Βρετανοί και άλλοι επιστήμονες ανακοίνωσαν ότι ανακάλυψαν για πρώτη φορά στον εγκέφαλο δύο ομάδες γονιδίων που σχετίζονται με τη νοημοσύνη.

Τα δύο αυτά ανεξάρτητα «δίκτυα» με τις ονομασίες Μ1 και Μ3 φαίνεται να επηρεάζουν τις γνωσιακές-νοητικές λειτουργίες, όπως την μνήμη, την προσοχή, την ταχύτητα σκέψης και τη λογική.

Οι ερευνητές, με επικεφαλής τον νευρολόγο δρα Μάικλ Τζόνσον του Τμήματος Ιατρικής του Imperial College του Λονδίνου, που έκαναν τη σχετική δημοσίευση στο περιοδικό νευροεπιστήμης "Nature Neuroscience", δήλωσαν ότι τα δύο δίκτυα -που το ένα περιλαμβάνει περίπου 100 γονίδια και το άλλο 1.000- φαίνονται να βρίσκονται υπό τον έλεγχο καθοδηγητικών-ρυθμιστικών «διακοπτών».

Οι επιστήμονες θα στρέψουν πλέον την προσοχή τους στον εντοπισμό αυτών των διακοπτών-κλειδιών και στο κατά πόσο είναι εφικτό να τους «χειραγωγήσουν». Αν αυτό όντως κάποτε συμβεί (η έρευνα είναι ακόμη σε πολύ πρώιμο στάδιο), τότε εκτός από τις νέες θεραπευτικές δυνατότητες, πιθανώς η ίδια η νοημοσύνη θα μπορούσε να βελτιωθεί ή και να τεθεί υπό έλεγχο κατά βούληση.

«Γνωρίζουμε ότι οι γενετικοί παράγοντες παίζουν σημαντικό ρόλο στη νοημοσύνη, αλλά έως τώρα δεν ξέρουμε ποιά γονίδια εμπλέκονται. Η νέα έρευνα φέρνει στο φως μερικά από αυτά και τον τρόπο που αλληλεπιδρούν», δήλωσε ο Τζόνσον. «Το συναρπαστικό είναι πως τα εν λόγω γονίδια φαίνεται να έχουν έναν κοινό ρυθμιστή. Ίσως μπορέσουμε τελικά να τροποποιήσουμε γενετικά τη νοημοσύνη, όμως κάτι τέτοιο προς το παρόν παραμένει μόνο μια θεωρητική δυνατότητα - έχουμε κάνει απλώς το πρώτο βήμα προς αυτή την κατεύθυνση», πρόσθεσε.

Οι ερευνητές μελέτησαν εγκεφάλους ανθρώπων που είχαν κάνει νευροχειρουργική επέμβαση λόγω επιληψίας. Παράλληλα, ανέλυσαν χιλιάδες γονίδια του ανθρωπίνου εγκεφάλου, σε συνδυασμό με γενετικά στοιχεία τόσο από υγιείς ανθρώπους που είχαν κάνει τεστ νοημοσύνης (IQ), όσο και από ασθενείς με αυτισμό και νοητική καθυστέρηση.

Μέσα από αυτή τη διαδικασία, με τη βοήθεια υπολογιστών, οι επιστήμονες πιστεύουν ότι ανακάλυψαν δύο «δίκτυα» γονιδίων που επηρεάζουν τη νοημοσύνη των υγιών ανθρώπων. Μάλιστα αρκετά από αυτά τα γονίδια, όταν υποστούν μετάλλαξη, οδηγούν σε επιληψία ή νοητική καθυστέρηση.

«Χαρακτηριστικά, όπως η νοημοσύνη, ελέγχονται από μεγάλες ομάδες συνεργαζομένων γονιδίων, όπως μια ποδοσφαιρική ομάδα αποτελείται από παίκτες σε διαφορετικές θέσεις», τόνισε ο Τζόνσον.

Η νοημοσύνη παραμένει πάντως ένα επίμαχο επιστημονικό πεδίο. Ορισμένες μελέτες ανεβάζουν σε 75% τον γενετικό παράγοντα που την καθορίζει και το υπόλοιπο 25% το αποδίδουν στο περιβάλλον και την ανατροφή. 'Αλλοι επιστήμονες θεωρούν ότι η γενετική δεν ευθύνεται για πάνω από το 40% της νοημοσύνης.

Όμως, όποιο κι είναι το σωστό ποσοστό της κληρονομικότητας, συγκεκριμένα «γονίδια εξυπνάδας» δεν έχουν ακόμη εντοπισθεί. Η νέα μελέτη πάντως δείχνει ότι ίσως πλέον πρέπει να μιλάμε για «δίκτυα γονιδίων εξυπνάδας» - πράγμα άκρως ταιριαστό σε μια τόσο (δια)δικτυωμένη εποχή!

Από το ΑΠΕ-ΜΠΕ

Τον... δίδαξαν ερευνητές από τις ΗΠΑ και τον Καναδά

Οι ηλεκτρονικοί υπολογιστές κάνουν γρήγορους υπολογισμούς και μαθαίνουν πιο αργά, ενώ οι άνθρωποι κάνουν πιο αργούς υπολογισμούς, αλλά μαθαίνουν πιο γρήγορα. Τώρα, για πρώτη φορά, ερευνητές από τις ΗΠΑ και τον Καναδά ανακοίνωσαν ότι «δίδαξαν» (προγραμμάτισαν) έναν υπολογιστή έτσι ώστε να μαθαίνει γρήγορα σαν άνθρωπος.

Οι ερευνητές, με επικεφαλής τον Μπρέντεν Λέικ του Πανεπιστημίου της Νέας Υόρκης, που έκαναν τη σχετική δημοσίευση στο περιοδικό "Science", δημιούργησαν ένα πρόγραμμα υπολογιστικής όρασης, που μιμείται την ικανότητα των ανθρώπων να μαθαίνουν νέα πράγματα από ένα και μόνο παράδειγμα: στη συγκεκριμένη περίπτωση να αναγνωρίζουν (όσο διαφορετικά κι αν γράφουν οι άνθρωποι το ίδιο γράμμα) και να γράφουν χειρόγραφους χαρακτήρες αλφαβήτου.

Μελλοντικά, η δυνατότητα αυτή του υπολογιστή θα μπορούσε να επεκταθεί και σε πολλές πρακτικές εφαρμογές, όπως η επεξεργασία εικόνων, η αναγνώριση φωνής, η αναγνώριση προσώπου, η κατανόηση της φυσικής γλώσσας κ.α.

Στην πραγματικότητα, δεν απαιτείται κάποιος προγραμματισμός για τη διαδικασία της μάθησης, καθώς ο αλγόριθμος προγραμματίζει τον εαυτό του για να δημιουργήσει κώδικα που θα παράγει το γράμμα που βλέπει. Αν και ο σχετικός αλγόριθμος, ο οποίος «μαθαίνει να μαθαίνει» (π.χ. χρησιμοποιεί γνώσεις του λατινικού αλφαβήτου για να μάθει το ελληνικό αλφάβητο), χρειάζεται αρκετή ακόμη βελτίωση, το επίτευγμα χαιρετίσθηκε ως σημαντικό βήμα προόδου στο πεδίο της τεχνητής νοημοσύνης και της μηχανικής μάθησης.

Αν και η μηχανική μάθηση των υπολογιστών έχει κάνει σημαντικές προόδους τα τελευταία χρόνια, οι άνθρωποι είναι ακόμη πολύ καλύτεροι από τα μηχανήματα στο να μαθαίνουν νέες έννοιες βλέποντας μόνο ένα ή δύο παραδείγματα, έναντι των δεκάδων ή εκατοντάδων χιλιάδων παραδειγμάτων που χρειάζονται να «καταναλώσουν» προηγουμένως οι υπολογιστές.

Μέχρι σήμερα έχει αποδειχθεί πολύ δύσκολο να κατασκευασθούν μηχανήματα που, για να μάθουν μια νέα έννοια, θα χρειάζονται ελάχιστα δεδομένα (παραδείγματα), όπως οι άνθρωποι. Προς το παρόν, για παράδειγμα, οι υπολογιστές αναγνωρίζουν την ανθρώπινη φωνή, επειδή έχουν προηγουμένως τροφοδοτηθεί με τεράστιες βάσεις δεδομένων από λέξεις και φράσεις. Είναι επόμενο ότι συχνά πέφτουν σε γκάφες, όταν συνταντούν λέξεις που τους είναι άγνωστες. Αντίθετα, οι άνθρωποι συνήθως αρκεί να δουν μια νέα λέξη μια-δυό φορές, για να καταλάβουν τι σημαίνει και πώς πρέπει να τη χρησιμοποιούν.

Οι ερευνητές ανέπτυξαν μια νέα μέθοδο μηχανικής μάθησης (Bayesian Program Learning-BPL), που αναγνωρίζει και δημιουργεί νέους χειρόγραφους χαρακτήρες εξίσου καλά με τους ανθρώπους - αν όχι καλύτερα. Σχετικές δοκιμές έγιναν με 50 διαφορετικά συστήματα γραφής από όλη τη Γη. Μία ομάδα κριτών δεν μπορούσε να ξεχωρίσει αν ο χειρόγραφος χαρακτήρας είχε δημιουργηθεί απο άνθρωπο ή από το μηχάνημα (ένα είδος «οπτικού τεστ Τιούρινγκ» τεχνητής νοημοσύνης).

«Απέχουμε ακόμη πολύ από το να δημιουργήσουμε μηχανήματα τόσο έξυπνα όσο ένα παιδί, όμως αυτή είναι η πρώτη φορά που έχουμε ένα μηχάνημα ικανό να μάθει και να χρησιμοποιεί μια μεγάλη γκάμα εννοιών του πραγματικού κόσμου, όπως οι χειρόγραφοι χαρακτήρες, με τέτοιους τρόπους που είναι δύσκολο να διακρίνεις ανάμεσα στο μηχάνημα και στους ανθρώπους», δήλωσε ο καθηγητής γνωσιακής υπολογιστικής επιστήμης του Πανεπιστημίου ΜΙΤ Τζόσουα Τενενμπάουμ.

Δυστυχώς σε αυτήν την κατηγορία ανήκω εγώ, εσύ και πολλοί άλλοι…

Η επιστήμη απεφάνθη: τα ψευτοκουλτουριάρικα κλισέ, προέρχονται από τους όχι και τόσο έξυπνους ανθρώπους.

Σύμφωνα λοιπόν με μια ακόμα αγαπημένη έρευνα που την αναφέρει το ladilike.gr, κάθε φορά που βλέπεις στο feed στο στο Facebook, ακόμα έναν χρήστη να έχει ποστάρει τσιτάτα όπως "Ακολούθα τα όνειρά σου", "5 φορές να πέφτεις, 6 να σηκώνεσαι", "Αν αγαπάς κάτι αστο να φύγει, αν γυρίσει είναι δικό σου, αν όχι, δεν ήταν ποτέ" (μπορώ να συνεχίσω να γράφω τέτοια για ώρες), μπορείς να τον κατηγορήσεις ότι είναι χαζός - και να έχεις με το μέρος σου και τους επιστήμονες.

Το πανεπιστήμιο του Waterloo στον Καναδά, εξέτασε λοιπόν πως σχετίζεται η δεκτικότητά μας απέναντι σε τέτοιες δήθεν βαθιά φιλοσοφημένες ατάκες, με το διανοητικό μας επίπεδο. Χρησιμοποιώντας τέσσερα διαφορετικά πειράματα, εξέτασαν 845 συμμετέχοντες, ζητώντας από καθέναν τους να αξιολογήσει κατά πόσο μια σειρά από φράσεις ήταν βαθυστόχαστες ή επιφανειακές.

Μερικές από τις εκφράσεις που τους δόθηκαν ήταν εντελώς ασυνάρτητες μπούρδες, ενώ άλλες ήταν ουσιαστικές συμβουλές ζωής, γραμμένες από guru της νέας γενιάς, όπως ο Deepak Chopra. Φυσικά οι ατάκες - αποκυήματα της φαντασίας, δεν ήταν τίποτ' άλλο πέρα από αναμειγμένα τσιτάτα ή ασυναίσθητες παλαβομάρες.

Στη συνέχεια, οι ερευνητές τέσταραν τη νοημοσύνη των συμμετεχόντων με γνωστικά τεστ, ενώ τους έκαναν και ερωτήσεις σχετικά με τις θεωρίες συνωμοσίας, τη θρησκεία, και το μεταφυσικό.

Σύμφωνα με τα αποτελέσματα, οι άνθρωποι που ήταν πιο δεκτικοί στα ψευτο-εμπνεσμένα κλισέ, ήταν περιορισμένης γνωστικής ικανότητας, θρήσκοι, και πιστεύουν πολύ πιο εύκολα σε θεωρίες συνωμοσίας.

Την επόμενη φορά που θα δημοσιεύσεις λοιπόν κάποια ατάκα, καλύτερα να τη μελετήσεις 2 φορές.