Моделирование искусственных нейронных сетей (ИНС) на основе мозга животных

Ученый-нейробиолог из лаборатории Колд-Спринг-Харбор (CSHL) Энтони Задор показал, что эволюция и мозг животных могут быть использованы в качестве источника вдохновения для машинного обучения. Это может быть полезно для решения различных проблем в области ИИ.

По мнению нейробиолога Энтони Задора из CSHL, искусственный интеллект (ИИ) может быть значительно улучшен, если обратиться к мозгу животных. Этот подход дает нейробиологам и специалистам в области ИИ новый способ решения некоторых из наиболее насущных проблем ИИ.

Энтони Задор, доктор медицины и доктор философии, посвятил большую часть своей карьеры изучению сложных нейронных сетей в живом мозге, доходя до уровня отдельных нейронов. В начале своей карьеры он занимался изучением искусственных нейронных сетей (ИНС). ИНС – это вычислительные системы, которые послужили основой для многих разработок в области ИИ. Они моделируются по образцу сетей в мозге животных и человека. До сих пор это было все, что было сделано в этом направлении.

Недавно опубликованная статья, написанная Задором, была опубликована в журнале Nature Communications. В этой статье Задор описал, как новые и улучшенные алгоритмы обучения помогают системам ИИ развиваться до уровня, когда они значительно превосходят человека во многих задачах, проблемах и играх, таких как шахматы и покер. Хотя некоторые из этих компьютеров могут выполнять задачи на высоком уровне, они часто путаются в вещах, которые человек считает простыми.

Если специалисты в этой области смогут решить эту проблему, роботы могут достичь уровня развития, когда они смогут учиться выполнять очень естественные и органические действия, такие как преследование добычи или строительство гнезда. Они даже смогут выполнять действия, такие как мытье посуды, которое оказалось очень трудным для роботов.

«То, что мы считаем трудным, например, абстрактное мышление или игру в шахматы, на самом деле не является трудным для машин. Трудным для машин является то, что мы считаем простым, например, взаимодействие с физическим миром», – объяснил Задор. «Мы считаем это простым, потому что у нас было полмиллиарда лет эволюции, которые запрограммировали наши схемы так, что мы делаем это без усилий».

Задор считает, что если мы хотим, чтобы роботы быстро учились, что изменит все в этой области, мы не должны сосредотачиваться только на совершенном общем алгоритме обучения. Ученые должны обратиться к биологическим нейронным сетям, которые были даны нам эволюцией и природой. Эти сети могут быть использованы в качестве основы для быстрого и легкого обучения конкретных задач, которые важны для выживания.

Задор говорит о том, что мы можем узнать из белок, живущих в наших дворах, если мы просто посмотрим на генетику, нейронные сети и генетическую предрасположенность.

«У вас есть белки, которые могут прыгать с дерева на дерево в течение нескольких недель после рождения, но мы не видим мышей, которые учатся тому же. Почему нет?» – спросил Задор. «Это потому, что один из них генетически предопределен стать обитателем деревьев».

Задор считает, что одно из того, что может быть получено из генетической предрасположенности, – это врожденная схемотехника, которая находится внутри животного и помогает ему в раннем обучении. Одна из проблем, связанных с применением этого к миру ИИ, заключается в том, что сети, используемые в машинном обучении, которые разрабатываются экспертами ИИ, намного более обобщены, чем те, что в природе.

Если мы сможем достичь уровня, когда ИНС смогут быть смоделированы по образцу вещей, которые мы видим в природе, роботы смогут начать выполнять задачи, которые ранее были очень трудными.