Godina koju smo upravo ispratili u povijest bila je kao nijedna prije obilježena nagađanjima i žestokim raspravama o tome kada bi strojevi opskrbljeni superiornim mehaničkim i intelektualnim sposobnostima mogli svoje stvoritelje - ljudski um snagu - ostaviti za sobom u prašini vlastitog strelovitog napretka.

Proučavanjem računalne neuronske mreže do razumijevanja ljudskog mozga

Agresivna medijska i mrežna sveprisutnost ChatGPT-a i drugih velikih jezičnih modela (LLM), kao i iz njih deriviranih programa osposobljenih za inteligentno dizajniranje grafike, glazbe ili programskog koda, dramatično je povećala svijest javnosti o sve većim sposobnostima umjetne inteligencije. Istovremeno su se u središte pozornosti iznova pojavila već od ranije potiho (a sada sve glasnije) postavljana pitanja: može li ljudski mozak uopće držati korak s nemilosrdnim tempom napretka umjetne inteligencije? I koliko je još vremena preostalo do trenutka kada će naša vlastita tehnologija dominirati nad nama u svakom pogledu?

Najdobronamjerniji odgovor glasi da ljudi i strojevi uopće ne moraju biti žestoki konkurenti, nego jedni drugima mogu uzajamno pomagati u poboljšanju i napredovanju. Jedan od takvih primjera potencijalne uzajamne suradnje nastao je kada su programeri „upregnuli“ deep learning model umjetne inteligencije da samostalno obradi i prouči beskonačnu složenost drevne japanske igre go. Neposredan rezultat je bio fascinantan, jer je takvo „dubokoučeće“ računalo za nepuna dva dana uspjelo samo sebe naučiti pravila, strategiju i finese te vrlo komplicirane kombinatorne igre, nakon čega je bez većih problema pobijedilo go-igrače najviše svjetske razine, baš poput šaha, u kojem je umjetna inteligencija već godinama nadmoćna većini vrhunskih igrača.

No, u ožujku 2023. objavljeni rezultati i zaključci znanstvene studije o tom pothvatu strojnog učenja, u kojima se ustvrdilo kako je moguć i obrnut, recipročan proces, odnosno da i ljudi mogu učiti od strojeva koji raspolažu takvim „nadljudskim“ mentalnim vještinama. Analiza procesa koji se odvijaju u neuronskim mrežama (organizacijsko-arhitektonskim strukturama deep learning računala) i razumijevanje uzajamnog povezivanja trilijuna veza koje se ostvaruju tijekom strojno-intelektualnih aktivnosti velikih jezičnih modela može nam uvelike pomoći u shvaćanju naše vlastite biologije,  neuroloških procesa koji se odvijaju unutar mreža neurona u ljudskom mozgu.

Umjetna inteligencija nam „čita misli“ skeniranjem naše moždane aktivnosti

Možda i jeste najvažnije upravo to da strojno učenje ugrađeno u umjetnu inteligenciju nije odvratilo neuroznanstvenike od uporne potrage za boljim i preciznijim uvidom u ono što se popularno naziva „najkompliciranijim objektom u poznatom svemiru“ - mozak. AI pokreće stroj koji može dekodirati sadržaj vašeg mozga.

Jedan od vrlo atraktivnih i slikovitih primjera uzajamne korisnosti spajanja umjetne inteligencije s neuroznanošću je eksperiment u kojem su znanstvenici snimanje ljudske moždane aktivnosti funkcionalnom magnetskom rezonancijom (fMRI) kombinirali s umjetnom inteligencijom (točnije, s velikim jezičnim modelima, LLM) kako bi pokušali shvatiti što se zapravo događa u nečijoj glavi. Prezentiran na Sveučilištu Texas u Austinu, računalni model je s priličnom preciznošću uspijevao replicirati priče koje je dragovoljac-sudionik pokusa slušao (ili je samo o njima razmišljao!) dok je bio smješten unutar fMRI-skenera.

Eksperiment je proveden tako što su istraživači prvo bilježili skeniranu aktivnost mozga dok je sudionik slušao nizove pojedinačnih riječi. Podaci iz tih skeniranja su zatim iskorišteni za treniranje deep learning AI modela za prepoznavanje obrazaca moždane aktivnosti koja se pojavljivala kao reakcija na te riječi. Nakon što je AI-model „naučio“ prepoznavati pojedinačne obrasce, sudionik je slušao cijele rečenice ili kratke priče (u naprednijem koraku eksperimenta je samo razmišljao o tim rečenicama!), a umjetna inteligencija je iz rezultata skeniranja moždane aktivnosti snimljene tijekom tog čitanja ili razmišljanja prilično točno uspijevala pogoditi „o čemu se radilo“ u toj priči.

Posve je izvjesno da će proći još neko vrijeme prije nego na Amazonu budemo mogli kupiti ovu vrstu tehnologije „čitanja misli“: najbolje što trenutni sustav može učiniti je pogađanje okvirnog smisla onoga što se odvija u mislima skenirane osobe. Takvi deduktivni podvizi računalnih AI-modela zahtijevat će još jako puno treninga i usavršavanja. Ali ipak, prvi koraci načinjeni u tom smjeru su  prilično atraktivni.

Porazi od umjetne inteligencije inspiriraju bolje razmišljanje

Vijest da je „nadljudski pametna“ umjetna inteligencija (razvijena za Google-AI model nazvan DeepMind) pobijedila tadašnjeg svjetskog prvaka Leeja Sedola u spomenutoj misaono-strateškoj igri go, uzrokovala je kolektivan tsunami zabrinutih nagađanja o tome što bi takva vrsta superiornosti mogla značiti za ljude (i to nakon što su nas desetak godina prije toga računala stubokom porazila u šahu).

No, neki znanstvenici su ostali hladne glave i bez previše panično-pesimističnih prognoza se usredotočili na sustavno proučavanje načina kojim su deep-learning modeli razvijali svoju vještinu samoučenja igranja te igre, kao i načina na koje su tijekom partija vrhunski ljudski go-igrači odgovarali na posve nove, do tada neviđene a vrlo učinkovite strategije koje su računala razvila tijekom samoučenja. Nalazi znanstvenog proučavanja procesa koji se odvijaju unutar računalnih neuronskih mreža tijekom samostalnog učenja igre go i ljudskih reakcija igrača koji su se morali prilagođavati neortodoksnim taktikama računala objavljeni su u ožujku 2023. i sadrže izrazitu notu optimizma za budućnost ljudske suradnje sa sustavima umjetne inteligencije.

Studija je naime pokazala da je zajednica go-igrača prihvatila Sedolov poraz kao priliku za razvijanje novih načina promišljanja i učenja o igri: igrači su analizirali poteze i strateške zamisli AI-programa i shvatili da se neke od tih strategija (koje nikada prije nisu viđene u ljudskom igranju) mogu reproducirati, razvijati i unaprijediti, pa su ih počeli ugrađivati u vlastitu go-igru. Naposljetku su – koristeći taktičke zamisli naučene od AI-modula – uspjeli zaigrati protiv DeepMinda daleko bolje partije, pa čak i pobjeđivati AI-računalo, što se smatra prvim primjerom „recipročnog učenja“, dakle primjerom interakcije između umjetne inteligencije i čovjeka koja u konačnici poboljšava ljudsko mentalno funkcioniranje. Tako je DeepMindovo učenje i igranje igre go pomoglo u formiranju prvih naznaka o tome kako takva recipročna suradnja može u budućnosti poboljšati mentalnu metodologiju ljudskog donošenja odluka.

Hoćemo li do 2048. godine postati svjesni naše svijesti?

U godini na izmaku naslovnice diljem svijeta su popratile i ishod 25 godina stare oklade između filozofa Davida Chalmersa i neuroznanstvenika Christofa Kocha. Oklada, koja je prije četvrt stoljeća dogovorena na konferenciji Sveučilišta u New Yorku, odnosila se na to hoće li u idućih 25 godina (dakle do ove, upravo dovršene 2023.) neuroznanost uspjeti definirati „neuralni potpis“ ljudske svijesti, to jest mjesto pronaći centar, proces ili kemijsku reakciju u ljudskom mozgu koja predstavlja materijalan izvor ljudske svijesti. Koch — koji je prije četvrt stoljeća bio uvjeren da će potpis svijesti do 2023. biti riješena stvar — morao se nevoljko složiti da taj uzvišeni cilj još nije dosegnut. U ime izgubljene oklade Chalmersu je isporučio sanduk vrhunskog vina, a potom su obojica obećali da će za 25 godina ponovno razmotriti istu stvar: procijeniti je li postignut ključni korak prema „hakiranju ljudske svijesti“. Pritom su istaknuli ovogodišnje rezultate eksperimenata namijenjenih testiranju dvaju vodećih teorija svijesti, te se složili da se na obje treba još puno raditi.

O čemu je riječ? Razumijevanje prirode ljudske svijesti jedan je od najvećih izazova u znanosti, a trenutno u znanstvenim krugovima kohabitira preko dvadeset teorija o tome što je svijest i čime je definirana. Nakon što je financijama iz dobrotvorne zaklade potaknuta „suparnička suradnja“ između nekoliko skupina znanstvenika koji proučavaju ljudsku svijest, u 2023. godini smo postali bogatiji za rezultate jedne od takvih suradnji u kojoj su se svojim argumentima i eksperimentalnim istraživanjem suprotstavile dvije trenutno najjače neuroznanstvene „škole“: teorija globalnog neuronskog radnog prostora (GNWT) i teorija integriranih informacija (IIT). I premda nijedna nije izašla kao potpuni pobjednik, ostvarena je uzajamna korist tijekom proučavanja rezultata konkurentskih eksperimenata koji su testirali valjanost tih dviju teorija, od kojih obje imaju za cilj objasniti temelje „svjesnog ja“.

Konačne odgovore – kako vidimo iz rezultata oklade Kocha i Chalmersa – još ćemo neko vrijeme čekati, ali evidentno je da se prema tom cilju čine ozbiljni koraci.

Odbacivanje loših misli da biste se osjećali bolje

I za kraj još nešto novo o ljudskom mozgu iz 2023. godine, ali nevezano uz AI -- jer ipak nije baš sve u suvremenoj neuroznanosti povezano s umjetnom inteligencijom. Naime, ekipa engleskih kliničkih psihologa provela je interesantno istraživanje (a da pritom nije bilo potrebe za korištenjem resursa  velikih jezičnih modela), čiji rezultati i zaključci su vrlo interesantni, jer mijenjaju do sada uobičajen pogled na mentalne procese kod osoba koje se nose s poteškoćama vezanim za anksioznost, depresiju i posttraumatski stres, tri najčešća mentalna poremećaja moderne civilizacije.

Prema toj studiji koju su proveli istraživači sa Sveučilišta Cambridge, dosadašnji stav da će kod osoba koje pate od anksioznosti, depresije i PTSP-a pokušaj potiskivanja i izbjegavanja uznemirujućih misli i slika neizbježno završiti suprotnim učinkom, tj. njihovim kasnijim vraćanjem i pogoršavanjem mentalnog stanja nije ispravan. Njihovo istraživanje je nasuprot tome pokazalo da namjerno, ciljano potiskivanje negativnosti i izbjegavanje uznemirujućih situacija i misli doista smanjuje intenzitet unutarnjih strahova i sa sobom ne povlači negativni rebound-efekt kasnijeg vraćanja „crnih misli“, strahova i depresije.

Ovo je izvrsna vijest za ljude s anksioznošću, depresijom ili posttraumatskim poremećajem, jer ima potencijal da iz temelja izmijeni uobičajeni psihoterapijski pristup takvim osobama, s konačnim ciljem da se relativno jednostavnim mentalnim vježbama izbjegavanja „utonuća“ u negativizam i uznemirujuće stanje svijesti može dobrim dijelom umanjiti potreba za farmakološkim psihoaktivnim preparatima (anksioliticima i antidepresivima), koji su danas u vrhu popisa lijekova s najvećom potrošnjom na svijetu.