อัลกอริทึมแก้ปัญหาการเรียนรู้ที่ซับซ้อนได้ด้วยความประหยัดพลังงานสูง

ทีมวิจัยสหวิทยาการได้ทำความก้าวหน้าอย่างมากในการพัฒนาคอมพิวเตอร์ที่สามารถประมวลผลข้อมูลได้อย่างมีประสิทธิภาพเทียบเท่ากับสมองมนุษย์ ซึ่งเป็นเป้าหมายที่ได้รับการต้องการมานานในด้านปัญญาประดิษฐ์ ทีมวิจัยจากมหาวิทยาลัยไฮเดลเบิร์กในเยอรมนีและมหาวิทยาลัยเบิร์นในสวิตเซอร์แลนด์นำโดยดร. มิไฮ เปโตรวิชิ

ผลการวิจัยได้รับการตีพิมพ์ในวารสาร Nature Machine Intelligence

เครือข่ายประสาทเทียมที่ได้รับแรงบันดาลใจจากชีววิทยา

ทีมวิจัยได้มองหาคำตอบจากเครือข่ายประสาทเทียมที่ได้รับแรงบันดาลใจจากชีววิทยาเพื่อแก้ไขปัญหานี้ เครือข่ายประสาทเทียมที่มีการส่งสัญญาณแบบสไปก์สามารถเลียนแบบโครงสร้างและหน้าที่ของระบบประสาทธรรมชาติ และถือเป็นตัวเลือกที่มีแนวโน้มด้วยคุณสมบัติที่ทำให้พวกมันทำงานได้อย่างรวดเร็วและมีประสิทธิภาพ

เซลล์ประสาทในสมองส่งสัญญาณข้อมูลโดยใช้สัญญาณไฟฟ้าสั้นๆ ที่เรียกว่าสไปก์ ซึ่งถูกกระตุ้นเมื่อถึงขีดจำกัดของการกระตุ้น การแลกเปลี่ยนข้อมูลได้รับผลกระทบอย่างมากจากความถี่ที่เซลล์ประสาทเดียวสร้างสไปก์และลำดับเวลาของสไปก์แต่ละอัน

จูเลียน เกิลทซ์ เป็นนักศึกษาระดับ박ซาในกลุ่มวิจัย

“ความแตกต่างหลักของเครือข่ายประสาทเทียมแบบชีวภาพและเครือข่ายประสาทเทียมคือว่าเนื่องจากพวกมันใช้การประมวลผลข้อมูลแบบสไปก์ พวกมันสามารถแก้ปัญหาที่ซับซ้อน เช่น การรู้จำภาพและจำแนกประเภทได้ด้วยความประหยัดพลังงานสูง” เกิลทซ์กล่าว

การบรรลุศักยภาพสูงสุด

สมองมนุษย์และเครือข่ายประสาทเทียมแบบสไปก์ทั้งสองต้องการให้เซลล์ประสาทแต่ละตัวเชื่อมต่อกันอย่างเหมาะสมเพื่อบรรลุศักยภาพสูงสุด ซึ่งเป็นเหตุผลที่นักวิจัยต้องค้นหาวิธีการปรับเปลี่ยนระบบที่ได้รับแรงบันดาลใจจากชีวภาพหรือระบบเนื้อมอร์ฟิกให้ประมวลผลข้อมูลแบบสไปก์ได้อย่างถูกต้อง

ลอรา คริเนอร์ เป็นอีกหนึ่งสมาชิกของทีมวิจัย

“คำถามนี้เป็นพื้นฐานสำหรับการพัฒนเครือข่ายประสาทเทียมที่มีพลังตามแบบจำลองทางชีววิทยา” คริเนอร์กล่าว

ต้องใช้อัลกอริทึมพิเศษเพื่อให้แน่ใจว่าเซลล์ประสาทในเครือข่ายประสาทเทียมแบบสไปก์จะทำงานที่เวลาที่ถูกต้อง และอัลกอริทึมเหล่านี้ปรับเปลี่ยนการเชื่อมต่อระหว่างเซลล์ประสาทเพื่อให้เครือข่ายสามารถทำงานตามที่ต้องการได้ เช่น การจำแนกประเภทภาพด้วยความแม่นยำสูง

นี่คืออัลกอริทึมที่ทีมวิจัยพัฒนา

“โดยใช้วิธีนี้ เราสามารถฝึกเครือข่ายประสาทเทียมแบบสไปก์ให้เข้ารหัสและส่งสัญญาณข้อมูลโดยใช้สไปก์เดียวเท่านั้น และผลลัพธ์ที่ต้องการจะเกิดขึ้นอย่างรวดเร็วและมีประสิทธิภาพ” เกิลทซ์อธิบาย

นักวิจัยยังสามารถนำเครือข่ายประสาทเทียมที่ฝึกด้วยอัลกอริทึมนี้ไปใช้บนแพลตฟอร์มทางกายภาพได้ แพลตฟอร์มคือ BrainScaleS-2 ซึ่งพัฒนาโดยมหาวิทยาลัยไฮเดลเบิร์ก

นักวิจัยกล่าวว่าระบบ BrainScaleS ประมวลผลข้อมูลได้เร็วถึง 1,000 เท่าของสมองมนุษย์ และต้องการพลังงานน้อยกว่าระบบคอมพิวเตอร์แบบเดิมๆ

ระบบนี้เป็นส่วนหนึ่งของโครงการ Human Brain ของยุโรป ซึ่งรวมเทคโนโลยีเช่นการคำนวณแบบเนื้อมอร์ฟิกเข้ากับแพลตฟอร์มที่เปิดกว้างเรียกว่า EBRAINS

“อย่างไรก็ตาม งานของเรามีความน่าสนใจไม่เพียงแต่สำหรับการคำนวณแบบเนื้อมอร์ฟิกและฮาร์ดแวร์ที่ได้รับแรงบันดาลใจจากชีววิทยาเท่านั้น แต่ยังตอบสนองความต้องการของชุมชนวิทยาศาสตร์ที่จะถ่ายทอดแนวทาง Deep Learning ไปยังวิทยาศาสตร์ประสาทและเปิดเผยความลับของสมองมนุษย์” ดร. เปโตรวิชิกล่าว