Eén enkel neuron is geen simpele schakelaar. Het is een krachtpatser.
Nieuw onderzoek draait het script om over hoe we de verwerkingseenheden van de hersenen begrijpen. Decennia lang ging de wetenschap ervan uit dat onze cognitieve voorsprong voortkwam uit pure schaalgrootte. Je kent de logica: 100 miljard neuronen. Biljoenen verbindingen. Grotere hardware staat gelijk aan grotere smarts.
Maar een recente studie gepubliceerd in de Proceedings of the National Academy of Sciences (PNAS) suggereert dat deze aanname achterhaald is. Het echte geheim? Computationele complexiteit van menselijke neuronen gaat veel dieper dan eerder werd gedacht.
Eén hersencel kan berekeningen uitvoeren die vergelijkbaar zijn met een diep kunstmatig neuraal netwerk. Niet de vereenvoudigde eenheden in de huidige AI, maar de complexe, gelaagde soort.
Dit verandert het hele landschap van de neurowetenschappen. Als intelligentie niet alleen om kwantiteit gaat, maar om kwaliteit per cel, moeten we kijken naar waar taal, wiskunde en zelfs verbeelding eigenlijk vandaan komen. Ze kunnen beginnen in een enkele, eenzame microchip in uw cortex.
De “microchip” in je hoofd
Neuronen in de menselijke cortex – de buitenste laag die verantwoordelijk is voor het denken van hogere orde – gedragen zich meer als geavanceerde processors. Ze geven niet zomaar signalen door als een emmerbrigade. Ze analyseren. Ze combineren. Ze berekenen.
Onderzoekers van de Hebreeuwse Universiteit, onder leiding van Profs. Idan Segev en Mickey Londan werkten samen met wetenschappers van het Edmond en Lily SafraCenter for Brain Sciences (ELSC) om dit te bewijzen. Onder meer de medewerking van prof. Chris de Kock van de Vrije Universiteit van Amsterdam.
“Mensen beschouwen een neuron vaak als een aan-uitschakelaar”, legt Segev uit. “Wat we laten zien is dat een enkel menselijk neuron zelf een buitengewoon geavanceerd computerapparaat is.”
Zie het zo: een gloeilamp gaat branden of niet. Een menselijk corticaal neuron? Het weegt binnenkomende gegevens, houdt rekening met de context van de dendrieten en neemt een berekende beslissing die een meerlagig AI-model nabootst.
Hoe ze het hebben getest
Je kunt niet zomaar de grootte van een cel meten en het IQ ervan raden. Een groter neuron betekent niet altijd een slimmer neuron.
Het team had een maatstaf nodig. Dus bouwden ze een digitale tweeling.
Met behulp van computermodellen en AI probeerden ze het gedrag van biologische neuronen te repliceren met behulp van kunstmatige neurale netwerken (ANN’s). Het was een imitatiespel.
- Ze namen een biologisch neuron.
- Ze hebben het input gegeven.
- Ze keken naar de output.
- Vervolgens probeerden ze een AI-netwerk te trainen om de exacte output te reproduceren.
Hier is de kicker: eenvoudige neuronen van andere zoogdieren waren gemakkelijk te kopiëren. Een klein, oppervlakkig AI-netwerk zou hun gedrag gemakkelijk kunnen nabootsen.
Menselijke corticale neuronen? Die waren zwaar.
De AI moest aanzienlijk dieper, uitgebreider en veel complexer zijn om de schietpatronen van een menselijke cel nauwkeurig te kunnen reproduceren. Hoe moeilijker het neuron te kopiëren was, hoe meer rekenkracht het bezat.
Waarom menselijke hersenen winnen
De gegevens zijn duidelijk: menselijke corticale neuronen hebben complexere kunstmatige netwerken nodig om ze te imiteren dan die van andere zoogdieren.
Waarom? Het komt neer op structuur. Met name de dendritische bomen. Dit zijn de takachtige structuren die signalen ontvangen. Menselijke neuronen hebben rijk vertakte, complexe dendritische bomen met onderscheidende elektrische eigenschappen.
Dit is niet alleen passieve bedrading. Het stelt het neuron in staat combinaties van signalen te analyseren in plaats van ze alleen maar lineair op te tellen.
Eén cel kan functioneren als een gelaagd systeem met mogelijkheden die vergelijkbaar zijn met die van een diep neuraal netwerk.
Deze mogelijkheid verklaart waarom we subtiele details kunnen onderscheiden, zoals het verschil tussen een kat en een hond in een afbeelding, of abstracte wiskundige concepten kunnen begrijpen. We tellen niet alleen neuronen. We maken gebruik van de geavanceerde verwerkingskracht van elke individuele cel.
Wat dit betekent voor kunstmatige intelligentie
Dit is niet alleen academische nieuwsgierigheid. Het heeft enorme gevolgen voor het ontwerp van op de hersenen geïnspireerde AI.
De meeste huidige modellen voor machinaal leren zijn gebaseerd op vereenvoudigde kunstmatige eenheden. Ze stapelen ze in diepe lagen, in de hoop dat er collectieve complexiteit ontstaat. Het is een brute-force-aanpak.
Als we echt geavanceerde systemen willen bouwen, moeten we misschien naar binnen kijken. Op weg naar de biologie.
Toekomstige AI-modellen zouden kunstmatige componenten kunnen gebruiken die de computationele complexiteit van menselijke neuronen nabootsen. Stel je slimme, genuanceerde verwerkingseenheden voor die individueel met de complexiteit omgaan, in plaats van domme, domme, domme eenheden die hoog op elkaar zijn gestapeld.
Dat is een ander pad. Een die zich afwendt van ruwe schaal en in de richting gaat van structurele verfijning.
Het onderzoek daagt de oude opvatting uit dat intelligentie slechts een getallenspel is. Menselijke cognitie gaat niet alleen over het hebben van grote hersenen. Het gaat om het hebben van slimme onderdelen.
Nu we de grenzen van zowel de neurowetenschappen als machine learning verleggen, kan de grens tussen biologie en silicium op onverwachte manieren vervagen. Maar één ding blijft duidelijk: de grootste troef van het menselijk brein is misschien niet de omvang ervan.
Het is de complexiteit van de cel.
