نمذجة الشبكات العصبية الاصطناعية (ANNs) على أدمغة الحيوانات

أظهر أنتوني زادور، عالم الأعصاب في مختبر كولد سبرينغ هاربور (CSHL)، أن التطور وأدمغة الحيوانات يمكن أن تكون مصدر إلهام للتعلم الآلي. يمكن أن يكون هذا مفيدًا في مساعدة الذكاء الاصطناعي على حل العديد من المشاكل المختلفة.

وفقًا لعالم الأعصاب في CSHL أنتوني زادور، يمكن تحسين الذكاء الاصطناعي بشكل كبير من خلال النظر إلى أدمغة الحيوانات. بهذا النهج، يمتلك علماء الأعصاب وأولئك الذين يعملون في مجال الذكاء الاصطناعي طريقة جديدة لحل بعض من أكثر مشاكل الذكاء الاصطناعي إلحاحًا.

كرس أنتوني زادور، د.ف.، جزءًا كبيرًا من مسيرته المهنية لشرح الشبكات العصبية المعقدة داخل الدماغ الحي. يذهب إلى حد الخلايا العصبية الفردية. في بداية مسيرته المهنية، ركز على شيء مختلف. درس الشبكات العصبية الاصطناعية (ANNs). ANNs هي أنظمة حاسوبية كانت أساسًا للعديد من التطورات في قطاع الذكاء الاصطناعي. وهي مدلسة بعد الشبكات في أدمغة الحيوانات والبشر. حتى الآن، هذا هو المكان الذي توقفت فيه الفكرة.

نشرت قطعة منظور最近، كتبها زادور، في Nature Communications. في تلك القطعة، أوضح زادور كيف تساعد الخوارزميات التعليمية الجديدة والمحسنة أنظمة الذكاء الاصطناعي على التطور إلى نقطة تتفوق فيها بشكل كبير على البشر. يحدث هذا في مجموعة متنوعة من المهام والمشاكل والألعاب مثل الشطرنج والبोकर. على الرغم من أن بعض هذه الحواسيب قادرة على أداء جيد جدًا في مجموعة متنوعة من المشاكل المعقدة، إلا أنها غالبًا ما تضل بالأمور التي يعتبرها البشر بسيطة.

إذا كان أولئك الذين يعملون في هذا المجال قادرين على حل هذه المشكلة، يمكن للrobots أن يصلوا إلى نقطة في التطور حيث يمكنهم تعلم القيام بأشياء طبيعية وоргانية بشكل كبير مثل مطاردة الفريسة أو بناء عش. يمكنهم حتى القيام بشيء مثل غسل الأطباق، وهو ما أثبت أنه صعب جدًا للrobots.

“الأشياء التي نجد صعبة، مثل التفكير المجرد أو لعب الشطرنج، ليست في الواقع الأشياء الصعبة للماكينات. الأشياء التي نجد سهلة، مثل التفاعل مع العالم المادي، هذا ما هو صعب،” أ explaned زادور. “السبب في أننا نعتقد أنه سهل هو أننا كنا قد نمت نصف مليار سنة من التطور الذي قام بتمهيد دوائرنا بحيث نفعل ذلك بلا جهد.”

يعتقد زادور أنه إذا كنا نريد أن تصل الrobots إلى التعلم السريع، شيء من شأنه أن يغير كل شيء في القطاع، قد لا نريد النظر فقط إلى خوارزمية تعلم عامة مثالية. ما يجب على العلماء والآخرين فعله هو النظر إلى الشبكات العصبية البيولوجية التي قدمتها لنا الطبيعة والتطور. يمكن استخدامها كقاعدة لبناء عليها من أجل تعلم سريع وسهل لأنواع معينة من المهام، المهام التي هي مهمة للبقاء.

يتحدث زادور عما يمكننا تعلمه من السناجب التي تعيش في فناء منازلنا إذا كنا فقط نظرة إلى الجينات والشبكات العصبية والانclinclination الوراثية.

“لديك سناجب يمكن أن تقفز من شجرة إلى أخرى في غضون أسابيع بعد الولادة، لكننا لا نملك فئران تتعلم نفس الشيء. لماذا لا؟” قال زادور. “هذا لأن أحدهما محدد وراثيًا ليكون كائنًا يعيش على الأشجار.”

يعتقد زادور أن واحدة من الأشياء التي يمكن أن تأتي من الانclinclination الوراثية هي الدوائر العصبية الفطرية التي توجد داخل الحيوان. تساعده وتوجه تعلمها المبكر. واحدة من المشاكل في ربط هذا بالعالم الاصطناعي هي أن الشبكات المستخدمة في التعلم الآلي، تلك التي يسعى الخبراء الاصطناعيون لتحقيقها، هي أكثر تعميمًا من تلك الموجودة في الطبيعة.

إذا كنا قادرين على الوصول إلى نقطة حيث تصل الشبكات العصبية الاصطناعية (ANNs) إلى نقطة في التطور حيث يمكن نمذجتها بعد الأشياء التي نراها في الطبيعة، يمكن للrobots أن يبدأوا في أداء مهام كانت صعبة للغاية.