Изучение процесса обучения показывает, что навыки, такие как выпечка хлеба, облегчают освоение новых рецептов, например, тортов. В отличие от людей, современные нейросети сталкиваются с трудностями, когда речь идет о схожих задачах. Исследователи из Принстона в статье, опубликованной в Nature, описали механизм, названный «когнитивными Лего». Это означает, что префронтальная кора не создает поведение заново, а комбинирует известные элементы. Эксперимент с макаками-резусами показал, что, сталкиваясь с похожими задачами, мозг использует одни и те же нейронные паттерны и подавляет нерелевантные блоки для улучшения фокуса. Тим Бушман, старший автор, сравнил когнитивные блоки с функциями в коде. В отличие от нейросетей, которые страдают от катастрофического забывания, человеческий мозг способен сохранять навыки. Открытие может привести к новым подходам в терапии психических расстройств и улучшению машинного обучения.
Вопрос-ответ
Что такое «когнитивные Лего» и как они работают?
«Когнитивные Лего» — это метафора, описывающая механизм работы префронтальной коры головного мозга. Согласно исследованию, мозг не создает новое поведение с нуля для каждой задачи, а вместо этого комбинирует уже существующие, известные нейронные паттерны (блоки), подобно сборке конструктора Лего. При решении схожих задач мозг активирует нужные блоки и подавляет нерелевантные, что позволяет быстро адаптироваться и фокусироваться.
В чем ключевое отличие работы человеческого мозга от современных нейросетей, согласно статье?
Основное отличие заключается в способности к переносу и сохранению навыков. Человеческий мозг, используя «когнитивные блоки», может применять уже освоенные навыки для решения новых, похожих задач (например, умение печь хлеб помогает научиться печь торт). В то же время, современные нейросети часто страдают от «катастрофического забывания» — при обучении новой задаче они могут потерять информацию, полученную ранее.
Какое практическое применение может иметь это открытие?
Открытие механизма «когнитивных Лего» имеет два основных потенциальных применения. Во-первых, оно может привести к разработке новых подходов в терапии психических расстройств, связанных с когнитивной негибкостью. Во-вторых, эти знания могут быть использованы для создания более совершенных систем машинного обучения, которые смогут преодолеть проблему «катастрофического забывания» и эффективнее переносить знания между задачами.