นักวิจัยเสนอแนวทางใหม่ด้วย “อัลกอริทึมเชิงวิวัฒนาการ”

ในขณะที่คอมพิวเตอร์ปัจจุบันของเรามักจะดำเนินการตามโปรแกรมล่วงหน้า สิ่งนี้ตรงกันข้ามกับสมองของเราซึ่งมีการปรับตัวสูง ความสามารถในการปรับตัวของเราขึ้นอยู่กับซินแนปติกพลาสติกเป็นอย่างมาก โดยซินแนปส์เป็นจุดเชื่อมต่อระหว่างเซลล์ประสาท นักประสาทวิทยารู้สึกทึ่งอย่างมากกับซินแนปติกพลาสติกเนื่องจากเป็นกุญแจสำคัญในกระบวนการเรียนรู้และความจำ

นักวิจัยด้านประสาทวิทยาและปัญญาประดิษฐ์ (AI) พัฒนาแบบจำลองสำหรับกลไกของกระบวนการพื้นฐานเหล่านี้เพื่อให้เข้าใจสมองได้ดีขึ้น โมเดลเหล่านี้ช่วยให้เราได้รับข้อมูลเชิงลึกเกี่ยวกับการประมวลผลข้อมูลทางชีวภาพ และเป็นกุญแจสำคัญที่จะช่วยให้เครื่องจักรเรียนรู้ได้เร็วขึ้น

“อัลกอริทึมวิวัฒนาการ”

นักวิจัยจากสถาบันสรีรวิทยาแห่งมหาวิทยาลัยเบิร์นได้พัฒนาวิธีการใหม่โดยใช้ "อัลกอริธึมวิวัฒนาการ" และโปรแกรมคอมพิวเตอร์เหล่านี้ค้นหาวิธีแก้ปัญหาโดยเลียนแบบกระบวนการวิวัฒนาการทางชีววิทยา 

ทีมวิจัยนี้นำโดย Dr. Mihai Petrovici จาก Institute of Physiology แห่งมหาวิทยาลัย Bern และ Kirchhoff Institute for Physics แห่งมหาวิทยาลัย Heidelberg

การศึกษาถูกตีพิมพ์ในวารสาร eLife.

ทั้งหมดนี้หมายถึงความสมบูรณ์ทางชีวภาพ ซึ่งเป็นระดับที่สิ่งมีชีวิตปรับตัวให้เข้ากับสภาพแวดล้อม สามารถเป็นต้นแบบสำหรับอัลกอริธึมวิวัฒนาการได้ ด้วยอัลกอริทึมเหล่านี้ "ความเหมาะสม" ของโซลูชันของผู้สมัครจะขึ้นอยู่กับว่าสามารถแก้ปัญหาพื้นฐานได้ดีเพียงใด 

สามสถานการณ์การเรียนรู้

แนวทางใหม่นี้เรียกว่า “การพัฒนาเพื่อเรียนรู้” หรือ “การปรับตัว” ทีมงานมุ่งเน้นไปที่สถานการณ์การเรียนรู้ทั่วไป XNUMX สถานการณ์ สถานการณ์แรกเกี่ยวข้องกับคอมพิวเตอร์ที่ต้องตรวจจับรูปแบบที่ทำซ้ำในสตรีมอินพุตที่ต่อเนื่องโดยไม่ได้รับคำติชมเกี่ยวกับประสิทธิภาพการทำงาน

สถานการณ์ที่สองเกี่ยวข้องกับคอมพิวเตอร์ที่ได้รับรางวัลเสมือนเมื่อดำเนินการตามพฤติกรรมที่ต้องการ

สถานการณ์ที่สามเกี่ยวข้องกับ "การเรียนรู้ด้วยคำแนะนำ" ซึ่งคอมพิวเตอร์ได้รับการบอกอย่างแน่ชัดว่าพฤติกรรมของมันเบี่ยงเบนไปจากที่ต้องการมากน้อยเพียงใด

ดร.จาคอบ จอร์แดน เป็นผู้เขียนร่วมคนแรกจากสถาบันสรีรวิทยาแห่งมหาวิทยาลัยเบิร์น

“ในสถานการณ์ทั้งหมดนี้ อัลกอริทึมเชิงวิวัฒนาการสามารถค้นพบกลไกของซินแนปติกพลาสติกได้ และด้วยเหตุนี้จึงสามารถแก้ไขงานใหม่ได้สำเร็จ” ดร. จอร์แดนกล่าว

อัลกอริทึมแสดงให้เห็นถึงความคิดสร้างสรรค์ที่แข็งแกร่ง

ดร. Maximilian Schmidt เป็นผู้เขียนร่วมคนแรกของการศึกษานี้

“ตัวอย่างเช่น อัลกอริทึมพบโมเดลความเป็นพลาสติกใหม่ ซึ่งสัญญาณที่เรากำหนดไว้จะรวมกันเพื่อสร้างสัญญาณใหม่ ในความเป็นจริง เราสังเกตเห็นว่าเครือข่ายที่ใช้สัญญาณใหม่นี้เรียนรู้ได้เร็วกว่ากฎที่ทราบก่อนหน้านี้” ดร. ชมิดท์กล่าว

“เราเห็นว่า E2L เป็นวิธีการที่มีแนวโน้มในการได้รับข้อมูลเชิงลึกอย่างลึกซึ้งเกี่ยวกับหลักการเรียนรู้ทางชีววิทยา และเร่งความก้าวหน้าไปสู่เครื่องการเรียนรู้ประดิษฐ์ที่ทรงพลัง” Petrovoci กล่าว 

"เราหวังว่ามันจะเร่งการวิจัยเกี่ยวกับ synaptic plasticity ในระบบประสาท" ดร. จอร์แดนให้ความเห็น 

ทีมงานกล่าวว่าการค้นพบใหม่นี้จะให้ข้อมูลเชิงลึกเกี่ยวกับการทำงานของสมองที่มีสุขภาพดีและเป็นโรค และสามารถช่วยในการพัฒนาเครื่องจักรอัจฉริยะที่สามารถปรับให้เข้ากับผู้ใช้ได้