Νέα έρευνα υποδηλώνει ότι τα τεχνητά εγκέφαλοι θα μπορούσαν να ωφεληθούν από τον ύπνο

Νέα έρευνα από το Εργαστήριο Εθνικής Άμυνας του Λος Άλαμος υποδηλώνει ότι οι τεχνητοί εγκέφαλοι几乎 σίγουρα ωφελούνται από περιόδους ανάπαυσης όπως οι ζωντανοί εγκέφαλοι.

Η έρευνα θα παρουσιαστεί στο Συνέδριο Γυναικών στην Επιστήμη της Όρασης σε Сиέτλ στις 14 Ιουνίου.

Η Yijing Watkins είναι επιστήμονας υπολογιστών στο Εργαστήριο Εθνικής Άμυνας του Λος Άλαμος.

«Μελετάμε δίκτυα νευρώνων που σπαργαλίζουν, τα οποία είναι συστήματα που μαθαίνουν πολύ όπως οι ζωντανοί εγκέφαλοι», είπε η Watkins. «Ηταν μας ενθουσίασε η προοπτική της εκπαίδευσης ενός νευρομορφικού επεξεργαστή με τρόπο αναλογικό με τον τρόπο που οι άνθρωποι και άλλα βιολογικά συστήματα μαθαίνουν από το περιβάλλον τους κατά την ανάπτυξη της παιδικής ηλικίας».

Λύση της Αστάθειας στις Προσομοιώσεις Δικτύων

Η ομάδα της Watkins βρήκε ότι συνεχείς περιόδοι μη επιτηρούμενης μάθησης οδήγησαν σε αστάθεια στις προσομοιώσεις δικτύων. Ωστόσο, όταν η ομάδα εισήγαγε τα δίκτυα σε καταστάσεις που είναι αποτέλεσμα των κυμάτων που οι ζωντανοί εγκέφαλοι βιώνουν κατά τον ύπνο, η σταθερότητα ήταν σε θέση να αποκατασταθεί.

«Ήταν σαν να δίναμε στα νευρωνικά δίκτυα το ισοδύναμο ενός καλού βραδινού ύπνου», είπε η Watkins.

Η ομάδα έκανε την ανακάλυψη όταν εργαζόταν στην ανάπτυξη νευρωνικών δικτύων με βάση τον τρόπο που οι άνθρωποι και άλλα βιολογικά συστήματα μαθαίνουν να βλέπουν. Η ομάδα αντιμετώπισε κάποιες προκλήσεις όταν ήρθε η ώρα να σταθεροποιήσει προσομοιωμένα νευρωνικά δίκτυα που υποβέβαιναν σε μη επιτηρούμενη εκπαίδευση λεξικού. Η μη επιτηρούμενη εκπαίδευση λεξικού περιλαμβάνει την ταξινόμηση αντικειμένων χωρίς να υπάρχει προηγούμενο παράδειγμα για σύγκριση.

Ο Garrett Kenyon είναι επιστήμονας υπολογιστών στο Λος Άλαμος και συν-συγγραφέας της μελέτης.

«Το ζήτημα του πώς να giữσει τα συστήματα μάθησης από το να γίνουν ασταθή πραγματικά εμφανίζεται μόνο όταν προσπαθείς να χρησιμοποιήσεις βιολογικά ρεαλιστικά, σπαργαλίζοντα νευρομορφικά επεξεργαστές ή όταν προσπαθείς να κατανοήσεις την ίδια τη βιολογία», είπε ο Kenyon. «Η πλειοψηφία των ερευνητών μηχανικής μάθησης, βαθιάς μάθησης και τεχνητής νοημοσύνης δεν αντιμετωπίζουν αυτό το ζήτημα γιατί στα πολύ τεχνητά συστήματα που μελετούν έχουν το προνόμιο της εκτέλεσης παγκόσμιων μαθηματικών λειτουργιών που έχουν ως αποτέλεσμα την ρύθμιση του συνολικού δυναμικού κέρδους του συστήματος».

Ο Ύπνος ως Τελευταία Λύση

Σύμφωνα με τους ερευνητές, η έκθεση των δικτύων σε einen τεχνητό ανάλογο του ύπνου ήταν η τελευταία λύση για την σταθεροποίηση τους. Μετά από πειράματα με διαφορετικά είδη θορύβου, το οποίο είναι παρόμοιο με το στατικό μεταξύ σταθμών σε ένα ραδιόφωνο, τα καλύτερα αποτελέσματα προήλθαν από τα κύματα του Γκαουσιανού θορύβου. Αυτός ο τύπος θορύβου περιλαμβάνει một ευρύ φάσμα συχνοτήτων και αμplitudes.

Οι ερευνητές κατέληξαν στο συμπέρασμα ότι κατά τον ύπνο του σLOW-κύματος ο θόρυβος μιμείται την είσοδο που λαμβάνουν τα βιολογικά νευρώνες. Τα αποτελέσματα υποδηλώνουν ότι ο ύπνος του σLOW-κύματος μπορεί να παίξει ρόλο στην εγγύηση ότι οι νευρώνες του εγκεφάλου δεν θα υποφέρουν από ψευδαισθήσεις και θα διατηρήσουν την σταθερότητά τους.

Η ομάδα θα εργαστεί τώρα στην εφαρμογή του αλγορίθμου στο νευρομορφικό chip Loihi της Intel (INTC ), ελπίζοντας ότι ο ύπνος θα βοηθήσει στην σταθερή επεξεργασία πληροφοριών από μια κάμερα σιλικόνης σε πραγματικό χρόνο. Αν η έρευνα καθορίσει ότι οι τεχνητοί εγκέφαλοι ωφελούνται από τον ύπνο, το ίδιο είναι πιθανό να ισχύει και για τους ανδροειδείς και άλλα έξυπνα μηχανήματα.

Πηγή: Χρήση του θορύβου που τροποποιείται με σινουσοειδή ως υποκατάστατο για τον ύπνο του σLOW-κύματος για την επίτευξη σταθερής μη επιτηρούμενης μάθησης λεξικού σε ένα μοντέλο κωδικοποίησης με βάση σπίκες, Συνέδριο Γυναικών στην Επιστήμη της Όρασης, 2020-06-14 (Σιέτλ, Ουάσινγκτον, Ηνωμένες Πολιτείες)