Судлаачид хөхтөн амьтдын үнэрлэх системээс санаа авч компьютерийн алгоритм боловсруулжээ

Корнеллийн их сургуулийн эрдэмтэд хөхтөн амьтдын үнэрлэх системээс санаа авч компьютерийн алгоритм бүтээжээ. Эрдэмтэд хөхтөн амьтад үнэрийг хэрхэн сурч, таньдаг тухай тайлбарыг удаан хугацаанд хайж ирсэн. Шинэ алгоритм нь тархины үйл ажиллагааны талаархи ойлголтыг өгдөг бөгөөд үүнийг компьютерийн чип дээр ашиглах нь одоогийн машин сургалтын загваруудаас илүү загваруудыг хурдан бөгөөд найдвартай сурах боломжийг олгодог. 

Томас Клеланд бол сэтгэл судлалын профессор, "Гартай судалгааны ахлах зохиогч юм.Нейроморфик үнэрлэх хэлхээнд хурдан суралцах ба бат бөх эргэн санах, ”-Д хэвлэгдсэн Байгалийн машины оюун ухаан Гуравдугаар сард 16.

"Энэ бол мэрэгч амьтдын үнэрийн чийдэнгийн хэлхээг арав гаруй жил судалж, энэ нь хэрхэн ажилладагийг олж мэдэхийг оролдсоны үр дүн бөгөөд бидний мэдэх амьтад бидний машинууд хийж чадахгүй зүйлийг хийж чадна" гэж Клеланд хэлэв. 

“Бид одоо энэ ажлыг хийхэд хангалттай мэдлэгтэй. Бид энэхүү тооцооллын загварыг биологийн системийн холболт, динамикийн талаар бидний мэддэг зүйлсээр удирдан чиглүүлсэн энэ хэлхээнд тулгуурлан бүтээсэн" гэж тэр үргэлжлүүлэв. "Хэрэв ийм байсан бол энэ нь ажиллах байсан гэж бид хэлдэг. Сонирхолтой нь энэ нь үр дүнтэй байдаг."

Intel компьютерийн чип

Клеландад Intel-ийн судлаач Набил Имам хамтран зохиолч нэгдэж, Intel-ийн компьютерийн чип дээр алгоритмыг хамтдаа ашигласан. Чипийг Loihi гэж нэрлэдэг бөгөөд энэ нь нейроморф шинж чанартай бөгөөд энэ нь тархины үйл ажиллагаанаас өдөөгдсөн гэсэн үг юм. Чип нь мэдрэлийн эсүүд суралцах, харилцах арга замыг дуурайдаг дижитал хэлхээтэй. 

Loihi чип нь салангид өргөлтөөр холбогддог зэрэгцээ цөмд тулгуурладаг бөгөөд эдгээр өргөлт тус бүр нь орон нутгийн үйл ажиллагаанаас хамааран өөрчлөгдөж болох нөлөөтэй байдаг. Энэ нь алгоритмын дизайны хувьд одоо байгаа компьютерийн чипүүдэд ашигладаг стратегиас өөр стратеги шаарддаг. 

Нейроморф компьютерийн чипийг ашигласнаар машинууд хэв маягийг тодорхойлох, тодорхой ажлуудыг гүйцэтгэхэд компьютерийн төв эсвэл график боловсруулах нэгжээс мянга дахин хурдан ажиллах боломжтой байв. 

Loihi судалгааны чип нь уламжлалт аргуудаас мянга дахин бага эрчим хүч ашиглахын зэрэгцээ тодорхой алгоритмуудыг ажиллуулж чаддаг. Энэ нь янз бүрийн мэдрэгчээс оролтын хэв маягийг хүлээн авч, хэв маягийг хурдан бөгөөд дарааллаар сурч, мэдрэхүйн хүчтэй хөндлөнгийн оролцоотой ч утга учиртай загвар бүрийг тодорхойлох боломжтой алгоритмд маш тохиромжтой. Алгоритм нь үнэрийг амжилттай тодорхойлох чадвартай бөгөөд загвар нь компьютерийн анх сурсан загвараас 80%-иар гайхалтай ялгаатай үед үүнийг хийж чадна. 

"Дохионы хэв маяг ихээхэн устгагдсан" гэж Клеланд хэлэв, "гэхдээ систем үүнийг сэргээх боломжтой."

Хөхтөн амьтдын тархи

Хөхтөн амьтдын тархи нь үнэрийг маш сайн тодорхойлж, санаж чаддаг бөгөөд үнэртэй холбоотой хэв маягийг шинжлэхийн тулд олон мянган үнэрийн рецепторууд болон нарийн төвөгтэй мэдрэлийн сүлжээнүүд ажилладаг. Хөхтөн амьтад хиймэл оюун ухааны системээс илүү сайн хийж чадах зүйлсийн нэг бол шинэ мэдлэг гарсны дараа ч сурсан зүйлээ хадгалах явдал юм. Гүнзгий суралцах арга барилын хувьд шинэ мэдээлэл нь системийн өмнө сурсан зүйлд нөлөөлж эсвэл бүр устгаж болзошгүй тул сүлжээг бүх зүйлээр нэг дор харуулах ёстой. 

"Та ямар нэг зүйлийг сурахад энэ нь мэдрэлийн эсийг байнга ялгадаг" гэж Клеланд хэлэв. "Нэг үнэрийг олж авах үед мэдрэлийн эсүүд тодорхой тохиргоонд хариу үйлдэл үзүүлэхэд бэлтгэгддэг тул та интернейронуудын түвшинд энэ тусгаарлалтыг олж авдаг. Тиймээс машины тал дээр бид үүнийг сайжруулж, хатуу шугам зурдаг."

Клеланд багийнхан шинэ туршилтын арга барилыг хэрхэн гаргаж ирсэн талаар ярьсан. 

"Та зүгээр л зөн совингоор төсөөлөхөөс илүү нарийн төвөгтэй, төвөгтэй болох биологийн үйл явцыг судалж эхлэх үед та оюун ухаанаа компьютерийн загвараар зохицуулах хэрэгтэй" гэж тэр хэлэв. "Чи үүнийг даван туулж чадахгүй. Энэ нь биднийг зүгээр л нүдээ аних төдийд бодож олохгүй хэд хэдэн шинэ туршилтын арга барил, санаа руу хөтөлсөн.”