Naukowcy proponują nowe podejście z „algorytmami ewolucyjnymi”

Podczas gdy nasze obecne komputery zazwyczaj wykonują zaprogramowane czynności, stoi to w kontracie do naszego mózgu, który jest bardzo adaptacyjny. 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 kluczowa dla 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 kluczowe dla pomocy maszynom w nauce.

„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 opublikowano w czasopiśmie eLife.

To wszystko oznacza, że biologiczna zdolność do adaptacji, czyli stopień, w jakim organizm dostosowuje się do swojego środowiska, może być modelem dla algorytmów ewolucyjnych. Z tymi algorytmami „przydatność” rozwiązania zależy od tego, jak dobrze rozwiązuje ono 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, gdy wykonywał pożądane zachowanie.

Trzeci scenariusz obejmował „uczenie kierowane”, w którym komputerowi powiedziano dokładnie, jak bardzo jego zachowanie odbiegało od pożądanego.

Dr Jakob Jordan jest autorem korespondentem i współautorem z Instytutu Fizjologii na Uniwersytecie w Bernie.

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

Algorytmy wykazały silną kreatywność.

Dr Maximilian Schmidt jest współautorem 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 z wcześniej znanych reguł”, powiedział dr Schmidt.

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

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

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