DeepMind Nyiptakeun AI Anu Muterkeun Kenangan sapertos Hippocampus

Otak manusa sering nginget-nginget kenangan anu kapungkur (sigana) teu didorong. Nalika urang balik sapanjang dinten urang, urang gaduh flashes spontan memori tina kahirupan urang. Sanaos konjugasi kenangan spontan ieu parantos lami dipikaresep ku neuroscientists, perusahaan riset AI DeepMind nembe. diterbitkeun kertas detailing kumaha hiji AI maranéhanana replicated pola aneh ieu ngelingan.

The conjuration kenangan dina uteuk, neural replay, dikaitkeun pageuh jeung hippocampus. Hippocampus mangrupikeun formasi seahorse dina uteuk anu kagolong kana sistem limbic, sareng éta aya hubunganana sareng formasi kenangan énggal, ogé émosi anu dipicu ku kenangan. Téori ayeuna ngeunaan peran hippocampi (aya hiji dina unggal hémisfér otak), nyatakeun yén daérah anu béda tina hippocampus tanggung jawab pikeun nanganan sababaraha jinis kenangan. Contona, mémori spasial dipercaya diatur di wewengkon pungkur ti hippocampus nu.

Salaku dilaporkeun ku Jesus Rodriguez,  Dr John O'Keefe tanggung jawab loba kontribusi kana pamahaman kami ngeunaan hippocampus, kaasup hippocampal sél "tempat". Sél tempat dina hippocampus dipicu ku rangsangan dina lingkungan husus. Salaku conto, percobaan dina beurit némbongkeun yén neuron husus bakal seuneu lamun beurit lumpat ngaliwatan porsi tangtu lagu. Peneliti terus ngawas beurit sanajan maranéhna keur istirahat, sarta aranjeunna kapanggih yén pola sarua neuron denoting bagian tina Maze bakal seuneu, sanajan aranjeunna dipecat dina hiji speed gancangan. Beurit-beurit siga nu ngulinkeun ingetan lambaran-lambaran dina pikiran.

Dina manusa, ngelingan kenangan mangrupikeun bagian penting tina prosés diajar, tapi nalika nyobian ngaktipkeun AI pikeun diajar, sesah nyiptakeun deui fenomena éta.

Tim DeepMind badé nyobian nyiptakeun deui fenomena ngelingan nganggo pembelajaran penguatan. Algoritma pembelajaran penguatan dianggo ku kéngingkeun tanggapan tina interaksina sareng lingkungan di sakurilingna, nampi ganjaran iraha waé aranjeunna ngalakukeun tindakan anu ngadeukeutkeun aranjeunna ka tujuan anu dipikahoyong. Dina kontéks ieu, agén pembelajaran penguatan ngarékam kajadian-kajadian teras dimaénkeun deui dina waktos engké, kalayan sistemna dikuatkeun pikeun ningkatkeun kumaha éfisiénna ngingetkeun pangalaman anu baheula.

DeepMind nambihan replaying pangalaman kana algoritma pembelajaran tulangan nganggo panyangga replay anu bakal maén deui kenangan / ngarékam pangalaman kana sistem dina waktos anu khusus. Sababaraha vérsi sistem ngagaduhan pangalaman maén deui dina pesenan acak sedengkeun modél sanésna ngagaduhan pesenan playback anu tos dipilih. Bari peneliti experimented kalawan urutan playback pikeun agén tulangan, maranéhna ogé experimented kalawan métode béda replaying pangalaman sorangan.

Aya dua métode primér anu dipaké pikeun nyadiakeun algoritma tulangan jeung pangalaman recalled. Métode ieu nya éta métodeu ulang imajinasi jeung métodeu balikan pilem. Makalah DeepMind ngagunakeun analogi pikeun ngajelaskeun duanana strategi:

"Anggap anjeun sumping ka bumi sareng, anu kaget sareng kuciwa, mendakan cai anu ngagolér dina lantai kayu anjeun anu éndah. Léngkah ka kamar makan, manggih vas anu rusak. Teras anjeun nguping ngarenghik, sareng anjeun ningali kaluar panto patio ningali anjing anjeun katingali pisan kaliru.

Salaku dilaporkeun ku Rodriguez, métode replay imajinasi teu ngarekam kajadian dina urutan nu aranjeunna ngalaman. Sabalikna, kamungkinan sabab antara kajadian disimpulkeun. Kajadian disimpulkeun dumasar kana pamahaman agén ngeunaan dunya. Samentara éta, métode replay pilem nyimpen kenangan dina urutan nu kajadian, sarta replays runtuyan rangsangan - "cai tumpah, vas rusak, anjing". Susunan kronologis kajadian dilestarikan.

Panalungtikan ti widang neurosains nunjukkeun yén métode replay pilem téh integral jeung kreasi asosiasi antara konsép jeung sambungan neuron antara kajadian. Tapi métode replay imajinasi bisa mantuan agén nyieun runtuyan anyar nalika alesan ku analogi. Contona, agén bisa alesan yén lamun tong keur minyak sakumaha vas keur cai, tong bisa spilled ku robot pabrik tinimbang anjing. Mémang, nalika DeepMind usik langkung jauh kana kemungkinan metodeu ulang imajinasi, aranjeunna mendakan yén agén diajarna tiasa nyiptakeun sekuen anu pikaresepeun sareng inovatif ku cara nganggap pangalaman sateuacana.

Kalolobaan kamajuan ayeuna keur dilakukeun dina wewengkon memori learning tulangan keur dilakukeun ku strategi pilem, sanajan peneliti geus anyar mimiti nyieun kamajuan jeung strategi imajinasi. Panalungtikan kana duanana métode memori AI teu ngan bisa ngaktipkeun kinerja hadé ti agén learning tulangan, tapi ogé bisa mantuan kami meunang wawasan anyar kana kumaha pikiran manusa bisa fungsina.