Prawda jest taka, że słuchanie wyłącznie fizyków i matematyków doprowadziło nas do ściany. To stąd dziś niemal każde laboratorium jakie znam stawia na biologów. O tym 5 stycznia robimy fajny materiał z Adrew NG. Cieszę się że wreszcie przyszedł czas na biologie. AI nie ma nic lub niemal nic wspólnego z mózgiem. Przez lata słuchałem głównie matematyków, fizyków i programistów którzy lansują myślenie, że w mózgu nie ma nic, czego nie da się przenieść do świata cyfrowego. Dziś uważam, że nie jest to prawdą. Tomek Czajka podał dziś przykład, który mnie też od dawna chodzi po głowie. Odpowiednikiem neuroplastycznosci mózgu jest pamięć RAM, "random access memory", w której możemy łatwo sięgać w dowolne miejsce pamięci kiedy tylko chcemy. To nie prawda. Mało tego, 90 % znanych mi laboratoriów AI zaczyna dziś to rozumieć. To nie jest zastąpienie neuroplastycznosci mózgu. Ludzki mózg jest wariacją, stale się zmienia, pomiędzy neuronami powstają połączenia, nikną, zmieniają położenie. Tego nie da się zastąpić AI. Kiedy „zmieniamy połączenie” w sieci neuronowej, zmieniamy jedynie adresowanie w pamięci RAM lub wartość liczbową w macierzy. Fizyczne ścieżki na chipie krzemowym (tranzystory, miedziane ścieżki) pozostają identyczne. Neuroplastyczność oznacza fizyczną przebudowę materii. Neurony tworzą nowe wypustki (aksony i dendryty), budują nowe synapsy i fizycznie usuwają te niepotrzebne. Mózg dosłownie „rośnie” w odpowiedzi na doświadczenie. W modelach AI uczenie ogranicza się niemal wyłącznie do zmiany wag (parametrów numerycznych). W mózgu plastyczność jest wielowymiarowa. Zmiana liczby receptorów na synapsie lub ilości uwalnianego neuroprzekaźnika to zmiana chemii. Aktywność neuronu może zmienić ekspresję genów w jego jądrze, co trwale modyfikuje jego strukturę. To tak, jakby zmieniała treść bazy treningowej w AI. Ale w AI to nie możliwe. Komórki glejowe (niebędące neuronami) aktywnie uczestniczą w modyfikowaniu siły połączeń, czego klasyczne architektury AI nie uwzględniają. Architektura komputera oddziela procesor od pamięci (architektura von Neumanna). Przesyłanie danych między nimi pochłania ogromne ilości energii.Mózg jest architekturą, w której procesor i pamięć to to samo. Plastyczność mózgu obejmuje także układ krwionośny – naczynia krwionośne fizycznie dostosowują się do najbardziej aktywnych obszarów, aby dostarczać więcej tlenu. AI działa na sztywnej infrastrukturze zasilania, która nie „puchnie” ani nie reorganizuje się lokalnie tam, gdzie dzieje się „myślenie”. Pamięć RAM, opiera się na sztywnej adresacji. Każdy bit musi być w konkretnym miejscu, a dostęp do niego jest binarny. W mózgu synapsy są „szumne” i niepewne. Plastyczność polega na ciągłym balansowaniu między stabilnością a chaosem. W pewnych obszarach mózgu (jak hipokamp) powstają całkowicie nowe komórki. Współczesne modele AI (np. LLM) mają z góry zdefiniowaną liczbę neuronów i warstw, która nie zmienia się po zakończeniu etapu trenowania (tzw. frozen weights). Dziś wiemy, że wszystko o czym piszę ma wpływ na jakość działania AI i mózgu. Nie wiemy tylko z każdym detalem jak. Uważam, że brakuje w dyskursie o AI neurobiologów informatyków ale są tacy. Są firmy jak Google, Anthropic i chiński DeepSeek, którzy na nich stawiają. Moim zdaniem to jest jedyny słuszny kierunek. Przez ostatni rok rozmawialiśmy z każdym z ojców AI. Dziś rozumiem głębiej to, co powiedział mi w wywiadzie John Hopfield, noblista, ten od którego zaczął się rozwój AI. „Jedyne czego żałuję, to że AI nie rozwija się w ramach nauk biologicznych”. Uważam, że natury nie da się zastąpić krzemem.