The brain versus AI: World-model-based versatile circuit computation underlying diverse functions in the neocortex and cerebellum
作者: Shogo Ohmae, Keiko Ohmae
分类: q-bio.NC, cs.AI
发布日期: 2024-11-25 (更新: 2024-11-29)
💡 一句话要点
基于世界模型的通用电路计算理论，解析新皮层与小脑多样功能
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 新皮层 小脑 人工智能 世界模型 通用计算 内部模型 镜像神经元 趋同进化
📋 核心要点
- 大脑新皮层和小脑结构统一，却能实现多种功能，现有研究缺乏跨领域比较的有效方法。
- 论文将电路计算分解为结构、输入输出和学习算法，对比大脑和AI，发现二者存在广泛相似性。
- 提出基于世界模型的通用计算理论，认为预测、理解和生成是新皮层和小脑实现多样功能的核心。
📝 摘要（中文）
本文旨在通过比较大脑和人工智能（AI），揭示新皮层和小脑如何在统一的电路结构下实现感觉、认知和运动等不同领域的多样功能。研究将电路计算分解为电路结构、输入/输出和学习算法三个要素，评估大脑和AI在这些要素上的相似性，从而发现了广泛的相似性和趋同进化。受AI处理机制的启发，提出了一个整合神经科学理论的新理论，特别是内部模型和镜像神经元系统理论。新皮层和小脑通过预测未来世界事件并从预测误差中学习，从而获得世界模型。这些模型支持预测、理解和生成三个核心过程，使新皮层和小脑能够利用统一的电路完成多样功能。该研究提出的系统方法、见解和理论有望推动对大脑的理解。
🔬 方法详解
问题定义：论文旨在解决神经科学中一个长期存在的问题：大脑新皮层和小脑的电路结构相对统一，但却能够执行各种不同的功能，包括感觉、认知和运动控制。现有的研究主要集中在特定领域（例如视觉皮层与视觉AI），缺乏一个通用的框架来比较大脑和AI，从而理解大脑如何利用统一的电路实现多样性功能。
核心思路：论文的核心思路是将电路计算分解为三个关键要素：电路结构、输入/输出以及学习算法。通过比较大脑和AI在这三个要素上的相似性，可以更全面地理解它们之间的关系，并揭示大脑实现多样性功能的机制。此外，论文还受到AI处理机制的启发，提出了一个基于“世界模型”的通用计算理论，该理论认为大脑通过构建和利用世界模型来实现预测、理解和生成等核心功能。
技术框架：该研究没有提出一个全新的AI模型，而是采用了一种比较分析的方法。其框架主要包括以下几个步骤： 1. 将电路计算分解为电路结构、输入/输出和学习算法三个要素。 2. 系统地评估大脑（新皮层和小脑）和AI在这些要素上的相似性。 3. 基于比较分析的结果，提出一个整合神经科学理论的新理论，即基于世界模型的通用计算理论。 4. 利用该理论解释大脑如何利用统一的电路实现多样性功能。
关键创新：该论文的关键创新在于： 1. 提出了一个通用的比较框架，可以将大脑和AI在不同功能领域进行比较。 2. 发现了大脑和AI在电路结构、输入/输出和学习算法等多个要素上的广泛相似性和趋同进化。 3. 提出了基于世界模型的通用计算理论，该理论整合了内部模型和镜像神经元系统等神经科学理论，并为理解大脑的功能提供了新的视角。
关键设计：论文没有涉及具体的参数设置、损失函数或网络结构的设计。其重点在于概念框架的提出和理论的构建，而非具体的模型实现。关键在于对神经科学已有理论的整合，以及对AI领域相关技术的借鉴。
📊 实验亮点
该论文的主要亮点在于理论框架的提出，而非具体的实验结果。通过对大脑和AI的系统比较，论文发现了二者在电路结构、输入/输出和学习算法等多个要素上的广泛相似性。更重要的是，论文提出了基于世界模型的通用计算理论，该理论整合了神经科学的多个理论，并为理解大脑的功能提供了新的视角。虽然没有提供具体的性能数据，但该理论的提出本身就是一项重要的贡献。
🎯 应用场景
该研究的潜在应用领域包括：开发更智能、更通用的AI系统，这些系统能够像大脑一样，利用统一的架构实现多种功能。此外，该研究还可以促进对神经系统疾病的理解和治疗，例如，通过研究大脑如何构建和利用世界模型，可以更好地理解自闭症等疾病的病理机制。未来的影响在于，该研究有望推动人工智能和神经科学的交叉融合，从而创造出更强大、更智能的机器，并更深入地理解人类自身的智能。
📄 摘要（原文）
AI's significant recent advances using general-purpose circuit computations offer a potential window into how the neocortex and cerebellum of the brain are able to achieve a diverse range of functions across sensory, cognitive, and motor domains, despite their uniform circuit structures. However, comparing the brain and AI is challenging unless clear similarities exist, and past reviews have been limited to comparison of brain-inspired vision AI and the visual neocortex. Here, to enable comparisons across diverse functional domains, we subdivide circuit computation into three elements -- circuit structure, input/outputs, and the learning algorithm -- and evaluate the similarities for each element. With this novel approach, we identify wide-ranging similarities and convergent evolution in the brain and AI, providing new insights into key concepts in neuroscience. Furthermore, inspired by processing mechanisms of AI, we propose a new theory that integrates established neuroscience theories, particularly the theories of internal models and the mirror neuron system. Both the neocortex and cerebellum predict future world events from past information and learn from prediction errors, thereby acquiring models of the world. These models enable three core processes: (1) Prediction -- generating future information, (2) Understanding -- interpreting the external world via compressed and abstracted sensory information, and (3) Generation -- repurposing the future-information generation mechanism to produce other types of outputs. The universal application of these processes underlies the ability of the neocortex and cerebellum to accomplish diverse functions with uniform circuits. Our systematic approach, insights, and theory promise groundbreaking advances in understanding the brain.