ادامه...

پژوهش تازه‌ای نشان می‌دهد که برخی شبکه‌های عصبی مصنوعی می‌توانند از راهبردهایی برای تصمیم‌گیری استفاده کنند که در برخی جنبه‌ها به نحوه پردازش اطلاعات در مغز انسان و حیوان شباهت دارد.

وقتی این مدل‌ها بین چند گزینه تصمیم می‌گیرند، اطلاعات گوناگون را در شبکه‌ای از واحدهای پردازشی با هم ترکیب می‌کنند. این فرایند از نظر کلی به عملکرد شبکه‌های عصبی مغز شباهت دارد؛ جایی که تصمیم نهایی حاصل فعالیت هم‌زمان تعداد زیادی نورون است، نه یک «مرکز تصمیم‌گیری» واحد.

در شبکه‌های عصبی مصنوعی، اطلاعات از میان واحدها و ارتباطات شبکه پردازش می‌شود و این ارتباطات در فرایند آموزش به‌تدریج تنظیم و بهینه می‌شوند. در مغز نیز تجربه می‌تواند قدرت ارتباط بین نورون‌ها را تغییر دهد. با این حال، سازوکار یادگیری در مغز و هوش مصنوعی یکسان نیست و این شباهت‌ها به معنای عملکرد مشابه در همه جنبه‌ها نیست.

پژوهشگران با بررسی شبکه‌های عصبی کوچک و قابل‌تفسیر نشان دادند که این مدل‌ها می‌توانند الگوهای تصمیم‌گیری انسان و حیوان را بازسازی کنند. آن‌ها امیدوارند این یافته‌ها به شفاف‌تر و قابل‌درک‌تر شدن عملکرد برخی سامانه‌های هوش مصنوعی کمک کند و در عین حال، شناخت ما از سازوکارهای تصمیم‌گیری در مغز را نیز افزایش دهد.
✍:علی روستایی


DOI: 10.1038/s41586-025-09142-4
┄•••⌬👇JOIN👇⌬•••┄
@sci_updates