Sains

Otak menghitung dengan gelombang

Wawasan baru tentang gelombang saraf dapat merevolusi pengembangan sistem AI hemat energi

Representasi skematis dari model jaringan berulang osilator harmonik- (Horn).

Para peneliti di Ernst Strüngmann Institute di Frankfurt Am Main, Jerman, yang dipimpin oleh Wolf Singer, telah membuat penemuan inovatif dalam memahami proses otak mendasar. Untuk pertama kalinya, tim telah memberikan bukti kuat bahwa pola berirama karakteristik otak-S memainkan peran penting dalam pemrosesan informasi. Sementara dinamika osilasi ini telah lama diamati di otak, tujuannya sebagian besar tetap sulit dipahami sampai sekarang.

Studi ini memiliki potensi untuk merevolusi pemahaman kita tentang aktivitas otak. Menggunakan simulasi komputer, penelitian ini menunjukkan bahwa jaringan berulang dengan node berosilasi menunjukkan kinerja yang lebih baik dibandingkan dengan jaringan yang tidak berosilasi dan mereplikasi banyak fenomena yang diamati secara eksperimental. Temuan ini menunjukkan bahwa dinamika osilasi bukan hanya epifenomena tetapi juga penting untuk perhitungan yang efisien di otak.

Selain itu, penelitian ini menunjukkan bahwa menggabungkan heterogenitas dalam parameter jaringan, seperti memperkenalkan frekuensi osilasi yang berbeda dan penundaan konduksi, selanjutnya meningkatkan kinerja jaringan. Ini menunjukkan bahwa heterogenitas yang diamati dalam jaringan biologis bukan hanya hasil dari ketidaktepatan alam tetapi tanda tangan dari substrat komputasi yang dioptimalkan untuk perhitungan rangsangan yang efisien dengan sifat yang sangat bervariasi. “Temuan kami menantang pandangan tradisional tentang dinamika otak, yang sering mengasumsikan pemrosesan informasi yang agak terlokalisasi,” kata Felix Effenberger, penulis pertama penelitian ini. “Sebaliknya, kami mengusulkan bahwa otak menggunakan gelombang untuk melakukan perhitungan dengan cara yang sangat terdistribusi dan paraleli. Pola interferensi yang dihasilkan oleh respons berbasis gelombang memfasilitasi representasi holistik dan pengkodean yang sangat terdistribusi dari hubungan spasial dan temporal antara fitur stimulus”.

Jaringan berfungsi sebagai media untuk menghasilkan gelombang

Para peneliti mengusulkan interpretasi baru dari dinamika neuron di mana jaringan berfungsi sebagai media untuk menghasilkan dan menyebarkan gelombang daripada berfungsi sebagai papan sirkuit yang rumit dengan aliran sinyal yang terdefinisi dengan baik dan diarahkan, seperti yang diasumsikan oleh teori saat ini dalam neurobiologi dan seperti juga juga kasus di komputer digital konvensional. Para penulis penelitian menunjukkan bahwa otak menggunakan superposisi dan pola gangguan gelombang untuk mewakili dan memproses informasi dengan cara yang sangat terdistribusi, mengeksploitasi sifat unik dari jaringan osilator digabungkan seperti resonansi dan sinkronisasi.

“Ini adalah langkah besar ke depan dalam pemahaman kita tentang bagaimana otak menghitung,” kata Wolf Singer, penulis senior penelitian. “Strategi komputasi yang diusulkan sangat cocok untuk fungsi kognitif yang membutuhkan evaluasi simultan sejumlah besar hubungan bersarang antara fitur stimulus spasial dan temporal. Tugas -tugas tersebut perlu diselesaikan untuk memahami adegan visual dan bahasa. Selain itu, strategi komputasi yang diusulkan memberikan mekanisme A a Untuk memecahkan “masalah pengikatan,” yang mengkonfirmasi hipotesis bahwa mengikat fitur – evaluasi bersama fitur -fitur milik suatu objek – dapat dicapai dengan menyinkronkan respons osilasi. “

Di luar kontribusinya yang signifikan terhadap ilmu saraf, temuan ini membuka jalan bagi pengembangan chip baru yang hemat energi untuk kecerdasan buatan-misalnya, dalam pengembangan komponen teknis baru yang lebih hemat energi. Para penulis mengusulkan keberangkatan dari desain digital konvensional, mengadvokasi chip analog yang terinspirasi oleh proses dinamis otak.

Pengembangan generasi baru AI

Mereka juga menyarankan bahwa temuan mereka dapat memandu pengembangan generasi baru sistem AI yang lebih kuat, hemat energi, dan lebih siap untuk belajar pada dataset yang lebih kecil. Studi ini sangat meningkatkan pemahaman kita tentang bagaimana otak memproses informasi dan membuka jalan bagi peluang penelitian baru dalam ilmu saraf dan kecerdasan buatan.

Source

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button