KI basierend auf langsamen Hirndynamiken

Wissenschaftler an der Bar-llan-Universität in Israel haben fortgeschrittene Experimente mit neuronalen Kulturen und großen Simulationsstudien durchgeführt, um eine neue ultraschnelle künstliche Intelligenz zu entwickeln. Die neue KI basiert auf den langsamen Hirndynamiken des Menschen. Diese Hirndynamiken haben bessere Lernraten im Vergleich zu den besten Lernalgorithmen, die wir heute haben. 

Maschinelles Lernen ist tatsächlich eng mit den Dynamiken unseres Gehirns verwandt und basiert darauf. Mit der Geschwindigkeit moderner Computer und ihren großen Datensätzen konnten wir tiefere Lernalgorithmen entwickeln, die denen menschlicher Experten in verschiedenen Bereichen ähneln. Diese Lernalgorithmen haben jedoch andere Eigenschaften als menschliche Gehirne. 

Das Team der Wissenschaftler an der Universität veröffentlichte seine Arbeit in der Zeitschrift Scientific Reports. Sie arbeiteten daran, Neurobiologie und fortschrittliche Algorithmen der künstlichen Intelligenz zu verbinden, ein Feld, das seit Jahrzehnten vernachlässigt wurde. 

Professor Ido Kanter von der Abteilung für Physik und dem Gonda (Goldschmied) Multidisciplinary Brain Research Study der Bar-llan-Universität und der führende Autor der Studie, kommentierte die beiden Bereiche. 

“Die aktuelle wissenschaftliche und technologische Sichtweise ist, dass Neurobiologie und maschinelles Lernen zwei verschiedene Disziplinen sind, die unabhängig voranschreiten,” sagte er. “Das Fehlen des erwarteten wechselseitigen Einflusses ist verwirrend.” 

“Die Anzahl der Neuronen im Gehirn ist geringer als die Anzahl der Bits auf einer typischen Disk-Größe moderner Personalcomputer, und die Rechengeschwindigkeit des Gehirns ist wie die Sekundenhand einer Uhr, sogar langsamer als der erste Computer, der vor über 70 Jahren erfunden wurde,” sagte er. 

“Zusätzlich sind die Lernregeln des Gehirns sehr kompliziert und entfernt von den Prinzipien der Lernschritte in aktuellen Algorithmen der künstlichen Intelligenz.” 

Professor Kanter arbeitet mit einem Forschungsteam, das Herut Uzan, Shira Sardi, Amir Goldental und Roni Vardi umfasst. 

Wenn es um Hirndynamiken geht, beschäftigen sie sich mit asynchronen Eingaben, da die physische Realität sich ändert und entwickelt. Deshalb gibt es keine Synchronisation für die Nervenzellen. Dies ist anders bei Algorithmen der künstlichen Intelligenz, da sie auf synchronen Eingaben basieren. Verschiedene Eingaben innerhalb desselben Rahmens und ihre Zeitpunkte werden normalerweise ignoriert. 

Professor Kanter erklärte diese Dynamik weiter. 

“Wenn man nach vorne schaut, beobachtet man sofort einen Rahmen mit mehreren Objekten. Zum Beispiel beobachtet man beim Fahren Autos, Fußgängerüberwege und Verkehrszeichen und kann leicht ihre zeitliche Reihenfolge und relative Positionen erkennen,” sagte er. “Biologische Hardware (Lernregeln) ist dafür ausgelegt, asynchrone Eingaben zu verarbeiten und ihre relative Information zu verfeinern.” 

Ein Punkt, den diese Studie aufzeigt, ist, dass ultraschnelle Lernraten unabhängig davon sind, ob es sich um ein kleines oder großes Netzwerk handelt. Laut den Forschern ist “der Nachteil des komplizierten Lernschemes des Gehirns tatsächlich ein Vorteil.” 

Die Studie zeigt auch, dass Lernen ohne Lernschritte stattfinden kann. Es kann durch Selbstadaptation auf der Grundlage asynchroner Eingaben erreicht werden. Im menschlichen Gehirn geschieht diese Art des Lernens in den Dendriten, die kurze Fortsätze der Nervenzellen sind, und verschiedenen Enden jedes Neurons. Dies wurde bereits beobachtet. Zuvor wurde angenommen, dass es unbedeutend sei, dass Netzwerkdynamiken unter dendritischer Lernkontrolle von schwachen Gewichten gesteuert werden. 

Diese neue Forschung und ihre Ergebnisse können viele verschiedene Dinge bedeuten. Diese effizienten tiefen Lernalgorithmen und ihre Ähnlichkeit mit den sehr langsamen Hirndynamiken können dazu beitragen, eine neue Klasse fortschrittlicher künstlicher Intelligenz mit schnellen Computern zu entwickeln. 

Die Studie fördert auch die Zusammenarbeit zwischen den Bereichen Neurobiologie und künstliche Intelligenz, was dazu beitragen kann, dass beide Bereiche weiter voranschreiten. Laut der Forschungsgruppe “müssen die Erkenntnisse der fundamentalen Prinzipien unseres Gehirns wieder im Mittelpunkt der zukünftigen künstlichen Intelligenz stehen.”