Cercetătorii propun o abordare nouă cu „algoritmi evoluționari”

În timp ce calculatoarele noastre actuale efectuează de obicei acțiuni preprogramate, acest lucru se află în contrast cu creierul nostru, care este foarte adaptabil. Adaptabilitatea noastră depinde foarte mult de plasticitatea sinaptică, sinapsele fiind punctele de conexiune între neuroni. Neuroștiinții sunt profund interesați de plasticitatea sinaptică, deoarece este cheia proceselor de învățare și a memoriei.

Cercetătorii în neuroștiințe și inteligență artificială (IA) dezvoltă modele pentru mecanismele acestor procese subiacente pentru a înțelege mai bine creierul. Aceste modele ne ajută să obținem insight în procesarea informațiilor biologice și sunt cheia pentru a face ca mașinile să învețe mai repede.

„Algoritmi evoluționari”

Cercetătorii de la Institutul de Fiziologie de la Universitatea din Berna au dezvoltat acum o abordare nouă bazată pe „algoritmi evoluționari”, iar aceste programe de calculator caută soluții prin imitarea procesului de evoluție biologică. 

Echipa de cercetare a fost condusă de dr. Mihai Petrovici de la Institutul de Fiziologie de la Universitatea din Berna și Institutul Kirchhoff pentru Fizică de la Universitatea din Heidelberg.

Studiul a fost publicat în jurnalul eLife.

Toate acestea înseamnă că fitnessul biologic, care este gradul în care un organism se adaptează la mediul său, poate fi un model pentru algoritmi evoluționari. Cu acești algoritmi, „fitnessul” unei soluții candidate depinde de cât de bine poate rezolva problema subiacentă. 

Trei scenarii de învățare

Noua abordare se numește „evoluați pentru a învăța” sau „deveniți adaptativi”. Echipa s-a concentrat pe trei scenarii tipice de învățare, primul dintre care a implicat un computer care trebuia să detecteze un model repetitiv într-un flux continuu de intrări fără a primi feedback despre performanța sa.

Al doilea scenariu a implicat computerul care primea recompense virtuale atunci când efectua o comportare dorită.

Al treilea scenariu a implicat „învățarea ghidată” în care computerul a fost informat exact cât de mult se abătea comportamentul său de la cel dorit.

Dr. Jakob Jordan este autorul corespondent și co-primul autor de la Institutul de Fiziologie de la Universitatea din Berna.

„În toate aceste scenarii, algoritmii evoluționari au fost capabili să descopere mecanismele plasticității sinaptice și, prin urmare, au rezolvat cu succes o nouă sarcină”, a spus dr. Jordan.

Algoritmii au demonstrat o puternică creativitate.

Dr. Maximilian Schmidt este co-primul autor al studiului.

„De exemplu, algoritmul a găsit un nou model de plasticitate în care semnalele pe care le-am definit sunt combinate pentru a forma un semnal nou. Într-adevăr, observăm că rețelele care utilizează acest semnal nou învață mai repede decât cu regulile cunoscute anterior”, a spus dr. Schmidt.

“Vedem E2L ca o abordare promițătoare pentru a obține insight-uri profunde în principiile biologice de învățare și pentru a accelera progresul către mașini de învățare puternice”, a spus Petrovoci. 

„Sperăm că va accelera cercetarea asupra plasticității sinaptice în sistemul nervos”, a comentat dr. Jordan. 

Echipa spune că noile descoperiri vor oferi insight-uri mai profunde despre modul în care funcționează creierul sănătos și bolnav și ar putea ajuta la dezvoltarea de mașini inteligente care pot adapta la utilizatori.