AI-modeller og platforme

Neurale Netværk Lærer Bedre ved at Efterligne Menneskets Søvnemønster

mm
Føj Unite.AI til dine foretrukne kilder på Google

Et hold af forskere ved University of California – San Diego udforsker, hvordan kunstige neurale netværk kan efterligne søvnemønstre i menneskets hjerne for at mindske problemet med katastrofalt glemsomhed.

Forskningen er offentliggjort i PLOS Computational Biology.

I gennemsnit har mennesker brug for 7 til 13 timers søvn per 24 timer. Mens søvnen beroliger kroppen på mange måder, forbliver hjernen meget aktiv.

Aktiv Hjerne Under Søvn

Maxim Bazhenov, PhD, er professor i medicin og søvnforsker ved University of California San Diego School of Medicine.

“Hjernen er meget beskæftiget, når vi sover, og gentager det, vi lærte under dagen,” siger Bazhenov. “Søvnen hjælper med at reorganisere minder og præsenterer dem på den mest effektive måde.”

Bazhenov og hans team har offentliggjort tidligere arbejde om, hvordan søvnen opbygger rationel hukommelse, som er evnen til at huske tilfældige eller indirekte associationer mellem objekter, mennesker eller begivenheder. Det beskytter også mod at glemme gamle minder.

Problemets Katastrofale Glemsomhed

Kunstige neurale netværk henter inspiration fra menneskets hjernearkitektur for at forbedre AI-teknologier og -systemer. Mens disse teknologier har formået at opnå overmenneskelig præstation i form af beregningshastighed, har de en stor begrænsning. Når neurale netværk lærer sekventielt, overskriver nye oplysninger tidligere oplysninger i et fænomen, der kaldes katastrofalt glemsomhed.

“Til gengæld lærer det menneskelige hjerte kontinuerligt og inkorporerer nye data i eksisterende viden, og det lærer bedst, når ny træning er vævet sammen med perioder af søvn til hukommelseskonsolidering,” siger Bazhenov.

Holdet brugte spiking neurale netværk, der kunstigt efterligner naturlige neurale systemer. I stedet for at kommunikere kontinuerligt, overføres oplysninger som diskrete begivenheder eller spidser ved bestemte tidspunkter.

Efterligning Af Søvn I Neurale Netværk

Forskerne opdagede, at når spiking netværk blev trænet på nye opgaver med lejlighedsvise offline-perioder, der efterlignede søvn, blev problemet med katastrofalt glemsomhed mindsket. Ligesom det menneskelige hjerte, siger forskerne, at “søvn” muliggør, at netværket kan afspille gamle minder uden at bruge gamle træningsdata.

“Når vi lærer nye oplysninger, affyres neuroner i en bestemt rækkefølge, og dette øger synapserne mellem dem,” siger Bazhenov. “Under søvnen gentages spidingsmønstrene, der er lært under vores vågne tilstand, spontant. Det kaldes reaktivering eller afspilning.

“Synaptisk plasticitet, evnen til at blive ændret eller formet, er stadig til stede under søvnen og kan yderligere forbedre synaptiske vægtmønstre, der repræsenterer mindet, og hjælpe med at forhindre glemsomhed eller overføre viden fra gamle til nye opgaver.”

Holdet fandt ud af, at ved at anvende denne tilgang til kunstige neurale netværk, hjalp det netværket med at undgå katastrofalt glemsomhed.

“Det betød, at disse netværk kunne lære kontinuerligt, ligesom mennesker eller dyr,” fortsætter Bazhenov. “At forstå, hvordan det menneskelige hjerte behandler oplysninger under søvnen, kan hjælpe med at forbedre hukommelsen hos menneskelige forsøgspersoner. At forbedre søvnrytmer kan føre til bedre hukommelse.

“I andre projekter bruger vi computermodeller til at udvikle optimale strategier for at anvende stimulering under søvnen, såsom lydtoner, der forbedrer søvnrytmer og forbedrer læring. Dette kan være særlig vigtigt, når hukommelsen ikke er optimal, såsom når hukommelsen svigter under aldring eller i visse tilstande som Alzheimers sygdom.”

Alex McFarland er en AI-journalist og forfatter, der udforsker de seneste udviklinger inden for kunstig intelligens. Han har samarbejdet med talrige AI-startups og publikationer verden over.