遅い脳のダイナミクスに基づく AI

イスラエルのバルラン大学の科学者たちは、神経培養に関する高度な実験と大規模シミュレーションを使用して、新しい超高速人工知能を作成しました。 新しい AI は、人間の遅い脳のダイナミクスに基づいています。 これらの脳のダイナミクスは、現在使用されている最高の学習アルゴリズムと比較して、学習率が優れています。 

機械学習は実際には密接に関連しており、私たちの脳のダイナミクスに基づいています。現代のコンピューターの速度とその大規模なデータセットにより、私たちはさまざまな分野の人間の専門家と同様の深層学習アルゴリズムを作成することができました。ただし、これらの学習アルゴリズムは人間の脳とは異なる特性を持っています。 

大学の科学者チームは自分たちの研究結果を雑誌に発表した 科学的報告書。 彼らは、何十年も放棄されていた分野である神経科学と高度な人工知能アルゴリズムを結び付けることに取り組みました。 

バルラン大学物理学科のイド・カンター教授とゴンダ（ゴールドシュミート）多分野脳研究研究の主著者であり、このXNUMXつの分野についてコメントした。 

「現在の科学的および技術的な観点は、神経生物学と機械学習は独立して進歩する XNUMX つの異なる分野であるということです」と彼は言いました。 「予想される相互影響力が存在しないのは不可解だ。」 

「脳内のニューロンの数は、現代のパーソナル コンピューターの一般的なディスク サイズのビット数よりも少なく、脳の計算速度は時計の秒針のようなもので、70 年以上前に発明された最初のコンピューターよりもさらに遅いです。」何年も前に」と彼は言った。 

「さらに、脳の学習ルールは非常に複雑で、現在の人工知能アルゴリズムの学習ステップの原則とはかけ離れています。」 

カンター教授は、ヘルト・ウザン、シラ・サルディ、アミール・ゴールデンタル、ロニ・ヴァルディを含む研究チームと協力しています。 

脳のダイナミクスに関しては、物理的現実が変化し発展するため、非同期入力を扱います。 このため、神経細胞の同期は行われません。 人工知能アルゴリズムは同期入力に基づいているため、これは異なります。 同じフレーム内の異なる入力とそのタイミングは、通常は無視されます。 

カンター教授は続けてこの力学について説明した。 

「前方を見ると、人はすぐに複数の物体を含むフレームを観察します。 たとえば、運転中に人は車、横断歩道、道路標識を観察し、それらの時間的な順序と相対的な位置を簡単に識別できます」と彼は言いました。 「生物学的ハードウェア (学習ルール) は、非同期入力を処理し、それらの相対情報を洗練するように設計されています。」 

この研究が指摘するポイントの XNUMX つは、ネットワークが小規模であっても大規模であっても、超高速学習率はほぼ同じであるということです。 研究者らによれば、「複雑な脳の学習スキームの欠点は、実際には利点でもある」という。 

この研究は、学習ステップを踏まなくても学習が可能であることも示しています。 これは、非同期入力に基づく自己適応を通じて実現できます。 人間の脳では、この種の学習は、神経細胞の短い延長である樹状突起と各ニューロンの異なる末端で起こります。 これは以前にも観察されています。 以前は、樹状学習下のネットワークダイナミクスが弱い重みによって制御されることは重要ではないと考えられていました。 

この新しい研究と発見は、さまざまな意味を持つ可能性があります。 これらの効率的な深層学習アルゴリズムと、非常に遅い脳のダイナミクスとの類似性は、高速コンピューターを使用した新しいクラスの高度な人工知能の作成に役立ちます。 

この研究はまた、神経生物学と人工知能の分野間の協力も推進しており、これは両分野のさらなる進歩に役立つ可能性がある。 研究グループによると、「私たちの脳の基本原理の洞察は、将来の人工知能の中心に再び置かれなければなりません。」