Νοημοσύνη Βασισμένη σε Αργές Δυναμικές Εγκεφάλου

Επιστήμονες στο Πανεπιστήμιο Μπαρ-Ιλάν του Ισραήλ χρησιμοποίησαν προηγμένα πειράματα σε νευρικές κουλτούρες και μεγάλης κλίμακας προσομοιώσεις για να δημιουργήσουν μια νέα υπερταχεία νοημοσύνη. Η νέα νοημοσύνη βασίζεται στις αργές δυναμικές του ανθρώπινου εγκεφάλου. Αυτές οι δυναμικές έχουν καλύτερες ταχύτητες μάθησης σε σύγκριση με τις καλύτερες αλγορίθμους μάθησης που έχουμε σήμερα.

Η μηχανική μάθηση είναι στην πραγματικότητα στενά συνδεδεμένη και βασισμένη στις δυναμικές του εγκεφάλου μας. Με την ταχύτητα των σύγχρονων υπολογιστών και τα μεγάλα σύνολα δεδομένων, έχουμε能够 να δημιουργήσουμε αλγόριθμους βαθιάς μάθησης που είναι παρόμοιοι με τους ανθρώπινους εμπειρογνώμονες σε διάφορα πεδία. Ωστόσο, αυτοί οι αλγόριθμοι μάθησης έχουν διαφορετικά χαρακτηριστικά από τον ανθρώπινο εγκέφαλο.

Η ομάδα επιστημόνων στο πανεπιστήμιο δημοσίευσε την εργασία τους στο περιοδικό Scientific Reports. Εργάστηκαν για να συνδέσουν τη νευροβιολογία και τις προηγμένες αλγορίθμους νοημοσύνης, ένα πεδίο που είχε εγκαταλειφθεί για δεκαετίες.

Ο καθηγητής Ιντό Κάντερ του Τμήματος Φυσικής του Πανεπιστημίου Μπαρ-Ιλάν και του Πολυεπιστημονικού Ερευντικού Κέντρου Εγκεφάλου Γκόντα, και ο κύριος συγγραφέας της μελέτης, σχολίασε τα δύο πεδία.

«Η τρέχουσα επιστημονική και τεχνολογική άποψη είναι ότι η νευροβιολογία και η μηχανική μάθηση είναι δύο διαφορετικά πεδία που προχωρούν ανεξάρτητα», είπε. «Η απουσία αναμενόμενης αμοιβαίας επιρροής είναι παραξενική».

«Ο αριθμός των νευρώνων στο εγκέφαλο είναι λιγότερος από τον αριθμό των bit σε ένα τυπικό μέγεθος δίσκου των σύγχρονων προσωπικών υπολογιστών, και η υπολογιστική ταχύτητα του εγκεφάλου είναι σαν το δεύτερο χέρι ενός ρολογιού, ακόμη πιο αργή από τον πρώτο υπολογιστή που εφευρέθηκε πριν από 70 χρόνια», είπε.

«Επιπλέον, οι κανόνες μάθησης του εγκεφάλου είναι πολύ περίπλοκοι και μακράν από τις αρχές των βημάτων μάθησης στις τρέχουσες αλγορίθμους νοημοσύνης».

Ο καθηγητής Κάντερ εργάζεται με μια ερευνητική ομάδα που περιλαμβάνει τους Χερουτ Ουζάν, Σίρα Σάρντι, Αμίρ Γκολντεντάλ και Ρόνι Βάρντι.

Όταν πρόκειται για τις δυναμικές του εγκεφάλου, ασχολούνται με ασύγχρονες εισόδους από τη φυσική πραγματικότητα που αλλάζει και εξελίσσεται. Λόγω αυτού, δεν υπάρχει συγχρονισμός για τα νευρικά κύτταρα. Αυτό είναι διαφορετικό με τις αλγορίθμους νοημοσύνης,既然 είναι βασισμένες σε συγχρονικές εισόδους. Διαφορετικές εισόδους μέσα στο ίδιο πλαίσιο και οι χρονισμοί τους συνήθως αγνοούνται.

Ο καθηγητής Κάντερ εξήγησε αυτή τη δυναμική.

«Όταν κοιτάζουμε μπροστά, αμέσως παρατηρούμε ένα πλαίσιο με πολλά αντικείμενα. Για παράδειγμα, ενώ οδηγούμε, παρατηρούμε αυτοκίνητα, διαβάσεις πεζών και οδικές σήμανσεις, και μπορούμε εύκολα να αναγνωρίσουμε τη χρονική τους διάταξη και τις σχετικές τους θέσεις», είπε. «Το βιολογικό υλικό (κανόνες μάθησης) είναι σχεδιασμένο για να αντιμετωπίζει ασύγχρονες εισόδους και να βελτιώνει τις σχετικές πληροφορίες».

Ένα από τα σημεία που αυτή η μελέτη κάνει είναι ότι οι υπερταχείς ταχύτητες μάθησης είναι περίπου οι ίδιες είτε πρόκειται για ένα μικρό είτε για ένα μεγάλο δίκτυο. Σύμφωνα με τους ερευνητές, «το μειονέκτημα του περίπλοκου σχήματος μάθησης του εγκεφάλου είναι στην πραγματικότητα ένα πλεονέκτημα».

Η μελέτη δείχνει επίσης ότι η μάθηση μπορεί να λάβει χώρα χωρίς βήματα μάθησης. Μπορεί να επιτευχθεί μέσω της αυτοπροσαρμογής με βάση τις ασύγχρονες εισόδους. Στο ανθρώπινο εγκέφαλο, αυτό το είδος μάθησης συμβαίνει στις αποφύσεις, που είναι σύντομες επεκτάσεις των νευρικών κυττάρων, και στις διαφορετικές απολήξεις κάθε νευρώνα. Αυτό έχει παρατηρηθεί προηγουμένως. Προηγουμένως, πιστευόταν ότι δεν ήταν σημαντικό ότι η δυναμική του δικτύου υπό τη μάθηση των αποφύσεων ελέγχεται από αδύναμους βαρείς.

Αυτή η νέα έρευνα και τα ευρήματα μπορούν να σημαίνουν πολλά διαφορετικά πράγματα. Αυτοί οι αποτελεσματικοί αλγόριθμοι βαθιάς μάθησης και η ομοιότητά τους με τις αργές δυναμικές του εγκεφάλου μπορούν να βοηθήσουν στην δημιουργία μιας νέας κατηγορίας προηγμένης νοημοσύνης με ταχείς υπολογιστές.

Η μελέτη επίσης προωθεί τη συνεργασία μεταξύ των πεδίων της νευροβιολογίας και της νοημοσύνης, που μπορεί να βοηθήσει και τα δύο πεδία να προχωρήσουν περαιτέρω. Σύμφωνα με την ερευνητική ομάδα, «οι γνώσεις των θεμελιωδών αρχών του εγκεφάλου μας πρέπει να είναι και πάλι στο κέντρο της μελλοντικής νοημοσύνης».