인공 신경망 (ANNs) 의 동물 뇌 모델링

Cold Spring Harbor Laboratory (CSHL) 신경과학자 Anthony Zador는 진화와 동물 뇌가 기계 학습의 영감으로 사용될 수 있음을 보여주었습니다. 이것은 AI가 많은 문제를 해결하는 데 도움이 될 수 있습니다.

CSHL 신경과학자 Anthony Zador에 따르면, 인공 지능 (AI)은 동물 뇌를看着 볼 때 크게 개선될 수 있습니다. 이 접근법을 통해 신경과학자와 AI 분야에서 일하는 사람들은 AI의 가장紧迫한 문제 중 일부를 해결하는 새로운 방법을 갖게 됩니다.

Anthony Zador, M.D., Ph.D.는 자신의 경력의 대부분을 살아있는 뇌 내의 복잡한 신경망을 설명하는 데 바쳤습니다. 그는 개별 뉴런까지 내려갑니다. 그의 경력 초기에는 다른 것을 연구했습니다. 그는 인공 신경망 (ANNs)을 연구했습니다. ANNs는 우리의 많은 AI 개발의 기반이 된 컴퓨팅 시스템입니다.它们는 동물과 인간의 뇌 내의 네트워크를 모델로 합니다. 지금까지 이 개념은 여기서 멈췄습니다.

Zador가 저술한 최근의 관점 기사에는 새로운 학습 알고리즘이 AI 시스템을 개발하여 인간을 크게 초과하는 지점까지 도달하게 하는 방법에 대해 설명되어 있습니다. 이것은 체스, 포커와 같은 다양한 작업, 문제 및 게임에서 발생합니다. 이러한 컴퓨터 중 일부는 다양한 복잡한 문제에서 매우 잘 수행할 수 있지만, 인간이 간단한 것으로 간주하는 것에 의해 종종 혼란을 겪습니다.

이 분야에서 일하는 사람들이 이 문제를 해결할 수 있다면, 로봇은 개발의 한 지점에 도달하여 매우 자연스럽고 유기적인 작업을 수행할 수 있게 될 것입니다. 예를 들어, 사냥감을 추적하거나巢를 짓는 것과 같은 작업을 수행할 수 있습니다. 그들은甚至洗皿과 같은 것을 할 수 있게 될 것입니다. 이것은 로봇에게非常 어려운 것으로 입증되었습니다.

“우리가 어려워하는 것, 즉 추상적인 생각이나 체스 게임과 같은 것들이 실제로 기계에 어려운 것이 아닙니다. 우리가 쉽게 하는 것, 즉 물리적인 세계와 상호작용하는 것이 어려운 것입니다,”라고 Zador는 설명했습니다. “우리가 그것을 쉽게 생각하는 이유는 우리가 5억 년의 진화를 통해 우리의 회로가 그렇게 하도록 설계되어 있기 때문입니다.”

Zador는 로봇이 빠른 학습을 달성하기 위해, 완벽한 일반 학습 알고리즘만을看着 보지 말고, 생물학적 신경망을看着 보아야 한다고 생각합니다. 이러한 네트워크는 자연과 진화 통해 우리에게 주어졌습니다. 이러한 네트워크를 사용하여 빠르고 쉬운 학습을 위한 기반으로 사용할 수 있습니다. 생존에 중요한 작업을 수행하는 데 중요합니다.

Zador는 우리 자신의 뒤뜰에 사는 다람쥐에서 무엇을 배울 수 있는지에 대해 이야기합니다. 유전학, 신경망 및 유전적 성향을看着 보면, 다람쥐는 몇 주 안에 나무에서 나무로跳躍할 수 있습니다. 그러나 우리는 쥐가 같은 것을 배우지 못하는 것을 봅니다. 왜일까요?

“다람쥐는 몇 주 안에 나무에서 나무로跳躍할 수 있지만, 우리는 쥐가 같은 것을 배우지 못하는 것을 봅니다. 왜일까요? 그것은 한쪽이 나무에 사는 동물로 유전적으로 결정되어 있기 때문입니다,”라고 Zador는 말했다.

Zador는 유전적 성향에서 오는 것 중 하나가 동물 내에 있는 내재된 회로입니다. 그것은 동물이 도와주고 초기 학습을 돕습니다. 그러나 AI 세계에 이것을 연결하는 문제 중 하나는 기계 학습에서 사용되는 네트워크가 자연의 네트워크보다 훨씬 더 일반화되어 있다는 것입니다.

우리가 인공 신경망 (ANNs)을 개발하여 자연에서 보는 것과 같이 모델링할 수 있는 지점에 도달할 수 있다면, 로봇은 매우 어려웠던 작업을 수행할 수 있게 될 것입니다.