Một nghiên cứu mới của Trường Kỹ thuật Granger thuộc Đại học Illinois tại Urbana-Champaign cho thấy vỏ não cảm giác sớm nhất của não không chỉ chịu trách nhiệm "tiếp nhận" thông tin một cách thụ động mà còn đóng vai trò tích cực bất ngờ trong quá trình ra quyết định. Khám phá này thách thức mô hình cổ điển về quá trình xử lý theo cấp bậc và từng bước của bộ não vốn đã thống trị xu hướng chủ đạo từ lâu. Nhóm nghiên cứu tin rằng phương pháp tổ chức thần kinh tương tác hai chiều, năng động hơn này dự kiến sẽ mang lại nguồn cảm hứng mới cho kiến trúc trí tuệ nhân tạo tiêu thụ năng lượng thấp và hiệu quả cao trong tương lai.
Quan điểm truyền thống cho rằng quá trình ra quyết định của não gần như tuân theo con đường phân cấp một chiều “từ dưới lên”: thông tin đi vào từ các vùng cảm giác ban đầu như thị giác, thính giác hoặc cảm giác cơ thể và được truyền từng bước đến vỏ não liên kết và vỏ não trước ở cấp độ cao hơn, và cuối cùng sự tích hợp và ra quyết định được hoàn thành ở các “trung tâm bậc cao hơn” này. Dựa trên sự hiểu biết này, hầu hết các hệ thống trí tuệ nhân tạo như mạng thần kinh tích chập đều áp dụng cấu trúc phân cấp tương tự, xem trí thông minh là kết quả của việc thông tin được xử lý từng lớp theo một hướng cố định và "đưa ra quyết định" ở cấp cao nhất. Tuy nhiên, khi sự hiểu biết về trí thông minh tự nhiên ngày càng sâu sắc, ngày càng có nhiều học giả bắt đầu đặt câu hỏi về mô hình “dây chuyền lắp ráp” đơn giản hóa quá mức này.
Nghiên cứu này được dẫn dắt bởi Giáo sư tại Khoa Kỹ thuật Điện và Máy tính tại Đại học Illinois, và bài báo đã được xuất bản trong Kỷ yếu của Viện Hàn lâm Khoa học Quốc gia (PNAS). Nhóm nghiên cứu đã chọn kiểm tra lại bộ não từ cấp độ hệ thống, xem nó như một hệ thống "trí thông minh tự nhiên" được hình thành bởi quá trình tiến hóa, nhấn mạnh các vòng phản hồi và luồng thông tin hai chiều giữa các vùng não khác nhau, thay vì chuỗi xử lý nối tiếp một chiều. Theo khuôn khổ này, việc ra quyết định được xem là kết quả của sự tương tác và đồng xuất hiện liên tục giữa nhiều vùng não, chứ không phải là một chỉ dẫn "được ban hành một cách đơn hướng" bởi các vùng bậc cao hơn.
Đặc điểm nổi bật của trí tuệ tự nhiên là hiệu quả cao và tiết kiệm năng lượng: khi hoàn thành các nhiệm vụ nhận thức, nhận thức và ra quyết định phức tạp, mức tiêu thụ năng lượng của não con người thấp hơn nhiều so với hầu hết các hệ thống trí tuệ nhân tạo hiện nay. Để hiểu được nguồn gốc của hiệu quả này, nhóm nghiên cứu không giới hạn ở một mô-đun chức năng nhất định mà bắt đầu từ kiến trúc tổng thể và kiểm tra sự hợp tác giữa các khu vực khác nhau. Vlasov cho biết việc hiểu cách bộ não tổ chức các phép tính ra quyết định ở cấp độ kiến trúc dự kiến sẽ giúp cộng đồng kỹ thuật thiết kế các hệ thống trí tuệ nhân tạo thế hệ tiếp theo hiệu quả hơn, tiết kiệm năng lượng hơn và "thông minh hơn".
Về mặt thiết kế thí nghiệm cụ thể, các nhà nghiên cứu tập trung vào giai đoạn xử lý sớm nhất của não, tức là khu vực chịu trách nhiệm về cảm giác và nhận thức. Họ đã tiến hành thí nghiệm trên chuột, cho phép chúng di chuyển trong hành lang thực tế ảo, cảm nhận môi trường thông qua các xúc tu của chúng và đưa ra quyết định bằng cảm giác về việc rẽ trái hoặc phải. Trong quá trình này, các nhà nghiên cứu đã ghi lại hoạt động của các tế bào thần kinh trên một vùng rộng lớn của não chuột, đặc biệt chú ý đến kiểu phản ứng của vỏ não cảm giác cơ thể sơ cấp (S1).
Kết quả thật bất ngờ: Các tín hiệu liên quan đến việc ra quyết định được ghi lại rõ ràng ở vỏ não cảm giác cơ thể sơ cấp, vốn theo truyền thống được coi là "chỉ xử lý các cảm giác cơ bản". Điều này cho thấy quá trình ra quyết định không chỉ được bắt đầu ở “phần sau” của vỏ não bậc cao, mà các biểu hiện rõ ràng của việc ra quyết định đã rõ ràng ở giai đoạn xử lý cảm giác ở phần đầu của não. Nói cách khác, vùng cảm giác ban đầu không chỉ đơn giản là đóng gói và tải lên "dữ liệu thô" mà còn tham gia vào việc mã hóa các lựa chọn hành động ở thời điểm rất sớm.
Phân tích sâu hơn cho thấy hoạt động của vỏ não cảm giác cơ thể nguyên phát không xảy ra một cách biệt lập mà được điều chỉnh đáng kể bởi phản hồi từ các vùng não bậc cao hơn. Tín hiệu phản hồi từ trên xuống này, cùng với đầu vào cảm giác từ dưới lên, định hình mô hình hoạt động thần kinh trong S1. Có thể thấy, bộ não không tiến triển tuyến tính theo một con đường duy nhất “từ nhận thức đến ra quyết định” mà liên tục trao đổi thông tin qua các vòng phản hồi giữa nhiều cấp độ để hoàn thiện việc giải thích thông tin bên ngoài và lựa chọn hành vi.
Vlasov đã chỉ ra rằng “mã hóa thần kinh” của não vẫn giống như một ngôn ngữ chưa được giải mã, nhưng việc hiểu các vòng phản hồi và tương tác động này từ cấp độ hệ thống có thể mang lại nguồn cảm hứng quý giá cho việc thiết kế mạng lưới thần kinh nhân tạo. Trí tuệ nhân tạo hiện tại vẫn còn những thiếu sót rõ ràng ở cấp độ ra quyết định. Tuy nhiên, trí tuệ tự nhiên có thể hoàn thành các phép tính với mức tiêu thụ năng lượng thấp hơn nhiều so với các hệ thống phần cứng hiện đại trong các nhiệm vụ tương tự hoặc thậm chí phức tạp hơn. Kinh nghiệm kiến trúc đằng sau điều này xứng đáng được cộng đồng kỹ thuật “học hỏi từ thiên nhiên”.
Mặc dù công việc này không đủ để trực tiếp cung cấp bản thiết kế kỹ thuật nhằm xây dựng "AI tốt hơn", nhưng nhóm nghiên cứu tin rằng nó cung cấp một góc nhìn để từ đó suy nghĩ lại về trí tuệ nhân tạo. Bằng cách nghiên cứu một cách có hệ thống cách não tổ chức và xử lý thông tin, các nhà nghiên cứu dự kiến sẽ tóm tắt một bộ nguyên tắc có thể chuyển đổi để hướng dẫn cải tiến trí tuệ nhân tạo về mặt kiến trúc, hiệu quả sử dụng năng lượng và cơ chế ra quyết định. Các hệ thống AI trong tương lai có thể cần phải thoát khỏi khuôn khổ giao tiếp một chiều và phân lớp nghiêm ngặt, thay vào đó đưa ra phản hồi năng động hơn và các cấu trúc tương tác song song tương tự như bộ não sinh học.
Tiếp theo, nhóm của Vlasov dự định tiếp tục theo dõi những thay đổi trong hoạt động của não theo chiều thời gian, tập trung vào nghiên cứu động lực nhanh chóng theo thời gian của hoạt động thần kinh. Họ đang phát triển các công cụ mới để đo lường và phân tích tín hiệu thần kinh với độ chính xác cao hơn, cố gắng khám phá cách các vòng phản hồi liên quan đến việc ra quyết định từ dữ liệu có độ phân giải thời gian cao hơn. Theo quan điểm của ông, chỉ bằng cách xem các vòng phản hồi này được kích hoạt kịp thời như thế nào cũng như cách chúng được hình thành và tái cấu trúc giữa các cấp độ xử lý khác nhau, chúng ta mới có thể thực sự hiểu được hoạt động của trí tuệ tự nhiên và biến nó thành cơ sở thiết kế cho thế hệ kiến trúc trí tuệ nhân tạo mới.