Vi har byggt hela AI-industrin på en felaktig bild av hjärnan

Hjärnan som dator – en myt som formade en hel bransch

När Googles Demis Hassabis beskriver hjärnan som "en biologisk approximation av en Turingmaskin" och Elon Musk uppmanar folk att "tänka på hjärnan som en biologisk dator", uttalar de inte bara en åsikt. De formulerar det fundament som hela den moderna AI-industrin vilar på.

Det är ett fundament som nu gungar.

Enligt The Verge härstammar den beräkningsinriktade hjärnmodellen från Alan Turing, och beskriver tänkandet som en trestegsprocess: intryck tas in, bearbetas och omvandlas till handling. Det är en elegant modell. Den är också, enligt moderna neurovetare, fundamentalt ofullständig.

Paul Cisek, neurovetare vid Université de Montréal, har under många år byggt upp en biologisk modell av hur hjärnan och nervsystemet har utvecklats under miljontals år. Hans slutsats är tydlig: hjärnan är inte en informationsbearbetare – den är ett återkopplingsstyrt system. Kroppen agerar aktivt för att påverka vilka signaler den överhuvudtaget tar emot. Det är en radikal skillnad.

Ta basebollspelaren som fångar en hög boll. Enligt datormodellen måste spelaren omedvetet beräkna bollens bana, vinkel och hastighet för att sedan röra sig till rätt plats. Men så fungerar det inte i verkligheten. Spelaren justerar löpet kontinuerligt, i realtid, utifrån hur bollen rör sig relativt horisonten. Det är inte beräkning – det är dynamisk samverkan mellan kropp, sinnen och omvärld.

Inte naivt, men inte heller oväsentligt

Nu är jag den förste att säga att vi inte ska kasta ut AI-barnet med badvattnet. De stora språkmodellerna, bildigenkänningssystemen och de automatiserade beslutsprocesserna vi byggt de senaste åren har skapat enormt värde. Det vore intellektuellt ohederligt att förneka det.

Men det vore lika ohederligt att ignorera vad hjärnforskningen nu signalerar: vi kan ha byggt extremt kraftfulla system baserade på en felaktig bild av vad intelligens faktiskt är.

John von Neumann – en av datavetenskapens grundare – tvivlade redan tidigt på att beräkningsmodellen kunde fånga nervsystemets komplexitet. Det är anmärkningsvärt att vi i decennier har valt att bortse från det tvivlet, delvis för att modellen var så praktiskt användbar.

Och här ligger den verkliga affärsmässiga och samhälleliga risken. Inte att AI är värdelös – utan att vi reglerar, certifierar och litar på system vars begränsningar vi inte förstår, eftersom vi trodde vi förstod hur de fungerade.

Konsekvenser för design, reglering och förtroende

Om hjärnan inte är en dator utan ett dynamiskt, kroppsbundet återkopplingssystem, uppstår omedelbart tre obehagliga frågor för AI-branschen:

För systemdesign: Saknar dagens AI-modeller något strukturellt? Bristen på kroppslig förankring – det som inom forskningen kallas förkroppsligad kognition – kan förklara varför stora språkmodeller är remarkabelt bra på att generera text men anmärkningsvärt dåliga på att resonera om fysisk verklighet.

För reglering: EU:s AI-förordning och liknande ramverk bygger på antaganden om hur AI-system "tänker" och fattar beslut. Om grundantagandet är fel, kan regleringen skydda oss mot fel saker.

För förtroende: Organisationer som automatiserar kritiska beslut – inom vård, rättsväsende, ekonomi – gör det med en implicit övertygelse om att AI-system i grunden liknar mänskligt resonemang, fast snabbare och mer konsekvent. Den övertygelsen kan behöva omprövas.

En möjlighet, inte bara en kris

Jag ser ändå det här som en öppning. Hjärnforskning som utmanar AI-branschens självbild är inte ett argument för att bromsa – det är ett argument för att bygga smartare. Forskning om förkroppsligad intelligens, om återkopplingssystem och biologiskt inspirerade arkitekturer har länge levt i skuggan av de stora språkmodellernas framgångar.

Nu finns det skäl att lyfta fram den forskningen, finansiera den och integrera dess insikter i nästa generations system. Det är inte ett hot mot AI-industrin. Det är dess nästa kapitel.