In het laboratorium van het Centrum voor Geavanceerd Hersen- en Intelligentieonderzoek van de Chinese Academie van Wetenschappen heeft een team van wetenschappers voor het eerst aangetoond hoe een afzonderlijk neuron werkt als een miniatuurcomputer die in staat is flexibel beslissingen te nemen. Dit is niet zomaar een nieuwe ontdekking — het vult een leemte die tientallen jaren verhinderde te begrijpen waarom het menselijk brein nieuwe taken sneller en efficiënter aanpakt dan welke algoritme dan ook.
De huidige AI-systemen bootsen alleen de verbindingen tussen neuronen na — ‘de wegen tussen de stations’. Het nieuwe onderzoek toont aan dat de neuronen zelf complexe berekeningen binnenin uitvoeren, waardoor ze snel hypothesen kunnen opstellen en regelmatigheden kunnen generaliseren op basis van een minimaal aantal voorbeelden. Dit verklaart waarom een mens leert van enkele voorbeelden, terwijl AI er miljoenen nodig heeft.
Wetenschappers van de CAS werken al jaren op het snijvlak van neurowetenschap en computationele wetenschappen. Hun eerdere werk aan het in kaart brengen van neurale netwerken en het bestuderen van hersenplasticiteit legde de basis voor deze doorbraak. Institutionele en technologische beperkingen — het ontbreken van voldoende oplossend vermogen van de instrumenten — hielden de vooruitgang lang tegen, maar de opgebouwde ervaring en de toegang tot geavanceerde apparatuur maakten juist nu een stap voorwaarts mogelijk.
Publieke verklaringen benadrukken het potentieel voor ‘de volgende generatie AI’, maar de werkelijke interesse ligt dieper: de integratie van dit mechanisme in algoritmen kan het energieverbruik drastisch verlagen en de aanpasbaarheid van systemen vergroten. De discrepantie tussen het verkondigde en het werkelijke: de ontdekking ‘inspireert’ niet alleen, maar wijst op een fundamenteel verschil in architectuur — biologisch versus digitaal.
Terwijl de druk op de AI-industrie toeneemt door de hoge kosten van het trainen van modellen, lijkt deze ontdekking een natuurlijk vervolg op China’s strategie om leider te worden in neurowetenschappelijke technologie. Het bevestigt een patroon: Chinese wetenschappelijke teams investeren systematisch in fundamenteel hersenonderzoek om een concurrentievoordeel te behalen in toegepaste gebieden.
Stel je een schaker voor die niet alleen zetten onthoudt, maar ter plekke de hele strategie herschikt op een nieuwe tegenstander — precies zo werkt een neuron volgens de nieuwe beschrijving. Dat maakt begrijpelijk waarom het kopiëren van ‘verbindingen’ geen flexibiliteit oplevert: men moet ook de innerlijke ‘logica’ van de cel kopiëren.
De ontdekking toont aan dat de kloof tussen biologische en kunstmatige intelligentie niet in de hoeveelheid data ligt, maar in de organisatie van de berekeningen zelf. De volgende stap is niet simpelweg meer parameters, maar een kwalitatief andere architectuur, geïnspireerd door het levende brein.
