Część 4: 

Wielki Finał. Czego brakuje AI? 

Glej, zupa chemiczna i ucieleśnienie 

Christopher Keruac@CKeruac·

Przez ostatnie trzy dni odbyliśmy fascynującą podróż. Zobaczyliśmy, jak nowatorska architektura „The Dragon Hatchling” (BDH) sugeruje, że sztuczna uwaga (Attention) z Transformerów może mieć formalne podobieństwa do mechanizmów neuroplastyczności w mózgu. 

Zderzyliśmy te algorytmy ze ścianą współczesnych kart graficznych (GPU) i przyjrzeliśmy się mitowi „sztucznego neuronu”, pokazując, dlaczego ludzki mózg potrafi działać przy niezwykle niskim zużyciu energii w porównaniu z wielkimi systemami obliczeniowymi.Ale przez te wszystkie dekady badacze sztucznej inteligencji często skupiali się na bardzo uproszczonym obrazie mózgu. Jeśli neuron traktujemy jak przewód, a synapsę jak punkt połączenia między przewodami, naturalnym pomysłem jest zbudowanie gigantycznej sieci takich połączeń i sprawdzenie, czy pojawi się inteligencja.Modele takie jak BDH robią coś interesującego – próbują nadać dynamikę statycznym wagom sieci neuronowych.

 Jednak w tym matematycznym zachwycie łatwo zapomnieć, że mózg nie jest płytą główną. Jest „mokrą maszyną” (wetware) – biologicznym systemem pełnym procesów chemicznych i fizjologicznych.Oto trzy obszary biologii, które w dużej mierze pozostają poza dzisiejszymi modelami AI.1. Ciemna materia mózgu, czyli zapomniana połowaKiedy mówimy o mózgu i sztucznej inteligencji, zwykle koncentrujemy się na neuronach. 

Tymczasem w mózgu znajduje się ogromna liczba innych komórek – przede wszystkim komórek glejowych (od greckiego glia – klej).Przez długi czas uważano je głównie za wsparcie strukturalne i metaboliczne dla neuronów. W ostatnich dekadach badania pokazały jednak, że niektóre typy komórek glejowych – zwłaszcza astrocyty – mogą odgrywać bardziej aktywną rolę w funkcjonowaniu sieci neuronowych.W modelach AI mamy zwykle uproszczoną „synapsę” – punkt połączenia między neuronami. W biologii często mówi się o tzw. synapsie trójstronnej (tripartite synapse), w której oprócz dwóch neuronów uczestniczy także astrocyt. Komórki te mogą reagować na aktywność synaptyczną i modulować komunikację między neuronami. Astrocyty komunikują się także między sobą m.in. poprzez powolne fale wapniowe.

Czego brakuje AI? 

W biologicznym mózgu istnieją procesy zachodzące na różnych skalach czasowych – od bardzo szybkich sygnałów elektrycznych po wolniejsze procesy chemiczne. Dzisiejsze modele sztucznej inteligencji w dużej mierze operują tylko na tej pierwszej, uproszczonej warstwie.2. „Zupa chemiczna”, czyli transmisja objętościowaW architekturze BDH – podobnie jak w większości modeli AI – informacja przepływa wzdłuż konkretnych połączeń w sieci.Biologia wykorzystuje jednak także inne mechanizmy komunikacji. Jednym z nich jest transmisja objętościowa (volume transmission). W tym przypadku neuromodulatory – takie jak dopamina, serotonina czy noradrenalina – mogą być uwalniane do przestrzeni międzykomórkowej i wpływać na duże obszary mózgu jednocześnie.Substancje te nie przekazują konkretnych informacji jak klasyczne sygnały synaptyczne, ale modulują działanie całych sieci neuronowych – wpływają na uwagę, motywację, uczenie się czy reakcje na nagrody i stres.

Czego brakuje AI? 

Współczesne modele nie posiadają biologicznych układów hormonalnych ani neuromodulacyjnych, które globalnie zmieniałyby tryb działania całej sieci w odpowiedzi na kontekst emocjonalny lub fizjologiczny.3. Hipoteza Ucieleśnienia (Embodied Cognition)To jeden z najczęściej dyskutowanych tematów we współczesnej kognitywistyce.Modele językowe takie jak ChatGPT uczą się na ogromnych zbiorach tekstów. Dzięki temu potrafią bardzo dobrze przewidywać struktury językowe i odpowiadać na pytania. Jednak ich wiedza ma charakter głównie statystyczny i symboliczny.Model może wiedzieć, że słowo „ogień” często pojawia się w kontekście „gorąca”. Ale sam nie doświadcza temperatury ani świata fizycznego. Ten problem znany jest jako problem ugruntowania symboli (Symbol Grounding Problem).

Hipoteza ucieleśnienia sugeruje, że część ludzkiej inteligencji powstaje dzięki interakcji ciała z fizycznym światem – poprzez percepcję, ruch i doświadczenie.Ciekawym przykładem z biologii są żachwy (osłonice morskie). W stadium larwalnym posiadają prosty układ nerwowy i mogą się poruszać. Po przytwierdzeniu się do skały ich tryb życia staje się pasywny, a układ nerwowy ulega znacznemu uproszczeniu. To często przywoływana ilustracja tego, jak silnie funkcja układu nerwowego jest związana z potrzebą aktywnego działania w środowisku.

Czego może brakować AI? 

Niektórzy badacze sugerują, że aby osiągnąć głębsze rozumienie świata, systemy AI mogą potrzebować interakcji z rzeczywistym lub symulowanym środowiskiem – np. w robotyce czy wirtualnych światach.Podsumowanie naszej podróżyZaczęliśmy od „The Dragon Hatchling” (BDH) – interesującej architektury, która próbuje zbliżyć modele sztucznej inteligencji do niektórych mechanizmów obserwowanych w biologicznych sieciach neuronowych.To pokazuje, że rozwój AI nie musi iść wyłącznie w kierunku coraz większych modeli i większej mocy obliczeniowej.Jednocześnie mózg pozostaje systemem niezwykle złożonym – złożonym nie tylko z neuronów i synaps, ale także z procesów chemicznych, komórek glejowych oraz interakcji całego organizmu ze środowiskiem.

Dzisiejsza sztuczna inteligencja jest niezwykle potężnym narzędziem obliczeniowym. Jednak droga do stworzenia systemów dorównujących biologicznej inteligencji pod względem elastyczności, efektywności energetycznej i adaptacji wciąż pozostaje otwartym pytaniem.Zbudowaliśmy genialne maszyny liczące.Czy zbudujemy kiedyś sztuczny umysł – to pytanie, które nadal pozostaje jednym z największych wyzwań nauki.

Want to publish your own Article?Upgrade to PremiumShow 2 repliesChristopher Keruac@CKeruacProgrammer & Founder. Synthesizing AI with Cognitive Science and Neuroscience. Exploring the intersection of Biology, Chemistry, and life sciences.