W Japonii, w 2025 roku, naukowcy z RIKEN Center for Brain Science (CBS) dokonali przełomu w zrozumieniu, w jaki sposób mózg upraszcza złożone informacje sensoryczne. Taro Toyoizumi i Kensuke Yoshida opracowali biologicznie realistyczny model, inspirowany mózgiem muszki owocowej, który może zrewolucjonizować nasze podejście do sztucznej inteligencji i przetwarzania danych.
Ludzki mózg jest stale bombardowany informacjami z naszych zmysłów. Aby uniknąć przeciążenia, upraszcza te dane, redukując ich wymiarowość. Ten nowy model naśladuje ten proces, wykorzystując algorytm t-distributed stochastic neighbor embedding (t-SNE) dostosowany do odzwierciedlania biologicznych sieci neuronowych.
Model, składający się z trzech warstw odzwierciedlających grupy neuronów w mózgu muszki, z powodzeniem odtworzył sposób, w jaki muszki owocowe przetwarzają zapachy. Zawiera również zależną od dopaminy plastyczność Hebbowska, kluczowy element w tym, jak mózg wzmacnia połączenia między neuronami. Odkrycie to może prowadzić do bardziej wydajnych i wszechstronnych systemów AI zdolnych do łatwiejszego przetwarzania złożonych danych.
„Oryginalny t-SNE nie jest biologicznie wiarygodny – to raczej metoda inżynieryjna niż sieć neuronowa” – wyjaśnił Toyoizumi. „Przepisaliśmy algorytm tak, aby naśladował biologiczną sieć neuronową”. Zespół zamierza teraz zastosować swój model do bardziej złożonych systemów, co sugeruje ekscytujące możliwości dla przyszłości AI i neuronauki.