https://www.sciencedaily.com/releases/2020/11/201124092205.htm

Baylor College of Medicine과 Rice University의 연구원들이 이끄는 팀은

생각의 기초가 되는 뇌 연산을 더 잘 이해하도록 돕는 AI모델을 개발했습니다.

지금까지 생각을 측정하는 방법이 없었기 때문에 이것은 새로운 것입니다.

연구진은 먼저 행동을 평가하여 생각을 추정할 수 있는 새로운 모델을 개발 한 다음

훈련된 인공 뇌에서 모델을 테스트하여 이러한 사고 추정치와 관련된 신경 활동을 발견했습니다.

------

"수세기 동안 신경 과학자들은 뇌 활동을 입력과 출력에 연결함으로써 뇌가 작동하는 방식을 연구해 왔습니다.

예를 들어 운동 신경 과학을 연구할 때 과학자들은 근육 운동과 신경 활동을 측정한 다음이 두 측정 값을 연관시킵니다."

Baylor의 신경 과학 조교수 및 Rice의 전기 및 컴퓨터 공학 조교수인  Dr. Xaq Pitkow가 말했다.

"하지만 뇌의 인지를 연구하기 위해 측정된 신경 활동과 비교할 것이 없습니다."

뇌가 어떻게 생각을 일으키는지 이해하기 위해 연구자들은 먼저 생각을 측정해야합니다.

그들은 행동을 보고 그 행동을 가장 잘 설명하는 신념이나 생각을 추론하는 "Inverse Rational Control"이라는 방법을 개발했습니다.

전통적으로 이 분야의 연구자들은 동물이 작업을 최적으로 해결하고 순이익을 극대화하는 방식으로 행동한다는 아이디어로 작업했습니다.

그러나 과학자들이 동물 행동을 연구할 때 항상 그런 것은 아니라는 사실을 알게됩니다.

"때때로 동물은 자신의 환경에서 일어나는 일에 대해 '잘못된' 신념이나 가정을 가지고 있지만,

주변에서 일어나는 일을 고려할 때 자신의 작업에 대한 최상의 장기적 결과를 찾으려고 노력합니다.

이것은 동물이 차선책으로 행동하는 이유를 설명할 수 있습니다.

예를 들어 사냥을 하고 먹이와 관련된 많은 소음을 듣는 동물을 생각해보십시오.

하나의 잠재적인 먹이가 모든 소음을 내는 경우 사냥꾼의 최적 행동은 지속적으로 단일 소음으로 이동하는 것입니다.

사냥꾼이 소음이 여러 동물에서 발생한다고 잘못 생각하는 경우

주변을 지속적으로 스캔하여 동물 중 하나를 찾아내는 것처럼 최적이 아닌 행동을 선택할 수 있습니다.

사냥꾼은 주변에 잠재적인 먹이가 많다는 믿음이나 가정에 따라 행동함으로써 동시에 '합리적'이고 '차선책'인 방식으로 행동합니다.

작업의 두 번째 부분에서 Pitkow와 그의 동료들은 Inverse Rational Control 방법을 사용하여 확인된 생각을 뇌 활동에 연결하는 모델을 개발했습니다.

"우리는 모델링된 생각의 역학과 이러한 생각의 뇌 표현의 역학을 볼 수 있습니다. 

이러한 역학이 서로 평행하게 실행된다면, 우리는 이러한 생각에 관련된 뇌 연산의 측면을 포착하고 있다는 확신을 갖게됩니다." Pitkow가 말했다.

"생각을 추정하고 그와 관련된 신경 활동을 해석하는 방법을 제공함으로써,

이 연구는 과학자들이 뇌가 어떻게 복잡한 행동을 생성하는지 이해하고 신경학적 상태에 대한 새로운 관점을 제공하는데 도움이 될 수 있습니다."