研究者は「進化アルゴリズム」という新しいアプローチを提案する

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。脳は高度に適応性があります。私たちの適応性は、シナプスが神経細胞間の接続点である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興味を持っています。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するために開発しています。これらのモデルは、生物学的情報処理についての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つ鍵です。

「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」という新しいアプローチを開発しました。これらのコンピュータープログラムは、生物学的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。

すべての生物学的適応度は、生物が環境に適応する度合いを表し、進化アルゴリズムのモデルになることができます。これらのアルゴリズムでは、候補解の「適応度」は、基礎となる問題をどれだけうまく解決できるかによって決まります。

3つの学習シナリオ

新しいアプローチは「進化して学習する」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、パフォーマンスについてのフィードバックを受けずに、連続した入力ストリームで繰り返されるパターンを検出する必要がありました。

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、どれだけ望ましい動作から逸脱した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、対応責任者および共同第一著者です。

「これらすべてのシナリオで、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作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速く学習します」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対する深い洞察を得て、強力な人工学習マシンの進歩を加速するための有望なアプローチと見なしています」とペトロビチは述べました。

「私たちは、それが神経系のシナプス可塑性の研究を加速することを希望しています」とジョーダン博士はコメントしました。

チームは、新しい発見が、正常な脳と病的な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のあるマシンの開発を支援することを示しています。