研究者は「進化アルゴリズム」と呼ばれる新しいアプローチを提案

私たちの現在のコンピューターは通常、事前にプログラムされたアクションを実行しますが、これは脳と対照的です。脳は高度に適応可能です。私たちの適応性は、シナプスが神経間の接続点であるため、シナプス可塑性に大きく依存しています。神経科学者は、シナプス可塑性に深く関心を持っています。なぜなら、それが学習プロセスと記憶の鍵だからです。

神経科学と人工知能（AI）の研究者は、これらの根本的なプロセスのメカニズムをモデル化して、脳をよりよく理解しようとしています。これらのモデルは、生物情報処理に関する洞察を得るのに役立ち、機械がより迅速に学習するのに役立ちます。

「進化アルゴリズム」

ベルン大学の生理学研究所の研究者は、「進化アルゴリズム」と呼ばれる新しいアプローチを開発しました。このコンピュータープログラムは、生物の進化のプロセスを模倣して、解決策を探します。

研究チームは、ベルン大学の生理学研究所とハイデルベルク大学のキルヒホフ物理学研究所のミハイ・ペトロビチ博士によって率いられました。

この研究は、eLifeというジャーナルに掲載されました。

これはすべて、生物の適応度、つまり生物が環境に適応する度合いを表します。進化アルゴリズムのモデルとして使用できます。このアルゴリズムでは、候補解の「適応度」は、根本的な問題をどれだけうまく解決できるかに依存します。

3つの学習シナリオ

新しいアプローチは、「進化して学ぶ」または「適応する」と呼ばれます。チームは、3つの典型的な学習シナリオに焦点を当てました。最初のシナリオでは、コンピューターは、連続する入力ストリームの中で繰り返されるパターンを検出しなければなりませんでしたが、パフォーマンスについてのフィードバックは受けませんでした。

2番目のシナリオでは、コンピューターは、望ましい動作を実行すると仮想的な報酬を受け取りました。

3番目のシナリオでは、「ガイド付き学習」で、コンピューターは、自分の動作がどれだけ望ましいものから逸脱しているかを正確に教えられました。

ベルン大学の生理学研究所のヤコブ・ジョーダン博士は、共同第一著者であり、対応著者です。

「これらのシナリオすべてで、進化アルゴリズムはシナプス可塑性のメカニズムを発見し、新しいタスクを成功裏に解決しました」とジョーダン博士は述べました。

アルゴリズムは強い創造性を示しました。

マクシミリアン・シュミット博士は、この研究の共同第一著者です。

「たとえば、アルゴリズムは私たちが定義した信号を組み合わせて新しい信号を形成する新しい可塑性モデルを見つけました。実際、ネットワークはこの新しい信号を使用して、以前知られていたルールよりも迅速に学習します」とシュミット博士は述べました。

「私たちは、E2Lを生物学的学習原理に関する深い洞察を得て、強力な人工学習マシンの開発を促進するための有望なアプローチと見なしています」とペトロビチ博士は述べました。

「私たちは、神経系のシナプス可塑性に関する研究を促進することを希望しています」とジョーダン博士は述べました。

研究チームは、新しい発見が、健康な脳と病気の脳のどのように機能するかについて、より深い洞察を提供し、ユーザーに適応できる知能機械の開発を支援する可能性があると述べています。