Intelligenza Artificiale Basata sulla Dinamica Cerebrale Lenta

Gli scienziati dell’Università Bar-llan in Israele hanno utilizzato esperimenti avanzati su colture neurali e simulazioni su larga scala per creare una nuova intelligenza artificiale ultra-veloce. La nuova intelligenza artificiale si basa sulla dinamica cerebrale lenta degli esseri umani. Questa dinamica cerebrale ha tassi di apprendimento migliori rispetto ai migliori algoritmi di apprendimento che abbiamo oggi.

L’apprendimento automatico è in realtà fortemente correlato e basato sulla dinamica del nostro cervello. Con la velocità dei computer moderni e i loro grandi set di dati, siamo stati in grado di creare algoritmi di apprendimento profondo che sono simili a quelli di esperti umani in vari campi diversi. Tuttavia, questi algoritmi di apprendimento hanno caratteristiche diverse da quelle del cervello umano.

Il team di scienziati dell’università ha pubblicato il loro lavoro sulla rivista Scientific Reports. Hanno lavorato per collegare le neuroscienze e gli algoritmi di intelligenza artificiale avanzati, un campo che è stato abbandonato per decenni.

Il professor Ido Kanter del Dipartimento di Fisica e del Centro di Ricerca Multidisciplinare sul Cervello Gonda (Goldschmied) dell’Università Bar-llan, e autore principale dello studio, ha commentato i due campi.

“L’attuale punto di vista scientifico e tecnologico è che la neurobiologia e l’apprendimento automatico sono due discipline distinte che avanzano indipendentemente”, ha detto. “L’assenza di un’influenza reciproca attesa è sorprendente.”

“Il numero di neuroni in un cervello è inferiore al numero di bit in un disco di dimensioni standard dei computer personali moderni, e la velocità di calcolo del cervello è come la lancetta dei secondi di un orologio, anche più lenta del primo computer inventato oltre 70 anni fa”, ha detto.

“Inoltre, le regole di apprendimento del cervello sono molto complesse e lontane dai principi degli algoritmi di apprendimento attuali.”

Il professor Kanter lavora con un team di ricerca che include Herut Uzan, Shira Sardi, Amir Goldental e Roni Vardi.

Quando si tratta di dinamica cerebrale, essi trattano input asincroni poiché la realtà fisica cambia e si sviluppa. A causa di ciò, non c’è sincronizzazione per le cellule nervose. Ciò è diverso dagli algoritmi di intelligenza artificiale, poiché essi si basano su input sincroni. Gli input diversi all’interno dello stesso frame e i loro tempi sono normalmente ignorati.

Il professor Kanter ha spiegato ulteriormente questa dinamica.

“Quando si guarda avanti, si osserva immediatamente un frame con molti oggetti. Ad esempio, mentre si guida, si osservano auto, attraversamenti pedonali e segnali stradali, e si può facilmente identificare il loro ordine temporale e le loro posizioni relative”, ha detto. “L’hardware biologico (regole di apprendimento) è progettato per trattare input asincroni e raffinare le loro informazioni relative.”

Uno dei punti che questo studio mette in evidenza è che i tassi di apprendimento ultra-veloci sono gli stessi sia per una rete piccola che per una grande. Secondo i ricercatori, “lo svantaggio dello schema di apprendimento complesso del cervello è in realtà un vantaggio”.

Lo studio mostra anche che l’apprendimento può avvenire senza passaggi di apprendimento. Ciò può essere ottenuto attraverso l’auto-adattamento basato su input asincroni. Nel cervello umano, questo tipo di apprendimento si verifica nei dendriti, che sono brevi estensioni delle cellule nervose, e nei terminali diversi di ciascun neurone. Ciò è stato osservato in precedenza. In precedenza, si credeva che la dinamica della rete sotto l’apprendimento dendritico fosse controllata da pesi deboli.

Questa nuova ricerca e questi risultati possono significare molte cose diverse. Questi algoritmi di apprendimento profondo efficienti e la loro somiglianza con la dinamica cerebrale molto lenta possono aiutare a creare una nuova classe di intelligenza artificiale avanzata con computer veloci.

Lo studio spinge anche per la cooperazione tra i campi della neurobiologia e dell’intelligenza artificiale, che può aiutare entrambi i campi ad avanzare ulteriormente. Secondo il gruppo di ricerca, “le intuizioni dei principi fondamentali del nostro cervello devono essere nuovamente al centro dell’intelligenza artificiale del futuro”.