Неуронаучници дизајнирају модел који одражава људско визуелно учење

Програмирањем рачунарске вештачке интелигенције (АИ) да користи бржу технику за учење нових објеката, АИ почиње да функционише више као људска интелигенција. Ово долази када су два неуронаучника дизајнирала модел који одражава људско визуелно учење.

Истраживање др Максимилиана Ризенхубера, професора неуронауке на Медицинском центру Универзитета Џорџтаун, и доктора Џошуе Рула, постдокторског научника на УЦ Берклију, објављено је у часопису Границе у рачунарској неуронауци. 

АИ учење нових визуелних концепата

Неуронаучници су показали како нови приступ побољшава способност АИ софтвера да брзо научи нове визуелне концепте.

„Наш модел пружа биолошки прихватљив начин да вештачке неуронске мреже науче нове визуелне концепте из малог броја примера“, каже Ризенхубер. „Можемо натерати рачунаре да уче много боље из неколико примера тако што ћемо искористити претходно учење на начин за који мислимо да одражава оно што мозак ради.

Људи имају способност да врло брзо и тачно науче нове визуелне концепте из оскудних података. Ову способност поседујемо у веома младом добу, од само три месеца. Међутим, рачунарима је потребно много примера истог објекта да би коначно сазнали шта је то.

„Рачунарска моћ хијерархије мозга лежи у потенцијалу да се поједностави учење коришћењем претходно научених репрезентација из банке података, такорећи, пуне концепата о објектима“, каже Ризенхубер.

Вештачке неуронске мреже против људског визуелног система

Ризенхубер и Руле су открили да вештачке неуронске мреже могу много брже научити нове визуелне концепте, приближавајући се нивоу људских способности.

„Уместо да научимо концепте високог нивоа у смислу визуелних карактеристика ниског нивоа, наш приступ их објашњава у смислу других концепата високог нивоа“, каже Руле. „То је као да кажете да кљунаш помало личи на патку, дабра и морску видру.

Људско учење визуелних концепата се у великој мери ослања на неуронске мреже укључене у процес препознавања објеката, а верује се да предњи темпорални режањ мозга има способност да превазиђе облик у погледу представљања концепта. Пошто су ове неуронске хијерархије укључене у визуелно препознавање тако сложене, људи могу научити нове задатке и искористити претходно учење.

„Поновном употребом ових концепата можете лакше научити нове концепте, нова значења, као што је чињеница да је зебра једноставно коњ друге пруге“, каже Ризенхубер.

АИ још увек није достигао исти ниво као људски визуелни систем, који има супериорну способност да генерализује из неколико примера, бави се варијацијама слика и разуме сцене. Међутим, напредак га приближава.

„Наши налази не само да сугеришу технике које би могле помоћи рачунарима да уче брже и ефикасније, већ могу довести и до побољшаних неуронаучних експеримената који имају за циљ да разумеју како људи уче тако брзо, што још није добро схваћено“, каже Ризенхубер.