A IA generativa ajuda a explicar a memória e a imaginação humanas

Avanços recentes na IA generativa ajudam a explicar como as memórias nos permitem aprender sobre o mundo, reviver experiências antigas e construir experiências totalmente novas para imaginação e planeamento, de acordo com um novo estudo realizado por investigadores da UCL.

O estudo, publicado em Natureza Comportamento Humanousa um modelo computacional de IA – conhecido como rede neural generativa – para simular como as redes neurais no cérebro aprendem e lembram uma série de eventos (cada um representado por uma cena simples).

O modelo contou com redes representando o hipocampo e o neocórtex, para investigar como eles interagem. Sabe-se que ambas as partes do cérebro trabalham juntas durante a memória, a imaginação e o planejamento.

Autor principal, Ph.D. a estudante Eleanor Spens (Instituto de Neurociência Cognitiva da UCL), disse: “Avanços recentes nas redes generativas usadas em IA mostram como as informações podem ser extraídas da experiência para que possamos relembrar uma experiência específica e também imaginar com flexibilidade como poderiam ser novas experiências . Pensamos em lembrar como imaginar o passado com base em conceitos, combinando alguns detalhes armazenados com nossas expectativas sobre o que poderia ter acontecido.”

Os seres humanos precisam de fazer previsões para sobreviver (por exemplo, para evitar o perigo ou para encontrar comida), e as redes de IA sugerem como, quando reproduzimos memórias enquanto descansamos, isso ajuda o nosso cérebro a captar padrões de experiências passadas que podem ser usados ​​para fazer essas memórias. previsões.

Os pesquisadores reproduziram 10.000 imagens de cenas simples no modelo. A rede do hipocampo codificou rapidamente cada cena à medida que era vivenciada. Em seguida, ele repetiu as cenas repetidas vezes para treinar a rede neural generativa no neocórtex.

A rede neocortical aprendeu a passar a atividade dos milhares de neurônios de entrada (neurônios que recebem informações visuais) representando cada cena através de camadas intermediárias menores de neurônios (a menor contendo apenas 20 neurônios), para recriar as cenas como padrões de atividade em seus milhares. de neurônios de saída (neurônios que preveem a informação visual).

Isto fez com que a rede neocortical aprendesse representações “conceituais” altamente eficientes das cenas que captam o seu significado (por exemplo, a disposição das paredes e dos objetos) – permitindo tanto a recriação de cenas antigas como a geração de cenas completamente novas.

Consequentemente, o hipocampo foi capaz de codificar o significado de novas cenas que lhe foram apresentadas, em vez de ter de codificar cada detalhe, permitindo-lhe concentrar recursos na codificação de características únicas que o neocórtex não conseguia reproduzir – como novos tipos de objetos.

O modelo explica como o neocórtex lentamente adquire conhecimento conceitual e como, junto com o hipocampo, isso nos permite “reexperimentar” eventos, reconstruindo-os em nossas mentes.

O modelo também explica como novos eventos podem ser gerados durante a imaginação e o planejamento para o futuro, e por que as memórias existentes muitas vezes contêm distorções “essenciais” – nas quais características únicas são generalizadas e lembradas como mais parecidas com as características de eventos anteriores.

O autor sênior, Professor Neil Burgess (UCL Institute of Cognitive Neuroscience e UCL Queen Square Institute of Neurology), explicou: “A maneira como as memórias são reconstruídas, em vez de serem registros verídicos do passado, mostra-nos como o significado ou a essência de uma experiência é recombinado com detalhes únicos, e como isso pode resultar em preconceitos na forma como nos lembramos das coisas.”