Μια προσέγγιση του πλαίσιου εξέλιξης  των πτυχών της τεχνητής νοημοσύνης

Γεώργιος Παΐσιος Φωτιάδης – Ψυχολόγος

Οι τελευταίες δεκαετίες χαρακτηρίζονται από τις ραγδαίες εξελίξεις του τεχνολογικού τομέα, και συγκεκριμένα της τεχνητής νοημοσύνης. Οι αναπτυσσόμενες δυνατότητες και το εύρος εφαρμογής αυτών, φέρει την ανθρωπότητα σε ένα μεταβατικό κατώφλι αντίληψης της νοημοσύνης, και της νόησης.

Η ανάπτυξη της τεχνολογίας, σε συνδυασμό με τη αδιάκοπη αναζήτηση, για την κατανόηση του ανθρώπινου νου, έχουν θέσει τις βάσεις για την ανάπτυξη ενός εργαλείου, (τεχνητή νοημοσύνη) το οποίο ωστόσο, ξεπερνά  κάποιες ανθρώπινες γνωστικές δυνατότητες.

Ο λόγος ανάπτυξης του συγκεκριμένου άρθρου, είναι η προσέγγιση του πλαίσιου εξέλιξης  των πτυχών της τεχνητής νοημοσύνης, προσκείμενα στο ανθρώπινο γνωστικό σύστημα. Αναλύονται τμήματα των γνωστικών διεργασιών και της αρχιτεκτονικής που τις διέπει, καθώς και το πως εξελίχθηκαν αυτές, βάση της έμφυτης ανθρώπινης τάσης για επιβίωση ( εξελικτική ψυχολογία). 

Καθώς επιχειρούμε την ανάλυση και παρουσίαση των ανθρώπινων γνωστικών διεργασιών, βάση της νευροψυχολογίας, θα εμβαθύνουμε στα σημεία όπου η τεχνητή νοημοσύνη, σε ορισμένες περιπτώσεις, ξεπέρνα το ανθρώπινο γνωστικό κατώφλι δυνατοτήτων.  Τέλος το άρθρο προσεγγίζει τις δυνατότητες  ανάλυσης πληροφοριών, καθώς και το πως αυτές επεκτείνονται, βάση της επεξεργασίας των αλγόριθμων  μηχανικής και βαθιάς μάθησης.

Η σημασία χαρτογράφησης των γνωστικών διεργασιών

Η εξέλιξη της ανθρώπινης νόησης, αποτελεί απότοκο, ανάδρασης και διάδρασης χιλιάδων ετών. Το ανθρώπινο είδος επιβίωσέ και εξελίχθηκε βάση της βελτιστοποίησης των νοητικών ικανοτήτων του ώστε να ανταποκρίνεται στο εκάστοτε περιβάλλον, καθώς και τις ανάγκες του. [1].

Ο ανθρώπινος εγκέφαλος, δημιουργεί μία αναπαράσταση του περιβάλλοντος, βάση της ερμηνείας που προσδίδει στα ερεθίσματα των αισθητηριακών οργάνων του. Σε αυτή την αρχή, βασίζονται οι γνωστικές διαδικασίες, με τις οποίες επεξεργαζόμαστε και ταξινομούμε πληροφορίες (ερεθίσματα).

Η συγκεκριμένη διεργασία, έχει ως απώτερο σκοπό την βέλτιστη δυνατή επεξεργασία πληροφοριών, με τρόπο τον οποίο επιτρέπει να λαμβάνουμε γρήγορες αποφάσεις, για την διατήρηση της ζωής μας [2].

Πάνω σε αυτή την αρχή, αναπτύχθηκε και εξελίχθηκε η δομή του ανθρώπινου εγκεφάλου, με την γνωστική αρχιτεκτονική όπου διέπει τις παραπάνω διεργασίες.

Η επιστήμη της νευροψυχολογίας, σε συνδυασμό με τα τεχνολογικά μέσα (μαγνητικούς τομογράφους κλπ.), έχει χαρτογραφήσει έως έναν βαθμό τις γνωστικές διεργασίες της λήψης αποφάσεων, βάση τον εξελικτικών αναγκών και της αρχιτεκτονικής του νευρικού συστήματος [3].

Με την χαρτογράφηση της αλληλουχίας των γνωστικών διεργασιών, για την λήψη αποφάσεων, καθώς και τον τμημάτων του νευρικού συστήματος, τα οποία είναι υπεύθυνα για αυτό, σκιαγραφήθηκε μια σαφέστερη εικόνα του γνωστικού συστήματος. Η επιστήμη με αυτό το τρόπο, κατάφερε να προσδιορίσει το εύρος των γνωστικών δυνατοτήτων [4] .  

Κατά συνέπεια, η γνωστική αρχιτεκτονική, καθώς και οι θεμελιώδης περιορισμοί της,  είναι καταγεγραμμένη επιστημονικά.

Ανθρώπινα γνωστικά όρια

Η βραχυπρόθεσμη μνήμη, αποτελεί κεντρικό στοιχείο, του γνωστικού συστήματος, καθώς χαρακτηρίζεται από την περιορισμένη χωρητικότητα και την δυνατότητα να συγκρατεί περιορισμένο πλήθος πληροφοριών (ερεθισμάτων). Πιο συγκεκριμένα έχει την δυνατότητα να διατηρεί βραχυπρόθεσμα ( έως 30 δευτερόλεπτα)  7 στοιχεία με μια παραλλαγή συν-πλην 2 [5] .

Ο συγκεκριμένος μηχανισμός, αποτελεί απότοκο εξέλιξης χιλιάδων ετών, το οποίο ωστόσο είχε περιορισμένο αριθμό εξωτερικών ερεθισμάτων, αναλογικά με τον τελευταίο αιώνα.

Η πεπερασμένη χωρητικότητα,  της βραχυπρόθεσμης μνήμης, δημιουργεί σοβαρές δυσκολίες, στην επεξεργασία και ερμηνεία πληροφοριών. Ο παράγοντας του καταιγισμού πληροφοριών, του σύγχρονου περιβάλλοντος, ανάγει σε πρόκληση την διαδικασία λήψης αποφάσεων, από την διαχείριση καθημερινών εργασιών, έως την κατανόηση πολυδιάστατων παγκόσμιων ζητημάτων. 

Γνωστικός κορεσμός

Η βραχυπρόθεσμη μνήμη, είναι σχεδιασμένη για την ταχεία λήψη αποφάσεων, για ένα περιβάλλον με περιορισμένο αριθμό ερεθισμάτων, αναλογικά με το σημερινό. Η συνεχής έκθεση σε μεγάλο όγκο πληροφοριών, προκαλεί την κόπωση του γνωστικού συστήματος, ενώ ταυτόχρονα επιβραδύνει τις γνωστικές διεργασίες.

Όταν το γνωστικό σύστημα επέλθει σε έναν βαθμό κόπωσης, στον οποίο δεν μπορεί να συμβαδίσει με την εισροή πληροφοριών, τείνει να βασίζεται σε προϋπάρχουσες προκαταλήψεις και ευρετικές μεθόδους.

Πιο συγκεκριμένα, αυτό συμβαίνει διότι, ο ενδογενής αντικειμενικός σκοπός διεξαγωγής νοήματος, μέσω ερεθισμάτων, δεν μπορεί να επιτευχθεί. Αυτό οδηγεί το γνωστικό μηχανισμό, να βασίζεται σε διαφορετικές μεθόδους (ταχύτερες)  διεξαγωγής νοήματος [6] . Οι οποίες δεν βασίζονται απαραίτητα στην απεικόνιση της πραγματικότητας, αλλά σε μία αποδεκτή μορφή αυτής, βάση των προϋπάρχοντων πληροφοριών και πεποιθήσεων (προκαταλήψεις).

Οι γνωστικές προκαταλήψεις, όπως η προκατάληψη επιβεβαίωσης και η ευρετική της διαθεσιμότητας , επηρεάζουν άμεσα την ικανότητα αξιολογήσης και διαχειρίσης πληροφοριών. Ταυτόχρονα η εκθετική αύξηση πληροφοριών, καθώς και η έκθεση σε αυτές εκούσια και ακούσια, μέσα από πλήθος διαύλων του σύγχρονου περιβάλλοντος, καταβάλουν τις γνωστικές διαδικασίες [7] .

Το αποτέλεσμα των παραπάνω παραγόντων, είναι να μειώνεται η αποδοτικότητα και συνεπώς η αποτελεσματικότητα του γνωστικού συστήματος.

Τέλος, μια ακόμα σημαντική επίπτωση, είναι η μείωση της ταχύτητας μεταβολής της προσοχής ιεραρχικά, βάση της εκάστοτε στοχοθέτησης, αλλά και των υποσυνείδητων διεργασιών. Ο γνωστικός κορεσμός, επηρεάζει την δυνατότητα μεταβολής της  προσοχής ανάμεσα σε παράγοντες και ερεθίσματα του περιβάλλοντος. Η συγκεκριμένη συνθήκη, είναι ιδιαίτερα σημαντική, όταν η στοχοθέτηση και το πλαίσιο στο οποίο προσανατολίζεται γνωστικά ο άνθρωπος, επηρεάζεται άμεσα, στρέφοντας την προσοχή του και περιορίζοντας την, σε παράγοντες οι οποίοι είναι άμεσα συνδεδεμένοι με την βιολογική υπόσταση και επιβίωση του. Επιπρόσθετα, το αντιληπτικό φάσμα, περιορίζεται βάση της εγγύτητας των διαθέσιμων ερεθισμάτων.

Βιολογικοί παράγοντες

Σε αυτό το κάδρο, των γνωστικών περιορισμών, έρχεται να προστεθεί και η βιολογική υπόσταση του νευρικού συστήματος. Πιο συγκεκριμένα, το ανθρώπινο νευρικό σύστημα, είναι η ‘’πλατφόρμα’’ πάνω στην οποία και από την οποία πραγματοποιούνται όλες οι πνευματικές διεργασίες, καθώς και οι γνωστικές ενέργειες.

Αποτελεί των πυρήνα επεξεργασίας, ερμηνείας και αναπαράστασης των εξωτερικών ερεθισμάτων, με τον οποίο προσανατολιζόμαστε και πράττουμε.

Ο ανθρώπινος οργανισμός, βάση του γενετικού κώδικα που τον διέπει, έχει κάποιες αρχές, από τις οποίες δεν μπορεί να αποκλίνει ( τουλάχιστον όχι μέχρι πρωτίστως). Μια από αυτές τις αρχές είναι το κυτταρικό γήρας ( νευρολογικός εκφυλισμός του γήρατος).

Ο νευρολογικός εκφυλισμός, αποτελεί έναν παράγοντα, ο οποίος σε βάθος χρόνου, επηρεάζει όλο το φάσμα του νευρικού συστήματος αρνητικά. Επηρεάζει την μνήμη και τους αισθητηριακούς υποδοχείς, υποδαυλίζοντας κάθε πνευματική διεργασία και συνεπώς τις γνωστικές διεργασίες.

Στον αντίποδα τα ανθρώπινα νευρικά κύτταρα, έχουν ιδιότητες νευροπλαστικότητας, οι οποίες μπορούν και αντισταθμίζουν, έως έναν βαθμό τις επιπτώσεις του νευρολογικού εκφυλισμού. Ωστόσο, σε βάθος χρόνου, μειώνεται  σημαντικά ο αριθμός των νευρικών κύτταρών, με αποτέλεσμα να μειώνεται η επάρκεια του νευρικού συστήματος.

Είναι σημαντικό να αναφερθεί, πως το νευρικό σύστημα είναι ένας μηχανισμός, του οποίου η αποδοτικότητα και αποτελεσματικότητα, είναι στενά συνδεδεμένοι με το βιοτικό επίπεδο, τις συνθήκες ζωής ( διατροφή κλπ.), καθώς και την ποιότητα ύπνου (κιρκάδιος ρυθμός).

Γνωστικά σφάλματα

Οι παραπάνω παράγοντες, καθιστούν σαφές ότι κάποιες από τις γνωστικές διεργασίες, δεν συμβαδίζουν με την εξέλιξη του σύγχρονου πληροφοριακού περιβάλλοντος. Το πλήθος των ερεθισμάτων του συγχρόνου περιβάλλοντος, ορίζει ένα γνωστικό κατώφλι, πάνω από το οποίο ο ανθρώπινος παράγοντας δεν μπορεί να διαχειριστεί και αναλύσει  αποτελεσματικά, τον όγκο των εξωγενών ερεθισμάτων ( δεδομένων, πληροφοριών).

Οι γνωστικοί περιορισμοί, αποτελούν τα όρια στην εξίσωση του σύγχρονου περιβάλλοντος, ενώ ταυτόχρονα  οδηγούν σε γνωστικά σφάλματα.

Πιο συγκεκριμένα, η ανεπάρκεια πληροφοριών, η έλλειψη στοιχείων και η αδυναμία πρόσδοσης νοήματος ενός ερεθίσματος (πληροφορίας, δεδομένου), οδηγούν στην ανάπτυξη σεναρίων, ώστε να συνδεθεί το αίτιο με το αιτιατό [8].

Η δημιουργία αυτής της γέφυρας, καθώς και η μορφή της, βασίζεται σε πλήθος παραγόντων το οποίο δεν μπορεί να εξαντληθεί στα πλαίσια ενός άρθρου. Ωστόσο, κάποιοι σημαντικοί παράγοντες, που συνδέονται στενά είναι, το κοινωνικό-οικονομικό πλαίσιο, η εκπαίδευση–επιμόρφωση, και η εμπειρία.

Οι συγκεκριμένοι παράγοντες, αποτελούν καταγεγραμμένο ιστορικό, στο οποίο γίνεται συνειδητά και υποσυνείδητα αναδρομή, με απώτερο σκοπό τον συσχετισμό και την πιθανή ταύτιση.

Επιπρόσθετα οι παραπάνω παράγοντες, αποτελούν μια δεξαμενή μοτίβων βάση των οποίων, οι ανθρώπινες γνωστικές διεργασίες τα αναγνωρίζουν σε πρώιμα στάδια, ώστε να ανταποκριθούν στην συνθήκη που αυτά θα επιφέρουν [9].

Τεχνητή Νοημοσύνη

Η τεχνητή νοημοσύνη, αποτελεί ένα ρευστό ορισμό, καθώς είναι ένα στοιχείο το οποίο βρίσκεται υπό εξέλιξη. Πιο συγκεκριμένα, αποτελεί μια μορφή πολυδιάστατου και σύνθετου αλγορίθμου, ο οποίος όσο εξελίσσεται αποκτά νέες δυνατότητες. Ο αλγόριθμος αποτελεί μια ακολουθία εντολών, οι οποίες εκτελούνται με καθορισμένο τρόπο και έχουν έναν αντικειμενικό σκοπό.  

Ο ορισμός της ‘τεχνητής νοημοσύνης’, επινοήθηκε το 1956 στις Ηνωμένες Πολιτείες  [10] , στα πλαίσια προγραμμάτων του υπουργείου άμυνας. Οι αλγόριθμοι, καθώς και η τεχνητή νοημοσύνη, αποτελούσε έναν παράγοντα, ο οποίος εξελίχθηκε καθαρά σε ερευνητικά κέντρα, τα οποία σχετίζονταν πρωτίστως με την αμυντική βιομηχανία.

O όρος τεχνητή νοημοσύνη, έγινε ευρέως γνωστός και πλέον αποτελεί κέντρο βαρύτητας του επιστημονικού προσκήνιου, λόγο της αύξησης της υπολογιστικής ισχύος, όσο και της προσβασιμότητας των δεδομένων.

Σημαντικό παράγοντα της εξέλιξης του κλάδου, της τεχνητής νοημοσύνης, αποτέλεσε η μηχανική μάθηση, η οποία σχετίζεται με τις γνωστικές διεργασίες του ανθρώπινου εγκεφάλου. Πιο συγκεκριμένα, ο όρος “μηχανική μάθηση” εισήχθη για πρώτη φορά από τον Arthur Samuel το 1959.

Αποτελεί έναν κλάδο της τεχνητής νοημοσύνης, ο οποίος μαθαίνει μόνος του από τα δεδομένα, χωρίς ρητό προγραμματισμό. Ειδικότερα, η εκπαίδευση του μοντέλου βασίζεται σε σύνολα δεδομένων, με απώτερο σκοπό την ανίχνευση μοτίβων και αναγνωρίσει αυτών, σε ένα ευρύτερο πλαίσιο δεδομένων, στα οποία δεν έχει εκπαιδευτεί ο αλγόριθμος.

Ο παραπάνω κλάδος, βασίζεται πάνω σε ανθρώπινες γνωστικές διεργασίες, οι οποίες σχετίζονται με την αναγνώριση, ταξινόμηση και την ομαδοποίηση ενός δεδομένου σε ευρύτερα υποσύνολα, καθώς και στο περιβάλλον του.

Η ιδιαιτερότητα και το κομβικό σημείο, είναι η προσπάθεια αντιγραφής των διακριτών γνωστικών βημάτων – διεργασιών, με αντικειμενικό σκοπό τη γενίκευση της αναγνώρισης ενός μοτίβου, ως διαδικασία καθαυτή, για  μελλοντική αυτοτελή εκτέλεση.

Στο πλαίσιο της τεχνητής νοημοσύνης, γίνεται προσπάθεια αξιοποίησης, των διεργασιών του γνωστικού συστήματος, καθώς και της αρχιτεκτονικής αυτού. 

Η βαθιά μάθηση, είναι ένα υποσύνολο της μηχανικής μάθησης, η οποία βασίζεται και χρησιμοποιείται πάνω σε τεχνητά νευρωνικά δίκτυα. Επιτρέποντας, βαθύτερη και πιο σύνθετη επεξεργασία μοτίβων, από αυτή της απλής μηχανικής μάθησης.

 Η ειδοποιός διαφορά της βαθιάς μάθησης από την μηχανική μάθηση, βρίσκεται στην δομή τους, των τρόπο εκπαίδευσης τους, καθώς και τον αντικειμενικό σκοπό τους.

Η μηχανική μάθηση, αποτελεί προσπάθεια αξιοποίησης των χαρτογραφημένων γνωστικών διεργασιών, του ανθρώπινου εγκεφάλου.  Δίνοντας την δυνατότητα, παραγωγής δεικτών, οι οποίοι βασίζονται στην ταξινόμηση και την ομαδοποίηση [11].

Η βαθιά μάθηση, αξιοποιεί την αρχιτεκτονική των νευρωνικών δικτύων του ανθρώπινου εγκεφάλου και  χρησιμεύει στην ανάλυση σύνθετων δεδομένων [12].

Η ανθρώπινες γνωστικές διεργασίες, περιλαμβάνουν μερικά διακριτά έως έναν  βαθμό γνωστικά βήματα, συμπεριλαμβανομένης της οπτικής επεξεργασίας και της μνήμης. Η μετάφραση τους, στο πλαίσιο αλγορίθμου αποτελεί κομβικό σημείο αλλά και πρόκληση, διότι πλέον εμπεριέχει το στοιχείο της πρόσδοσης  νοήματός.

Αυτό συμβαίνει, διότι ο ανθρώπινος εγκέφαλος μπορεί να καταλήξει σε ένα μοτίβο μέσω ενός δεδομένου ( ερεθίσματος ), χωρίς το δεδομένο να έχει άμεση εμφανή σχέση με το μοτίβο αυτό, αλλά έχει αφανή σχέση με την διαδικασία αναγνώρισης του ερεθίσματος [13].

Η αποδοτικότητα και η αποτελεσματικότητα της τεχνητής νοημοσύνης είναι όροι, οι οποίοι καθορίζονται αυστηρά από το πλαίσιο εφαρμογής της, καθώς, και τον αντικειμενικό σκοπό του εντολέα.

Ωστόσο, η δυνατότητες ενός αλγορίθμου βασίζονται στην υλικό τεχνική υπόσταση του συστήματος, την ικανότητα των προγραμματιστών μέσα από των κώδικα που παράγουν, και τέλος τα σύνολα πληροφοριών που μπορούν να τροφοδοτήσουν τον αλγόριθμο.

Η εξέλιξη

Η ανάπτυξη της τεχνητής νοημοσύνης, θεωρείται ως πιθανή λύση απέναντι στους γνωστικούς περιορισμούς διαχείρισης πληροφοριών. Τα συστήματα τεχνητής νοημοσύνης, υπερέχουν στην ποσοτική επεξεργασία δεδομένων, πόσο μάλλον υπό το πρίσμα της ευαισθησίας του χρόνου. Η τεχνητή νοημοσύνη, τείνει να αποτελέσει κομβικό παράγοντα, στην  γεφύρωσης του γνωστικού χάσματος, των δυνατοτήτων ταξινόμησης, επεξεργασίας και εξαγωγής νοήματος.   

Μέχρι στιγμής , περιορίζουμε την τεχνητή νοημοσύνη, στις ποσοτικές δυνατότητες επεξεργασίας, ταξινόμησης, και ανάλυσης. Η τεχνητή νοημοσύνη, αποτελεί ένα εξαιρετικό και πρωτόγνωρα ικανό εργαλείο, αναλύσεις όγκων δεδομένων και παραγωγής δεικτών. Ωστόσο, δεν μπορεί να προσδώσει και να εκλάβει νόημα, μέσα από τα δεδομένα, αποτυγχάνοντας στην ποιοτική ανάλυση, ακόμα και στην πιο απλή μορφή της. Παράδειγμα, αποτελεί ο χαρακτηρισμός ένα βομβαρδιστικού stealth ως σκύλο [14].

Το ανθρώπινο γνωστικό σύστημα, είναι απότοκο εξέλιξης χιλιάδων ετών, μέσα σε πλήθος ποικίλων περιβαλλοντικών συνθηκών, προκλήσεων και απαιτήσεων.

Ο τρόπος λειτουργιάς του, καθώς και η δομή του, αποτελούν ένα πεδίο έρευνας, το οποίο καθημερινά χαρτογραφείτε. Ωστόσο, μέχρι στιγμής, υπάρχει ένα μικρό ποσοστό στέρεων δεδομένων, για τον τρόπο λειτουργίας του. Ταυτόχρονα, υπάρχουν ασυνείδητες διεργασίες, που επηρεάζουν τον τρόπο λειτουργίας του, στις οποίες δεν έχουμε άμεση πρόσβαση και είναι δύσκολο να εξάγουμε δεδομένα για αυτές. Αυτή η αδυναμία, πρόσβασης και πρόσδοσης δομής στις ασυνείδητες διεργασίες, κάνει εξαιρετικά δύσκολη την δημιουργία της ευρύτερης εικόνας του γνωστικού συστήματος. Ο συγκεκριμένος παράγοντας, έχει πρακτικές προεκτάσεις, καθώς το άθροισμα των τμημάτων που χαρτογραφούμε, δεν συνθέτει την ολότητα, με όλες τις αλληλεπιδράσεις και την δια λειτουργικότητα, που διέπετε στο εσωτερικό και μεταξύ των διάφορων τμημάτων και διεργασιών.

Η δυνατότητα της επιστήμης, να προσδιορίσει τα τμήματα, καθώς και τους τρόπους λειτουργίας τους, πλέον βασίζεται στην ανάλυση του αποτελέσματος ενός μηχανισμού, για τον οποίο είναι αδύνατη η ολιστική χαρτογράφηση. Κάτω υπό αυτή την συνθήκη, δεν έχουμε στερεά δεδομένα για μεγάλο ποσοστό των γνωστικών διεργασιών ( υποσυνείδητες διεργασίες), επομένως, μέχρι στιγμής δεν υπάρχει η δυνατότητα μετάφρασης του γνωστικού συστήματος σε κώδικα. Όσο υπάρχει η αδυναμία χαρτογραφήσης των ασυνείδητων γνωστικών παραγόντων, καθώς και της επιρροής που αυτοί ασκούν στις διεργασίες ανάλυσης, ταξινόμησης και λήψης αποφάσεων, θα είναι πολύ δυσμενές για τους ανθρώπους, να προσανατολίσουν την τεχνητή νοημοσύνη, ώστε να πλησιάσει τις ανθρώπινες γνωστικές δυνατότητες.   

Η επιστήμη της νευροψυχολογίας, καθημερινά εμβαθύνει στην έρευνα αυτού του τομέα, εξάγοντας δεδομένα, για την δομή και τις διεργασίες του γνωστικού συστήματος. Με αυτό τον τρόπο αποκτούμε μια βαθύτερη  απεικόνιση  του εγκεφάλου, προσδιορίζοντας τις δυνατότητες του, με απώτερο σκοπό την βελτίωση τους.

Παράλληλα, με την εμβάθυνση και την πρόοδο της νευροψυχολογίας, αναπτύσσετε και ο κλάδος της τεχνητής νοημοσύνης, καθώς, δίνεται η δυνατότητα εύστοχης στοχοθέτησης των αντικειμενικών σκοπών του κλάδου, βάση των ανθρώπινων περιορισμών που ανακαλύπτονται.

Η αξιοποίηση ενός  ποσοστού των γνωστικών διεργασιών, μεταφρασμένο σε κώδικα, συνεισφέρει καίρια στην ανάπτυξη των δυνατοτήτων της τεχνητής νοημοσύνης. Επιπρόσθετα, η αρχιτεκτονική και ο τρόπος αλληλεπίδρασης των τμημάτων – δικτύων του ανθρώπινου εγκεφάλου, χρησιμοποιείται για την δημιουργία και εξέλιξη των συστημάτων μηχανικής και βαθιάς μάθησης, παράγοντες οι οποίοι καθορίζουν την εξέλιξη και τις δυνατότητες της τεχνητής νοημοσύνης.

Η σύγκλιση του παράγοντα της τεχνητής νοημοσύνης, με τις ανθρώπινες γνωστικές διεργασίες, συνθέτουν μια νέα πραγματικότητα. Η θεμελιώδης γνώση του γνωστικού συστήματος, καθώς και των διεργασιών του, έχει τις ρίζες της, στην ψυχολογική εξέλιξη, η οποία είναι καίριας σημασίας για την κατανόηση  του ρόλου που θα διαδραματίσει η τεχνητή νοημοσύνη στο μέλλον.