Inteligența artificială poate conduce la comportamente mai eficiente?

Poate fi programat un computer să simuleze un creier? 

Este o întrebare pe care matematicienii, teoreticienii și experimentaliștii și-au pus-o de multă vreme – fie că sunt stimulați de dorința de a crea inteligență artificială (AI) sau de ideea că un sistem complex precum creierul poate fi înțeles doar atunci când matematica sau un computer își pot reproduce comportamentul. .

Explozia de astăzi a învățării automate poate fi urmărită până la lucrările timpurii inspirate de sistemele biologice.

Cartografierea creierului

Până acum, s-au făcut puține eforturi pentru a conecta aceste surse diferite de date sau pentru a le colecta simultan din întregul creier al aceluiași specimen. Dar, pe măsură ce nivelul de detaliu, dimensiunea și numărul de seturi de date crește, în special pentru creierul unor organisme model relativ simple, sistemele de învățare automată fac fezabilă o nouă abordare a modelării creierului. Acest lucru implică antrenarea programelor de inteligență artificială pe conectomi și alte date pentru a reproduce activitatea neuronală pe care v-ați aștepta să o găsiți în sistemele biologice.

Metodele de imagistică nu sunt încă capabile să cartografieze conexiunile electrice la scară alături de cele sinaptice chimice. Cercetătorii s-au concentrat în principal pe neuroni, chiar dacă celulele gliale non-neuronale, care oferă suport neuronilor, par să joace un rol crucial în fluxul de informații prin sistemele nervoase. Rrămân multe necunoscute despre ce gene sunt exprimate și ce proteine sunt prezente în neuroni și alte celule care sunt cartografiate.

programele de Învățare automată vor fi la fel de bune ca datele obișnuite pentru
antrenament și evaluare?

Înregistrări ale activității neuronale realizate în acest mod oferă o imagine mai puțin precisă decât înregistrările electrofiziologice, dar una mult mai bună decât metodelele neinvazive precum cele funcționale de imagistică prin rezonanță magnetică.

Cu toate acestea, datele colectate din rețelele neuronale reale au evidențiat, de asemenea, limitele unei abordări bazate pe anatomie.

Lipsa datelor face dificilă evaluarea anumitor modele de reţele neuronale
pentru a surprinde ceea ce se întâmplă în sistemele reale.

Deocamdată, poate că este suficient să ne întrebăm dacă datele din cartografierea actuală a creierului și alte eforturi pot antrena modele de învățare automată pentru a reproduce activitatea neuronală care corespunde cu ceea ce s-ar vedea în sistemele biologice. Aici, chiar și eșecul ar fi interesant - un semnal că eforturile de cartografiere trebuie să meargă și mai profund.

Complexitatea și creșterea datelor în domeniul sănătății înseamnă că inteligența artificială (AI) va fi aplicată din ce în ce mai mult în domeniu. Mai multe tipuri de IA sunt deja angajate de plătitori și furnizori de îngrijire și companii de științe ale vieții. Categoriile cheie de aplicații implică recomandări de diagnostic și tratament, implicarea și aderarea pacientului și activități administrative. Deși există multe situații în care IA poate îndeplini sarcini de asistență medicală la fel de bine sau mai bine decât oamenii, factorii de implementare vor împiedica automatizarea la scară largă a locurilor de muncă ale profesioniștilor din domeniul sănătății pentru o perioadă considerabilă.

Cum rămâne cu robleme etice în aplicarea IA? Avantajele evoluției?

Bibliografie selectivă:

https://www.cs.cmu.edu/~./epxing/Class/10715/reading/McCulloch.and.Pitts.pdf

https://www.quantamagazine.org/these-cells-spark-electricity-in-the-brain-theyre-not-neurons-20231018/

https://www.nature.com/articles/d41586-023-03426-3?fbclid=IwAR040-ODMdwjEP12jivEj_pLCwDdWLasTdWhouUr5nALqM_hUbanu8xnH9g

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6616181/