Исследователи предлагают новый подход с использованием «эволюционных алгоритмов»

В отличие от наших современных компьютеров, которые обычно выполняют предпрограммированные действия, наш мозг обладает высокой адаптивностью. Наша адаптивность в значительной степени зависит от синаптической пластичности, при которой синапсы являются точками соединения между нейронами. Нейробиологи глубоко заинтересованы в синаптической пластичности, поскольку она является ключом к процессам обучения и памяти.

Исследователи в области нейробиологии и искусственного интеллекта (ИИ) разрабатывают модели механизмов этих основных процессов, чтобы лучше понять мозг. Эти модели помогают нам получить представление о биологической обработке информации и являются ключом к тому, чтобы машины могли учиться быстрее.

«Эволюционные алгоритмы»

Исследователи Института физиологии Бернского университета разработали новый подход, основанный на «эволюционных алгоритмах», и эти компьютерные программы ищут решения, имитируя процесс биологической эволюции.

Исследовательская группа была возглавлена доктором Михаем Петровичи из Института физиологии Бернского университета и Института физики имени Кирхгофа Гейдельбергского университета.

Исследование было опубликовано в журнале eLife.

Все это означает, что биологическая приспособленность, которая представляет собой степень, в которой организм адаптируется к своей среде, может быть моделью для эволюционных алгоритмов. С помощью этих алгоритмов «приспособленность» кандидатского решения зависит от того, насколько хорошо оно может решить основную задачу.

Три сценария обучения

Новый подход называется «эволюционирующим для обучения» или «становлением адаптивным». Команда сосредоточилась на трех типичных сценариях обучения, первый из которых включал компьютер, который должен был обнаружить повторяющийся шаблон в непрерывном потоке входных данных без получения обратной связи о своей производительности.

Второй сценарий включал компьютер, который получал виртуальные награды при выполнении желаемого поведения.

Третий сценарий включал «обучение с руководством», при котором компьютеру было точно указано, насколько его поведение отклонялось от желаемого.

Доктор Якоб Йордан является соответствующим и соавтором исследования из Института физиологии Бернского университета.

«Во всех этих сценариях эволюционные алгоритмы смогли открыть механизмы синаптической пластичности и успешно решили новую задачу», — сказал доктор Йордан.

Алгоритмы продемонстрировали сильную креативность.

Доктор Максимилиан Шмидт является соавтором исследования.

«Например, алгоритм нашел новую модель пластичности, в которой сигналы, которые мы определили, объединяются для формирования нового сигнала. На самом деле, мы наблюдаем, что сети, использующие этот новый сигнал, учатся быстрее, чем с помощью ранее известных правил», — сказал доктор Шмидт.

“Мы рассматриваем E2L как перспективный подход, чтобы получить глубокие представления о биологических принципах обучения и ускорить прогресс в направлении мощных искусственных машин обучения”, — сказал Петровичи.

«Мы надеемся, что это ускорит исследования синаптической пластичности в нервной системе», — прокомментировал доктор Йордан.

Команда говорит, что новые открытия предоставят более глубокое понимание того, как работают здоровые и больные мозги, и они могут помочь в разработке интеллектуальных машин, которые могут адаптироваться к пользователям.