[논문 리뷰] The neuroconnectionist research programme

Adrien Doerig, Rowan P. Sommers외 9명|arXiv (Cornell University)|2022. 09. 08.

EEG and Brain-Computer Interfaces인용 수 24

한 줄 요약

본 논문은 Lakatos에서 영감을 받아 인공신경망을 응집력 있고 대규모의 신경연결주의 연구 프로그램으로 간주하고, 뇌 계산에 대한 반증 가능한 이론을 생성하며 시간이 지남에 따라 신경과학 가설을 검증하기 위한 관점을 제시한다.

ABSTRACT

Artificial Neural Networks (ANNs) inspired by biology are beginning to be widely used to model behavioral and neural data, an approach we call neuroconnectionism. ANNs have been lauded as the current best models of information processing in the brain, but also criticized for failing to account for basic cognitive functions. We propose that arguing about the successes and failures of a restricted set of current ANNs is the wrong approach to assess the promise of neuroconnectionism. Instead, we take inspiration from the philosophy of science, and in particular from Lakatos, who showed that the core of scientific research programmes is often not directly falsifiable, but should be assessed by its capacity to generate novel insights. Following this view, we present neuroconnectionism as a cohesive large-scale research programme centered around ANNs as a computational language for expressing falsifiable theories about brain computation. We describe the core of the programme, the underlying computational framework and its tools for testing specific neuroscientific hypotheses. Taking a longitudinal view, we review past and present neuroconnectionist projects and their responses to challenges, and argue that the research programme is highly progressive, generating new and otherwise unreachable insights into the workings of the brain.

연구 동기 및 목표

• 제한된 ANN 모델의 평가에서 응집력 있고 진보적인 연구 프로그램의 평가로의 전환을 촉진한다.
• 뇌 계산 가설을 검증하기 위한 신경연결주의의 핵심 개념, 프레임워크, 도구를 정의한다.
• 장기적이고 반복적인 진전이 개별 모델의 성공을 넘어 새로운 통찰을 낳을 수 있다고 주장한다.
• 인지 및 신경 데이터 모델링에 있어 신경연결주의를 과학적으로 엄밀한 접근으로 제시한다.

제안 방법

• 반증 가능한 뇌 계산 이론을 표현하는 응집력 있는 계산 프레임워크를 제시한다.
• 프로그램 내에서 특정 신경과학 가설을 검증하기 위한 도구와 방법을 설명한다.
• 즉각적인 모델 성능을 넘어서 진행 상황을 평가하기 위해 장기적이며 Lakatos에서 영감을 받은 관점을 채택한다.

실험 결과

연구 질문

• RQ1 신경연결주의 연구 프로그램의 핵심은 무엇인가?
• RQ2 인공신경망이 반증 가능한 뇌 이론을 표현하고 검증하기 위한 계산 언어로 어떻게 작용할 수 있는가?
• RQ3 Lakatosian 관점이 시간이 지남에 따라 신경연결주의 프로젝트가 만들어내는 진전과 참신성을 정당화할 수 있는가?
• RQ4 이 프로그램에서 신경과학 가설을 검증하는 데 필요한 프레임워크와 도구는 무엇인가?

주요 결과

• 신경연결주의 접근은 ANN 사용을 고립된 모델이 아닌 응집력 있고 진보적인 연구 프로그램의 일부로 재구성한다.
• Lakatos에서 영감을 받은 렌즈가 프로그램의 즉각적인 개별 모델의 반증 가능성보다는 새로운 통찰을 생성하는 능력으로 평가하는 데 도움이 된다.
• 본 논문은 신경연결주의 내에서 신경과학 가설을 평가하는 데 필요한 핵심 계산 프레임워크와 검증 도구를 개요로 제시한다.
• 장기적 검토는 과거와 현재의 프로젝트가 도전에 대응하고 뇌 계산에 대한 통찰을 생성한다는 것을 시사한다.
• 이 프로그램은 표준 단일 모델 평가로는 얻을 수 없는 통찰을 제공하는 것을 목표로 한다.