学際的なチームは、人工知能モデル、特にトランスフォーマーが人間の脳の海馬と同様の方法で記憶を処理することを発見しました。このブレークスルーは、NMDA 受容体の原理などの神経科学の原理を人工知能に適用すると記憶機能が向上し、それによって人工知能の分野が進歩し、人間の脳機能についての洞察が得られることを示しています。
研究者らは、人工知能の記憶固定プロセスが人間の脳、特に海馬の記憶固定プロセスと類似していることを発見しており、これにより人工知能の進歩と人間の記憶メカニズムのより深い理解の可能性がもたらされます。
基礎科学研究所（IBS）の認知と社会性センターとデータサイエンスグループの研究者からなる学際的チームは、人工知能（AI）モデルの記憶処理と人間の脳の海馬との間に顕著な類似性があることを明らかにした。この新しい発見は、人工知能システムにおける記憶の固定化（短期記憶を長期記憶に変換するプロセス）に関する新たな視点を提供します。
OpenAI や Google DeepMind などの影響力のある企業が主導する汎用人工知能 (AGI) の開発競争において、人間に似た知能の理解と複製が重要な研究対象となっています。これらの技術進歩の中心となるのはトランスフォーマー モデル [図 1] であり、その基礎は現在さらに深く研究されています。
人工知能に応用された脳学習の仕組み
強力な AI システムの鍵は、AI システムがどのように情報を学習し、記憶するかを理解することです。研究チームは人間の脳の学習原理、特に海馬のNMDA受容体を介した記憶固定の原理を人工知能モデルに適用した。
NMDA 受容体は脳内のスマートドアのようなもので、学習と記憶の形成を促進します。グルタミン酸と呼ばれる脳内化学物質が存在すると、神経細胞が興奮します。一方、マグネシウムイオンは小さな門番のように働き、ドアをふさぎます。このイオンゲートキーパーが脇に去った場合にのみ、物質が細胞に流入することができます。これが脳が記憶を作成し保持する方法であり、プロセス全体におけるゲートキーパー（マグネシウムイオン）の役割は非常に特殊です。
研究チームは驚くべき発見をしました。トランスフォーマー モデルは、脳の NMDA 受容体と同様のゲートキーピング プロセスを使用しているようです [図 1 を参照]。この発見により、研究者らはトランスフォーマーの記憶の固定化がNMDA受容体ゲーティングプロセスと同様の機構を通じて制御できるかどうかを調査することになった。
マグネシウムレベルが低いと、動物の脳の記憶機能が損なわれることが知られています。研究者らは、NMDA受容体を模倣することでトランスフォーマーの長期記憶を改善できることを発見した。脳内のマグネシウムレベルの変化が記憶力に影響を与えるのと同じように、NMDA 受容体ゲーティングを反映するようにトランスフォーマーのパラメータを調整すると、AI モデルの記憶力を強化できます。この画期的な発見は、人工知能モデルの学習方法が神経科学の既存の知識によって説明できることを示しています。
人工知能と神経科学に関する専門家の洞察
同研究所所長の神経科学者C.ジャスティン・リー氏は、「この研究は、人工知能と神経科学の開発を進める上で重要なステップだ。これにより、脳がどのように機能するかをより深く研究し、これらの洞察に基づいてより高度な人工知能システムを開発できるようになる」と述べた。
同チームとKAISTのデータサイエンティストであるCHAMeeyoung氏は、「膨大なリソースを必要とする大規模AIモデルとは異なり、人間の脳は最小限のエネルギーで動作するのは驚くべきことだ。私たちの研究は、人間と同じように情報を学習し記憶する低コストで高性能なAIシステムの新たな可能性を開くものである。」と述べた。
認知メカニズムと人工知能設計の統合
この研究をユニークなものにしているのは、脳からインスピレーションを得た非線形性を人工知能の構造に積極的に組み込んでおり、人間のような記憶固定のシミュレーションにおいて大きな進歩を遂げていることです。人間の認知メカニズムと人工知能設計の融合は、低コストで高性能の人工知能システムの作成を約束するだけでなく、人工知能モデルを通じて脳がどのように機能するかについての貴重な洞察も提供します。
コンパイルされたソース: ScitechDaily