaar met de gespecialiseerde regio's van het menselijk brein, en ze vormden een "rich club" van sterk verbonden hubs, een kenmerk dat cruciaal is voor efficiënte communicatie in de menselijke geest. Deze netwerken volgden ook een ontwikkelingspad dat de menselijke groei weerspiegelde. Net zoals menselijke hersenen een snelle explosie van verbindingen ervaren in de vroege kindertijd, gevolgd door een fase van langzame, zorgvuldige snoeiing die doorgaat tot in de volwassenheid, vertoonden deze kunstmatige netwerken een vergelijkbare stijging en daling in hun verbindingsdichtheid. De netwerken die het beste overeenkwamen met de menselijke hersenstructuur, vertoonden ook het meest menselijke patroon van cognitieve prestaties, waarbij ze verbeterden naarmate ze "ouder" werden en vervolgens geleidelijk afnamen, net zoals menselijke vermogens dat doen gedurende een leven.
Misschien wel het belangrijkste is dat deze menselijke netwerken een kenmerk van complex menselijk denken vertoonden: het vermogen om wat ze hadden geleerd te combineren. De onderzoekers testten dit door de interne verbindingen van de netwerken te bevriezen en hen nieuwe problemen te laten oplossen die een mengeling waren van de oude taken. Bijvoorbeeld, als een netwerk had geleerd om een afleiding te vermijden en had geleerd om een beslissing te nemen, kon het dan direct een nieuwe taak oplossen die beide vereiste? De door nieuwsgierigheid en fysieke beperkingen gedreven netwerken losten deze nieuwe combinaties snel op. Ze hoefden de basis niet opnieuw te leren; ze combineerden simpelweg de interne instrumenten die ze al hadden opgebouwd. In contrast hiermee slaagden netwerken die leerden zonder nieuwsgierigheid, of zonder de fysieke beperkingen, er niet in om deze verbindingen te leggen.
De studie suggereert dat nieuwsgierigheid niet louter een bijproduct is van het hebben van een complex brein; het is een drijfveer die helpt bij het bouwen van die complexiteit. Door actief op zoek te gaan naar nieuwe informatie en te stoppen wanneer het niet langer nuttig is, vormt een agens zijn eigen interne architectuur. Wanneer deze nieuwsgierigheid wordt gekoppeld aan de fysieke grenzen van een biologisch systeem, is het resultaat een structuur die in staat is tot flexibel, menselijk denken. De bevindingen bieden een nieuw perspectief op hoe de geest ontstaat, en suggereren dat de weg naar complexe cognitie niet gaat over het bouwen van grotere of krachtigere systemen, maar over het laten ontvouwen van eenvoudige beperkingen en actieve exploratie door de tijd heen. Deze benadering biedt een toetsbaar kader voor het begrijpen van hoe de wisselwerking tussen biologie en ervaring de onbegrensde reikwijdte van gedachten creëert die de menselijke ervaring definiëren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.