脳の遅いダイナミクスに基づくAI

イスラエルのバル＝イラン大学の科学者たちは、神経文化と大規模シミュレーションの高度な実験を使用して、超高速の新しい人工知能を作成しました。この新しいAIは、人間の脳の遅いダイナミクスに基づいています。この脳のダイナミクスは、今日の最も優れた学習アルゴリズムよりも優れた学習率を持っています。

機械学習は、実際には人間の脳のダイナミクスと強く関連しています。現代のコンピューターの高速性と大規模なデータセットを使用して、さまざまな分野で人間の専門家に匹敵する深層学習アルゴリズムを作成することができました。しかし、これらの学習アルゴリズムは、人間の脳と異なる特性を持っています。

大学の科学者チームは、Scientific Reports誌に彼らの研究結果を発表しました。彼らは、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を目指しました。これは、数十年前に放棄された分野です。

バル＝イラン大学物理学科とゴンダ（ゴールドシュミード）多学科脳研究センターのイド・カンター教授は、この研究の主な著者です。

「現在の科学的および技術的な見方は、神経生物学と機械学習が独立して進化する2つの異なる分野であると考えられています。」と彼は述べました。「予想される相互の影響が見られないことは、不思議です。」

「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ディスク容量よりも少なく、脳の計算速度は、時計の秒針よりも遅い、70年以上前に発明された最初のコンピューターよりも遅いです。」と彼は述べました。

「さらに、脳の学習ルールは、現在の人工知能アルゴリズムの学習ステップの原則から遠く離れています。」

カンター教授は、ヘルート・ウザン、シラ・サルディ、アミール・ゴールデンタール、ロニ・ヴァルディとともに研究チームを率いています。

脳のダイナミクスについて言えば、物理的な現実は変化し、発展するため、非同期入力に取り組む必要があります。したがって、神経細胞には同期はありません。これは、人工知能アルゴリズムとは異なります。人工知能アルゴリズムは同期入力に基づいています。同じフレーム内での異なる入力とそのタイミングは、通常、無視されます。

カンター教授は、このダイナミクスについて説明しました。

「前を見てすぐに、複数のオブジェクトを持つフレームが見えます。例えば、運転中に車、歩行者横断、道路標識を見て、それらの時間的順序と相対的な位置を簡単に特定できます。」と彼は述べました。「生物学的ハードウェア（学習ルール）は、非同期入力に取り組み、それらの相対的な情報を洗練するように設計されています。」

この研究の1つの重要な点は、超高速の学習率は、小規模なネットワークでも大規模なネットワークでも同じであるということです。研究者によると、「複雑な脳の学習スキームの欠点は、実際には利点です。」

この研究では、学習ステップを使用せずに学習が可能であることも示されています。学習は、非同期入力に基づく自己適応によって達成できます。人間の脳では、このタイプの学習は、神経細胞の短い突起である樹状突起と、各ニューロンの異なる末端で発生します。これは以前から観察されていました。以前は、ネットワークのダイナミクスが樹状突起の学習によって制御される弱い重み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の類似性は、高速コンピュータを使用して新しい高度な人工知能を作成するのに役立ちます。

この研究は、神経生物学と人工知能の分野間の協力を推進しており、これら両方の分野をさらに進歩させることができます。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る必要があります。」