Нейробиологи разрабатывают модель, отражающую человеческое зрительное обучение

Программируя компьютерную искусственную интеллект (ИИ) для использования более быстрого метода обучения новых объектов, ИИ начинает функционировать более похожим на человеческий интеллект. Это происходит после того, как два нейробиолога разработали модель, отражающую человеческое зрительное обучение.

Исследование Максимиллиана Ризенхубера, PhD, профессора нейробиологии в Медицинском центре Университета Джорджтауна, и Джошуа Рула, PhD, постдокторанта в Университете Калифорнии в Беркли, было опубликовано в журнале Frontiers in Computational Neuroscience. 

ИИ обучается новым визуальным концепциям

Нейробиологи продемонстрировали, как новый подход улучшает способность программного обеспечения ИИ быстро учиться новым визуальным концепциям.

«Наша модель предоставляет биологически правдоподобный способ для искусственных нейронных сетей учиться новым визуальным концепциям из небольшого количества примеров”, говорит Ризенхубер. “Мы можем заставить компьютеры учиться намного лучше из нескольких примеров, используя предыдущее обучение таким образом, который, как мы думаем, отражает то, что делает мозг».

Люди имеют способность учиться новым визуальным концепциям из скудных данных очень быстро и точно. Мы обладаем этой способностью с очень раннего возраста, уже в три месяца. Однако компьютерам требуются многие примеры одного и того же объекта, чтобы finally узнать, что это такое.

«Вычислительная мощность иерархии мозга заключается в потенциале упростить обучение, используя ранее выученные представления из базы данных, так сказать, полной концепций об объектах», – говорит Ризенхубер.

Искусственные нейронные сети против человеческой зрительной системы

Ризенхубер и Рул обнаружили, что искусственные нейронные сети могут учиться новым визуальным концепциям намного быстрее, приближаясь к уровню человеческой способности.

«Вместо того, чтобы учиться высокоуровневым концепциям в терминах низкоуровневых визуальных особенностей, наш подход объясняет их в терминах других высокоуровневых концепций», – говорит Рул. «Это похоже на то, чтобы сказать, что утконос выглядит немного как утка, бобр и морская выдра».

Человеческое зрительное обучение концепций сильно зависит от нейронных сетей, участвующих в процессе распознавания объектов, и считается, что передняя височная доля мозга имеет способность выходить за рамки формы в отношении представлений концепций. Поскольку эти нейронные иерархии, участвующие в зрительном распознавании, так сложны, люди могут учиться новым задачам и использовать предыдущее обучение.

«Переиспользуя эти концепции, вы можете более легко учиться новым концепциям, новому смыслу, например, тому, что зебра – это просто лошадь с другой полосой», – говорит Ризенхубер.

ИИ еще не достиг уровня человеческой зрительной системы, которая имеет превосходную способность обобщать из нескольких примеров, справляться с вариациями изображений и понимать сцены. Однако достижения приближают его.

«Наши результаты не только предлагают методы, которые могут помочь компьютерам учиться быстрее и более эффективно, но также могут привести к улучшению нейробиологических экспериментов, направленных на понимание того, как люди учатся так быстро, что пока еще не хорошо понятно», – говорит Ризенхубер.