Naukowcy proponują nowe podejście z „algorytmami ewolucyjnymi”

Podczas gdy nasze obecne komputery zazwyczaj wykonują zaprogramowane czynności, stoi to w sprzeczności z naszymi mózgami, które są wysoko adaptacyjne. Nasza zdolność adaptacji w dużej mierze zależy od plastyczności synaptycznej, przy czym synapsy są punktami połączenia między neuronami. Neurobiolodzy są głęboko zainteresowani plastycznością synaptyczną, ponieważ jest kluczem do procesów uczenia się i pamięci.

Naukowcy w dziedzinie neurobiologii i sztucznej inteligencji (AI) rozwijają modele mechanizmów tych podstawowych procesów, aby lepiej zrozumieć mózg. Te modele pomagają nam uzyskać wgląd w biologiczną przetwarzanie informacji i są kluczem do pomocy maszynom w nauce szybciej.

„Algorytmy ewolucyjne”

Naukowcy z Instytutu Fizjologii na Uniwersytecie w Bernie opracowali nowe podejście oparte na „algorytmach ewolucyjnych”, a te programy komputerowe szukają rozwiązań, naśladując proces biologicznej ewolucji.

Zespół badawczy kierowany był przez dr. Mihai Petrovici z Instytutu Fizjologii na Uniwersytecie w Bernie i Instytutu Fizyki im. Kirchhoffa na Uniwersytecie w Heidelbergu.

Badanie zostało opublikowane w czasopiśmie eLife.

To wszystko oznacza biologiczną zdolność do przystosowania, która jest stopniem, w jakim organizm adaptuje się do swojego środowiska, może być modelem dla algorytmów ewolucyjnych. Z tymi algorytmami „przystosowanie” rozwiązania kandydującego zależy od tego, jak dobrze może rozwiązać podstawowy problem.

Trzy scenariusze uczenia się

Nowe podejście nazywa się „ewolucja, aby nauczyć się” lub „stać się adaptacyjnym”. Zespół skupił się na trzech typowych scenariuszach uczenia się, z których pierwszy obejmował komputer, który musiał wykryć powtarzający się wzór w ciągłym strumieniu danych wejściowych bez otrzymywania informacji zwrotnej o swojej wydajności.

Drugi scenariusz obejmował komputer, który otrzymywał wirtualne nagrody za wykonywanie pożądanego zachowania.

Trzeci scenariusz obejmował „kierowane uczenie się”, w którym komputer został poinformowany o tym, jak bardzo jego zachowanie odbiegało od pożądanego.

Dr Jakob Jordan jest korespondencyjnym i współpierwszym autorem z Instytutu Fizjologii na Uniwersytecie w Bernie.

„We wszystkich tych scenariuszach algorytmy ewolucyjne były w stanie odkryć mechanizmy plastyczności synaptycznej i tym samym pomyślnie rozwiązać nowe zadanie”, powiedział dr Jordan.

Algorytmy wykazały silną kreatywność.

Dr Maximilian Schmidt jest współpierwszym autorem badania.

„Na przykład, algorytm znalazł nowy model plastyczności, w którym sygnały, które zdefiniowaliśmy, są łączone w nowy sygnał. W rzeczywistości obserwujemy, że sieci korzystające z tego nowego sygnału uczą się szybciej niż przy użyciu wcześniej znanych reguł”, powiedział dr Schmidt.

“Widzimy E2L jako obiecujące podejście, aby uzyskać głębokie wglądy w biologiczne zasady uczenia się i przyspieszyć postęp w kierunku potężnych maszyn sztucznej inteligencji”, powiedział Petrovoci.

„Mamy nadzieję, że przyspieszy badania nad plastycznością synaptyczną w układzie nerwowym”, skomentował dr Jordan.

Zespół twierdzi, że nowe odkrycia zapewnią głębszy wgląd w to, jak działają zdrowe i chorobowe mózgi, oraz mogą pomóc w rozwoju inteligentnych maszyn, które mogą dostosować się do użytkowników.