Mózg buduje zachowania z modułów. AI tego nie umie 

Biologiczne mózgi uczą się szybciej i sprawniej niż współczesna sztuczna inteligencja. Najnowsze badania zespołu z Princeton University pokazują, że kluczową rolę odgrywają powtarzalne wzorce aktywności neuronów, które można elastycznie łączyć niczym moduły. Te „kognitywne Lego” pozwalają błyskawicznie tworzyć nowe zachowania bez zapominania starych umiejętności

Ludzie potrafią płynnie dostosowywać się do nowych sytuacji, zestawiać wcześniej przyswojone umiejętności i szybko przełączać się między zadaniami. Sztuczna inteligencja, choć imponuje wynikami w wielu pojedynczych problemach, nadal ma trudności z uczeniem „na bieżąco”. Elastyczność, jaką w procesie uczenia wykazują biologiczne umysły od lat fascynuje zarówno neurobiologów, jak i twórców algorytmów. 

W pracy opublikowanej 26 listopada w Nature naukowcy z Princeton Neuroscience Institute opisują, że przewaga mózgu wynika z kompozycyjności, czyli zdolności do składania nowych zachowań z wcześniej wykorzystywanych komponentów. To właśnie te powtarzalne wzorce aktywności badacze nazwali „kognitywnymi Lego”.

„Modele AI mogą osiągać ludzką lub ponadludzką sprawność w poszczególnych zadaniach, ale mają trudności z opanowaniem wielu zadań jednocześnie” – mówi Timothy Buschman, współautor badania i zastępca dyrektora Princeton Neuroscience Institute, dodając: „Odkryliśmy, że mózg jest elastyczny, ponieważ potrafi ponownie wykorzystywać elementy procesów poznawczych w wielu różnych sytuacjach. Łącząc te klocki, potrafi budować nowe zadania”.

Jak przetestować moduły w mózgu

Aby sprawdzić, jak mózg tworzy takie bloki, badacze wyszkolili dwa samce makaka do wykonywania trzech powiązanych zadań kategoryzacyjnych. Zwierzęta obserwowały niewyraźne, kolorowe kształty i musiały zdecydować, czy bardziej przypominają literę T, zająca, czy raczej są bardziej czerwone lub bardziej zielone.

Wszystkie trzy zadania były różne, ale dzieliły część elementów. Dwa z nich wymagały oceny koloru, lecz różniły się kierunkiem ruchu oczu potrzebnym do udzielenia odpowiedzi. Z kolei zadanie dotyczące kształtów wykorzystywało te same kierunki odpowiedzi co jedno z zadań kolorystycznych. Dzięki temu badacze mogli sprawdzić, czy mózg posługuje się wspólnymi wzorcami aktywności w operacjach wymagających podobnych decyzji.

Makaki wybierały odpowiedź, kierując wzrok w jedną z czterech stron. Lewa strona odpowiadała wyborowi „zając”, prawa „T”, a pozostałe kierunki były przypisane do oceny barwy w dwóch pozostałych zadaniach. Zmienność bodźców – od wyraźnych po niemal niejednoznaczne – narzucała konieczność dużej koncentracji.

Po analizie sygnałów neuronowych okazało się, że w korze przedczołowej, obszarze odpowiadającym za złożone procesy poznawcze, pojawiały się powtarzalne, wyraźnie oddzielone moduły aktywności. Odpowiadały one poszczególnym elementom zadania, na przykład ocenie koloru lub wyborowi kierunku.

Modułowe zachowanie 

Moduły te, nazwane przez badaczy „kognitywnym Lego”, Buschman porównał do funkcji w kodzie komputerowym: „Jedna grupa neuronów może dyskryminować kolor, a jej wynik trafia do innej grupy, która przełoży go na ruch”.

Konfiguracja modułów zmieniała się w zależności od tego, jakie zadanie wykonywało zwierzę. W zadaniu kolorystycznym mózg łączył blok kodujący barwę z blokiem sterującym ruchem oczu. W zadaniu dotyczącym kształtów zastępował moduł kolorystyczny modułem odpowiedzialnym za rozróżnianie formy, natomiast blok ruchowy pozostawał ten sam.

Badacze zauważyli, że niewykorzystywane elementy były przejściowo wyciszane. Autorka badania, dr Sina Tafazoli wyjaśnia: „Mózg ma ograniczoną pojemność kontroli poznawczej. Aby skupić się na aktualnym celu, musi na moment osłabić aktywność modułów, które nie są w danej chwili potrzebne”. Zjawisko to było wyraźne w korze przedczołowej i niemal nieobecne w innych obszarach mózgu. Sugeruje to, że właśnie ten rejon odpowiada za elastyczne zestawianie i rozdzielanie komponentów zachowania.

Wskazówki dla AI i potencjalne zastosowania medyczne

Autorzy pracy przekonują, że zrozumienie takiego działania mózgu może pomóc w projektowaniu systemów AI lepiej radzących sobie z wielozadaniowością. Jedną z głównych barier rozwoju algorytmów jest tak zwana katastrofalna interferencja – utrata wcześniej nabytych umiejętności w trakcie uczenia się nowych.

„Kiedy sztuczna sieć uczy się piec ciastka, zapomina, jak piec ciasto” – mówi Tafazoli. W przeciwieństwie do biologicznego mózgu nie potrafi skutecznie wykorzystywać wcześniej opanowanych bloków, tylko nadpisuje te informacje. Jeśli sztuczna inteligencja mogłaby operować modułami tak jak kora przedczołowa, mogłaby uczyć się nowych kompetencji bez kasowania dotychczasowych.

Wyniki badania mogą mieć też znaczenie dla medycyny. Zaburzenia takie jak schizofrenia, zaburzenia obsesyjno kompulsyjne czy uszkodzenia mózgu często wiążą się z trudnością w przełączaniu się między zadaniami i dostosowywaniu zachowania do nowych sytuacji. Autorzy sugerują, że może to wynikać z zaburzeń w rekombinacji modułów poznawczych.

„Wyobraźmy sobie możliwość przywrócenia pacjentom zdolności zmiany strategii, uczenia się nowych procedur i adaptacji do zmian” – mówi Tafazoli. „Zrozumienie, jak mózg ponownie wykorzystuje i łączy wiedzę, może pomóc w projektowaniu terapii wspierających te procesy”.

ŹRÓDŁA:

Princeton University, komunikat prasowy „Cognitive Legos help the brain build complex behaviors”, 26.11.2025

Tafazoli et al., 26.11.2025, Nature, „Building compositional tasks with shared neural subspaces”, DOI: 10.1038/s41586-025-09805-2

• Nauki biologiczne i rolnicze