ยอมรับความหลากหลายของเซลล์ประสาท: การกระโดดเชิงความสามารถและประสิทธิภาพของปัญญาประดิษฐ์

บทบาทของความหลากหลายได้ถูกกล่าวถึงในหลายสาขา ตั้งแต่ชีววิทยาไปจนถึงสังคมวิทยา อย่างไรก็ตาม การศึกษาเร็วๆ นี้จากมหาวิทยาลัยแห่งรัฐนอร์ทแคโรไลนา สหรัฐอเมริกา เปิดเผยเรื่องราวที่น่าสนใจเกี่ยวกับความหลากหลายภายในเครือข่ายประสาทเทียม (AI)

พลังของการสะท้อนภายใน: การปรับเครือข่ายประสาทเทียมภายใน

วิลเลียม ดิตโต ผู้ช่วยศาสตราจารย์สาขาฟิสิกส์จากมหาวิทยาลัยแห่งรัฐนอร์ทแคโรไลนา และทีมงานของเขาได้สร้างระบบ AI ที่สามารถ “มองเข้าไปภายใน” และปรับเปลี่ยนเครือข่ายประสาทเทียมของมันเอง กระบวนการนี้ช่วยให้ AI สามารถกำหนดจำนวน รูปร่าง และความแข็งแรงของการเชื่อมต่อระหว่างเซลล์ประสาทเทียม ซึ่งอาจนำไปสู่การสร้างเครือข่ายย่อยที่มีเซลล์ประสาทเทียมที่หลากหลายและแข็งแรง

“เราสร้างระบบทดสอบที่มีสมองเทียมที่ไม่ใช่ของมนุษย์ เพื่อดูว่า AI จะเลือกความหลากหลายมากกว่าการไม่มีความหลากหลายหรือไม่ และว่าการเลือกนั้นจะช่วยปรับปรุงประสิทธิภาพของ AI หรือไม่” ดิตโตกล่าว “กุญแจสำคัญคือการให้ AI มีความสามารถในการมองเข้าไปภายในและเรียนรู้วิธีการเรียนรู้ของมันเอง”

ไม่เหมือนกับ AI ทั่วไปที่ใช้เซลล์ประสาทเทียมที่เหมือนกันและไม่เปลี่ยนแปลง เซลล์ประสาทเทียมของดิตโตมี “คันบังคับ” สำหรับสมองของมันเอง ซึ่งช่วยให้ AI สามารถเรียนรู้และปรับปรุงสมองของมันเองได้ “AI ของเรายังสามารถเลือกระหว่างเซลล์ประสาทเทียมที่หลากหลายหรือเหมือนกัน” ดิตโตกล่าว “และเราพบว่าในกรณีทุกๆ ครั้ง AI จะเลือกความหลากหลายเพื่อเพิ่มประสิทธิภาพของมันเอง”

การเปลี่ยนแปลงจากเครือข่ายประสาทเทียมทั่วไปไปสู่เครือข่ายประสาทเทียมที่หลากหลายและเรียนรู้ได้ ความหนาของเส้นแสดงถึงน้ำหนัก

มาตรการประสิทธิภาพ: ความหลากหลายชนะความสม่ำเสมอ

ทีมงานวิจัยวัดประสิทธิภาพของ AI โดยใช้การจำแนกประเภทตัวเลขมาตรฐานและพบผลลัพธ์ที่น่าประทับใจ AI ทั่วไปที่มีเครือข่ายประสาทเทียมที่เหมือนกันและไม่เปลี่ยนแปลงสามารถทำได้เพียง 57% ในการจำแนกประเภทตัวเลข ในขณะที่ AI ที่มีเครือข่ายประสาทเทียมที่หลากหลายและสามารถเรียนรู้ได้สามารถทำได้ถึง 70%

ตามดิตโต AI ที่มีเครือข่ายประสาทเทียมที่หลากหลายสามารถทำได้ดีขึ้นถึง 10 เท่าในการแก้ปัญหาที่ซับซ้อน เช่น การคาดการณ์การแกว่งของลูกตุ้มหรือการเคลื่อนที่ของกาแลคซี่ “แท้จริงแล้ว เรายังพบว่าเมื่อปัญหาเป็นไปอย่างซับซ้อนและไม่แน่นอน ประสิทธิภาพจะดีขึ้นอย่างมากเมื่อเทียบกับ AI ที่ไม่ได้ใช้ความหลากหลาย” เขา giải thích

ผลกระทบ: การเปลี่ยนแปลงแบบอย่างใหม่ในการพัฒนา AI

ผลการวิจัยครั้งนี้มีผลกระทบอย่างกว้างขวางต่อการพัฒนาเทคโนโลยี AI การค้นพบเหล่านี้ชี้ให้เห็นว่าควรเปลี่ยนจากแบบจำลองเครือข่ายประสาทเทียมที่เหมือนกันและไม่เปลี่ยนแปลงไปสู่แบบจำลองที่สามารถปรับเปลี่ยนได้และเรียนรู้ได้

“เราพบว่าหากคุณให้ AI มีความสามารถในการมองเข้าไปภายในและเรียนรู้วิธีการเรียนรู้ของมันเอง AI จะเปลี่ยนแปลงโครงสร้างภายในของมันเอง — โครงสร้างของเซลล์ประสาทเทียม — เพื่อใช้ความหลากหลายและปรับปรุงความสามารถในการเรียนรู้และแก้ปัญหาได้อย่างมีประสิทธิภาพและแม่นยำ” ดิตโตสรุป สิ่งนี้อาจมีความสำคัญอย่างยิ่งในการใช้งานที่ต้องการความสามารถในการปรับเปลี่ยนและเรียนรู้สูง เช่น ยานพาหนะอัตโนมัติหรือการวินิจฉัยทางการแพทย์

การวิจัยครั้งนี้ไม่เพียงแต่เน้นย้ำถึงคุณค่าของความหลากหลายเท่านั้น แต่ยังเปิดเผยแนวทางใหม่ๆ สำหรับการวิจัยและพัฒนา AI โดยเน้นย้ำถึงความจำเป็นในการมีโครงสร้างประสาทเทียมที่สามารถปรับเปลี่ยนได้และเรียนรู้ได้ ด้วยการสนับสนุนอย่างต่อเนื่องจากสำนักงานการวิจัยทางทหารและผู้ร่วมงานอื่นๆ การวิจัยในระยะต่อไปนี้กำลังถูกติดตามอย่างใกล้ชิด

โดยการยอมรับหลักการของความหลากหลายภายใน AI ระบบ AI เหล่านี้สามารถเพิ่มประสิทธิภาพและความสามารถในการแก้ปัญหาได้อย่างมาก ซึ่งอาจเปลี่ยนแปลงแนวทางของเราในการพัฒนาเครื่องมือการเรียนรู้ของเครื่องและ AI