KI basierend auf langsamen Hirndynamiken

Wissenschaftler der Bar-llan-Universität in Israel haben mit Hilfe von fortschrittenen Experimenten an neuronalen Kulturen und großen Simulationsstudien eine neue ultraschnelle künstliche Intelligenz entwickelt. 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 stark mit den Dynamiken unseres Gehirns verwandt und basiert darauf. Mit der Geschwindigkeit moderner Computer und ihren großen Datenmengen konnten wir tiefere Lernalgorithmen entwickeln, die denen von menschlichen Experten in verschiedenen Bereichen ähneln. Diese Lernalgorithmen haben jedoch andere Eigenschaften als das menschliche Gehirn.

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

Professor Ido Kanter von der Abteilung für Physik und dem Gonda (Goldschmied) Multidisziplinären Hirnforschungsstudium der Bar-llan-Universität und Leiter der Studie, kommentierte die beiden Bereiche.

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

“Die Anzahl der Neuronen im Gehirn ist geringer als die Anzahl der Bits auf einer typischen Festplatte 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 weit 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 darauf ausgelegt, asynchrone Eingaben zu bearbeiten und ihre relative Information zu verfeinern.”

Ein Punkt, den diese Studie aufzeigt, ist, dass ultrraschnelle Lernraten unabhängig davon sind, ob es sich um ein kleines oder großes Netzwerk handelt. Laut den Forschern ist “der Nachteil des komplizierten Lernschemas 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 findet dieses Lernen in den Dendriten statt, die kurze Verlängerungen der Nervenzellen sind, und an den verschiedenen Enden jedes Neurons. Dies wurde bereits zuvor beobachtet. Zuvor wurde angenommen, dass es unbedeutend sei, dass Netzwerkdynamiken unter dendritischer Lernkontrolle durch schwache Gewichte 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 von fortschrittlicher künstlicher Intelligenz mit schnellen Computern zu schaffen.

Die Studie fordert auch eine Zusammenarbeit zwischen den Bereichen Neurobiologie und künstliche Intelligenz, die beiden Bereichen helfen kann, weiter voranzukommen. Laut der Forschungsgruppe müssen “die Erkenntnisse der fundamentalen Prinzipien unseres Gehirns wieder im Mittelpunkt der zukünftigen künstlichen Intelligenz stehen”.