Zbieżność świadomości społecznej: mózgi biologiczne i AI dzielą wspólne przestrzenie neuronowe

Współczesne badania naukowe coraz śmielej zacierają granice między biologią a technologią. Ostatnie odkrycia naukowców z Uniwersytetu Kalifornijskiego w Los Angeles (UCLA) pokazują uderzające paralele w kształtowaniu się wzorców neuronowych podczas interakcji społecznych zarówno w mózgach biologicznych, jak i w systemach sztucznej inteligencji. To przełomowe badanie, opublikowane w prestiżowym czasopiśmie „Nature” pod tytułem „Inter-brain neural dynamics in biological and artificial intelligence systems”, wskazuje na istnienie fundamentalnych zasad, które determinują poznanie społeczne, niezależnie od platformy – biologicznej czy cyfrowej.

Zespół badawczy UCLA – składający się z ekspertów z neurobiologii, chemii biologicznej, bioinżynierii, inżynierii elektrycznej i komputerowej oraz informatyki – wykorzystał zaawansowane techniki obrazowania mózgu do monitorowania aktywności swoistych molekularnie neuronów w grzbietowo-przyśrodkowej korze przedczołowej myszy. Obszar ten jest kluczowy dla zachowań społecznych, a same myszy stanowią modelowy system do badania podstawowych mechanizmów neuronowych u ssaków.

Naukowcy opracowali innowacyjną ramę obliczeniową, która umożliwiła identyfikację wysokowymiarowych „wspólnych” i „unikalnych” podprzestrzeni neuronowych u wchodzących w interakcje osobników. Następnie, tę samą analityczną metodologię zastosowano do systemów sztucznej inteligencji, które zostały specjalnie zaprojektowane do symulowania zachowań społecznych, co pozwoliło na analizę wzorców sieci neuronowych powstających podczas zadań społecznych w porównaniu z niespołecznymi.

Konwergencja przestrzeni neuronowych: GABA kontra glutaminiany

Wyniki badań są niezwykle intrygujące. Zarówno u myszy, jak i w systemach AI, aktywność neuronowa podzieliła się na dwie wyraźne komponenty: „wspólną podprzestrzeń neuronową” zawierającą zsynchronizowane wzorce między wchodzącymi w interakcje podmiotami, oraz „unikalną podprzestrzeń neuronową”, odzwierciedlającą aktywność specyficzną dla każdego indywidualnego podmiotu.

Co warte podkreślenia, neurony GABAergiczne – czyli hamujące komórki mózgowe odpowiedzialne za regulację aktywności neuronowej – wykazywały znacznie większe wspólne przestrzenie neuronowe w porównaniu do neuronów glutaminergicznych, które są podstawowymi komórkami pobudzającymi w mózgu. To pierwsze tego typu badanie inter-mózgowej dynamiki neuronowej w kontekście molekularnie zdefiniowanych typów komórek, ujawniające nieznane dotąd różnice w sposobie, w jaki poszczególne typy neuronów przyczyniają się do synchronizacji społecznej.

Aplikacja tej metody do agentów AI potwierdziła, że również w systemach sztucznych zdolność do interakcji społecznych łączyła się z pojawieniem się wspólnych dynamicznych wzorców neuronowych. Kluczowym dowodem na przyczynowość tych wzorców było selektywne zakłócenie wspólnych komponentów neuronowych w systemach AI, co skutkowało znacznym ograniczeniem zachowań społecznych. To bezpośrednio pokazuje, że synchronizacja wzorców neuronowych jest przyczyną interakcji społecznych.

Badania wykazały również, że wspólna dynamika neuronowa nie jest jedynie efektem skoordynowanych zachowań, lecz wynika z wzajemnych reprezentacji unikalnych działań behawioralnych podczas interakcji społecznej.

Implikacje dla AI i nauk o mózgu

„To odkrycie fundamentalnie zmienia sposób, w jaki myślimy o zachowaniach społecznych we wszystkich inteligentnych systemach” – podkreśla dr Weizhe Hong, profesor neurobiologii, chemii biologicznej i bioinżynierii na UCLA oraz główny autor pracy. „Po raz pierwszy wykazaliśmy, że mechanizmy neuronowe napędzające interakcje społeczne są uderzająco podobne między mózgami biologicznymi a systemami sztucznej inteligencji. Sugeruje to, że zidentyfikowaliśmy fundamentalną zasadę, w jaki sposób każdy inteligentny system – czy to biologiczny, czy sztuczny – przetwarza informacje społeczne”.

Potencjalne implikacje tych odkryć są ogromne. Z jednej strony, mogą one przyczynić się do głębszego zrozumienia zaburzeń społecznych, takich jak autyzm, oferując nowe perspektywy w diagnozie i interwencjach terapeutycznych poprzez badanie zakłóceń w wspólnych przestrzeniach neuronowych. Z drugiej strony, stwarzają nowe możliwości dla rozwoju społecznie świadomych systemów sztucznej inteligencji, które są coraz silniej integrowane z kontekstami społecznymi.

Ramy sztucznej inteligencji stworzone w ramach tego badania mogą służyć jako platforma do testowania hipotez dotyczących społecznych mechanizmów neuronowych, które są trudne do bezpośredniego zbadania w systemach biologicznych. Dalsze badania będą koncentrować się na eksploracji dynamiki wspólnych przestrzeni neuronowych w różnych, potencjalnie bardziej złożonych interakcjach społecznych, dążąc do wypracowania metod szkolenia AI w prawdziwie inteligentne społeczne interakcje.