Hogyan tanulunk? Mire képesek az agyunk felépítése által inspirált mélytanulási modellek és hogyan hat egymásra a kognitív idegtudomány és a mesterséges intelligencia? Stanislas Dehaene A rugalmas agy című könyve mind a kognitív tudományok, mind a mesterséges intelligencia iránt érdeklődők számára izgalmas olvasmány. A legtöbb ismeretterjesztő könyvvel ellentétben mer ajánlásokat megfogalmazni arra, hogyan kellene hasznosítani a tudomány eredményeit a hétköznapokban.

A szerző nem ismeretlen a magyar olvasóknak, húsz éve jelent meg A számérzék, Miként alkotja meg az elme a matematikát? című könyve, az eredeti kiadás után hat évvel. A rugalmas agy esetében már csak négy évet kellett várni a fordításra, ami miatt azért a mesterséges intelligenciáról szóló részeknél érezhető hogy eltelt az idő. A megersősítéses tanulás már nem akkora nagy szám, az Attetion is All You Need tanulmány és a transformer modellek pedig még éppen születőben voltak 2018-ban, amikor az eredeti francia kiadás megjelent. Mindezek ellenére a kötet hiánypótló a magyar piacon, amin utoljára Jean-Pierre Changeux Agyunk által világosan – A neuronális ember avagy az agykutatás keresztmetszete című könyve jelent meg a témában az ezredfordulón.

Lehet a neurális hálókra persze egyszerűen úgy tekinteni mint függvényeket közelítő eszközökre és így mint egyszerű technikára. A sztori másik oldala, hogy az első neurális modell, amit McCulloch és Pitts alkotott meg, erősen biológiailag inspirált volt. A mai deep learning leánykori nevén konnekcionizmus, a nyolcvanas években korántsem volt menő, amolyan obskúrus hobbinak számított, amit főleg kognitív tudósok űztek, de a Deep Mind alapítói is az idegtudományokból érkeztek. Általánosságban elmondhatjuk, hogy a mesterséges intelligencia és kognitív tudományok között nincs éles határvonal. Ezért szerencsés ha legalább egy ismeretterjesztő könyvből átfogó képet tudnak kapni a téma iránt érdeklődők és meglátják a kapcsolódási pontokat a különböző területek között.

Dehaene kiválló munkát végzett. A könyv első része definiálja hogy mi az a tanulás, majd összeveti a gépi tanulást és az emberit. Ezután a második részben az egy tanulási mechanizmusai kerülnek bemutatásra, majd a harmadik részben a tanulás négy pillére (figyelem, aktív bevonódás, visszajelzés hiba esetén és konszolidáció). Számunkra az utolsó fejezet volt a legérdekesebb, mert konkrét ajánlásokat fogalmaz meg a tanulással és a közoktatással kapcsolatban a szerző. Aki szeretné megtudni mi a fene az a kognitív idegtudomány, hogyan tanul az agyunk és a mesterséges intelligencia hogyan viszonyul mindehhez, annak mindenképpen ajánljuk a könyvet.