Neuroștiinții proiectează un model care reflectă învățarea vizuală umană

Prin programarea inteligenței artificiale (IA) bazate pe calculator pentru a utiliza o tehnică mai rapidă de învățare a obiectelor noi, IA începe să funcționeze mai mult ca inteligența umană. Acest lucru se datorează faptului că doi neuroștiințifiști au proiectat un model care reflectă învățarea vizuală umană.

Cercetarea condusă de Maximillian Riesenhuber, PhD, profesor de neuroștiințe la Centrul Medical al Universității Georgetown, și Joshua Rule, PhD, cercetător postdoctoral la UC Berkeley, a fost publicată în jurnalul Frontiers in Computational Neuroscience. 

Învățarea IA a noilor concepte vizuale

Neuroștiinții au demonstrat cum abordarea nouă îmbunătățește capacitatea software-ului IA de a învăța rapid noile concepte vizuale.

„Modelul nostru oferă o modalitate biologic plauzibilă pentru rețelele neuronale artificiale de a învăța noile concepte vizuale dintr-un număr mic de exemple”, spune Riesenhuber. “Putem face ca calculatoarele să învețe mult mai bine din câteva exemple prin valorificarea învățării anterioare într-un mod care credem că reflectă ceea ce face creierul.”

Oamenii au capacitatea de a învăța noile concepte vizuale din date rare și foarte repede și cu acuratețe. Deținem această capacitate de la o vârstă foarte fragedă, de aproximativ trei luni. Cu toate acestea, calculatoarele necesită multe exemple ale aceluiași obiect pentru a-l recunoaște în final.

„Puterea de calcul a ierarhiei creierului constă în capacitatea de a simplifica învățarea prin valorificarea reprezentărilor învățate anterior dintr-o bază de date, așa cum ar fi, plină de concepte despre obiecte”, spune Riesenhuber.

Rețelele neuronale artificiale vs. sistemul vizual uman

Riesenhuber și Rule au constatat că rețelele neuronale artificiale pot învăța noile concepte vizuale mult mai rapid, apropiindu-se de nivelul capacităților umane.

„În loc să învățăm concepte de nivel superior în termeni de caracteristici vizuale de nivel inferior, abordarea noastră le explică în termeni de alte concepte de nivel superior”, spune Rule. „Este ca și cum ai spune că un platipus arată un pic ca o rață, o castor și o vidră de mare.”

Învățarea conceptelor vizuale umane se bazează puternic pe rețelele neuronale implicate în procesul de recunoaștere a obiectelor, iar lobul temporal anterior al creierului se crede că are capacitatea de a merge dincolo de formă în ceea ce privește reprezentările conceptelor. Deoarece aceste ierarhii neuronale implicate în recunoașterea vizuală sunt atât de complexe, oamenii pot învăța noi sarcini și pot valorifica învățarea anterioară.

„Prin reutilizarea acestor concepte, puteți învăța mai ușor concepte noi, noi înțelesuri, cum ar fi faptul că o zebră este, în esență, un cal de o altă specie”, spune Riesenhuber.

IA nu a atins încă același nivel ca și sistemul vizual uman, care are o capacitate superioară de a generaliza din câteva exemple, de a face față variațiilor de imagine și de a înțelege scenele. Cu toate acestea, progresele aduc această tehnologie mai aproape.

„Rezultatele noastre nu numai că sugerează tehnici care ar putea ajuta calculatoarele să învețe mai rapid și mai eficient, dar pot conduce și la experimente neuroștiințifice îmbunătățite, menite să înțeleagă cum oamenii învață atât de repede, ceea ce nu este încă bine înțeles”, spune Riesenhuber.