Modelarea Rețelelor Neurale Artificiale (ANN) pe Creierul Animal

Cold Spring Harbor Laboratory (CSHL) neuroscientist Anthony Zador a demonstrat că evoluția și creierul animal pot fi utilizate ca inspirație pentru învățarea mașinilor. Acest lucru poate fi benefic în ajutarea inteligenței artificiale (AI) să rezolve multe probleme diferite.

Conform spuselor neuroscientistului Anthony Zador de la CSHL, inteligența artificială (AI) poate fi îmbunătățită semnificativ prin studierea creierului animal. Abordarea aceasta oferă o nouă modalitate de rezolvare a unor dintre cele mai presante probleme ale inteligenței artificiale.

Anthony Zador, M.D., Ph.D., și-a dedicat o mare parte a carierei sale explicării complexelor rețele neuronale din creierul viu, mergând până la nivelul individual al neuronilor. La începutul carierei sale, el s-a concentrat pe altceva. A studiat rețelele neurale artificiale (ANN). ANN-urile sunt sisteme de calcul care au stat la baza multor dezvoltări în domeniul inteligenței artificiale. Ele sunt modelate după rețelele din creierul animal și uman. Până în prezent, acesta a fost punctul final al conceptului.

Un articol recent, scris de Zador, a fost publicat în Nature Communications. În acel articol, Zador a detaliat cum algoritmii de învățare noi și îmbunătățiți ajută sistemele de inteligență artificială să se dezvolte până la un punct în care ele depășesc semnificativ performanțele umane. Acest lucru se întâmplă într-o varietate de sarcini, probleme și jocuri, cum ar fi șahul și pokerul. Chiar dacă unele dintre aceste calculatoare pot performa atât de bine într-o varietate de probleme complexe, ele sunt adesea confundate de lucruri pe care oamenii le consideră simple.

Dacă cei care lucrează în acest domeniu ar putea rezolva această problemă, roboții ar putea ajunge la un punct în dezvoltarea lor în care ar putea învăța să facă lucruri extrem de naturale și organice, cum ar fi urmărirea prăzii sau construirea unui cuib. Ei ar putea chiar face ceva atât de simplu ca spălarea vaselor, care s-a dovedit a fi extrem de dificil pentru roboți.

“Lucrurile pe care le considerăm grele, cum ar fi gândirea abstractă sau jocul de șah, nu sunt de fapt grele pentru mașini. Lucrurile pe care le considerăm ușoare, cum ar fi interacțiunea cu lumea fizică, acestea sunt grele”, a explicat Zador. “Motivul pentru care credem că este ușor este că am avut jumătate de miliard de ani de evoluție care ne-au conectat circuitele astfel încât să o facem fără efort.”

Zador crede că, dacă vrem ca roboții să atingă o învățare rapidă, ceea ce ar schimba totul în domeniu, nu ar trebui să ne concentrăm doar pe un algoritm de învățare general și perfectat. Ceea ce ar trebui să facă oamenii de știință și alții este să se uite spre rețelele neurale biologice oferite de natură și evoluție. Acestea ar putea fi utilizate ca bază pentru construirea unor capacități de învățare rapidă și ușoară a unor sarcini specifice, sarcini care sunt importante pentru supraviețuire.

Zador vorbește despre ceea ce putem învăța de la veverițele care trăiesc în curțile noastre, dacă ne-am uita doar la genetică, rețele neuronale și predispoziție genetică.

“Aveți veverițe care pot sări de la un copac la altul în câteva săptămâni de la naștere, dar nu avem șoareci care învață același lucru. De ce nu?” a spus Zador. “Este pentru că unul este predeterminat genetic să devină o creatură care trăiește în copaci.”

Zador crede că una dintre lucrurile care ar putea rezulta din predispoziția genetică este circuitul înăscut din interiorul unui animal. Acesta ajută animalul și îi ghidează învățarea timpurie. Una dintre problemele cu atașarea acestui concept la lumea inteligenței artificiale este că rețelele utilizate în învățarea mașinilor, cele urmărite de experții în inteligență artificială, sunt mult mai generalizate decât cele din natură.

Dacă vom ajunge la un punct în care rețelele neurale artificiale (ANN) pot fi modelate după lucrurile pe care le vedem în natură, roboții ar putea începe să facă sarcini care, la un moment dat, au fost extrem de dificile.