นักวิชาการเอาชนะอุปสรรคสำคัญในเทคโนโลยี AI โดยใช้กลไกสมอง

นักวิจัยด้านปัญญาประดิษฐ์ (AI) จากสถาบันต่างๆ ได้เอาชนะ “อุปสรรคสำคัญที่ยืนยาวในการเพิ่มความสามารถของ AI” ทีมงานได้มองไปที่สมองมนุษย์ ซึ่งเป็นกรณีสำหรับการพัฒนา AI หลายๆ อย่าง โดยเฉพาะกลไกความจำของสมองมนุษย์ที่เรียกว่า “การซ้ำ” (replay)

กิโด วัน เดอ เวน (Gido van de Ven) เป็นนักวิจัยหลักและผู้เขียนบทความหลัก เขาได้ร่วมงานกับอันดรีอัส โทลิอาส (Andreas Tolias) จากมหาวิทยาลัยเบย์เลอร์ (Baylor) และฮาวา ซีเกิลมัน (Hava Siegelmann) จากมหาวิทยาลัยแมสซาชูเซตส์ แอมเฮิร์สต์ (UMass Amherst)

การวิจัยนี้ได้รับการตีพิมพ์ใน Nature Communications

วิธีการใหม่

ตามที่นักวิจัยกล่าวว่า พวกเขาได้ค้นพบวิธีการใหม่ที่สามารถป้องกันการลืมของเครือข่ายประสาทเทียม (neural network) ได้อย่างมีประสิทธิภาพ เมื่อเครือข่ายประสาทเทียมเรียนรู้สิ่งใหม่ๆ มันอาจลืมสิ่งที่เรียนรู้ไว้ก่อนหน้านี้

อุปสรรคนี้เป็นสิ่งที่ขัดขวางความก้าวหน้าของ AI หลายๆ อย่าง

“วิธีแก้ปัญหาหนึ่งคือการเก็บตัวอย่างที่พบมาก่อนและกลับมาทบทวนเมื่อเรียนรู้สิ่งใหม่ๆ ถึงแม้ว่าการ ‘ซ้ำ’ หรือ ‘ทบทวน’ จะช่วยแก้ปัญหาการลืม แต่การฝึกอบรมซ้ำทั้งหมดที่เรียนรู้ไว้ก่อนหน้านี้เป็นเรื่องที่ไม่มีประสิทธิภาพและปริมาณข้อมูลที่ต้องเก็บจะเพิ่มขึ้นอย่างรวดเร็ว” นักวิจัยเขียนไว้

สมองมนุษย์

นักวิจัยได้แรงบันดาลใจจากสมองมนุษย์ เนื่องจากสมองสามารถสร้างข้อมูลได้โดยไม่ลืม ซึ่งไม่เหมือนกับเครือข่ายประสาทเทียม การพัฒนานี้เป็นผลมาจากการวิจัยก่อนหน้านี้ของนักวิจัย รวมถึงการค้นพบกลไกในสมองที่เชื่อว่าเป็นสาเหตุของการไม่ลืมความจำ กลไกนี้คือการซ้ำของรูปแบบกิจกรรมของประสาท

ตามที่ซีเกิลมันกล่าวว่า การพัฒนาที่สำคัญมาจาก “การรู้ว่าการซ้ำในสมองไม่ต้องเก็บข้อมูล” แต่ “สมองสร้างการแสดงผลของความจำที่ระดับสูงขึ้นโดยไม่ต้องสร้างความจำที่มีรายละเอียด”

ซีเกิลมันนำข้อมูลนี้มาใช้ร่วมกับเพื่อนร่วมงานเพื่อพัฒนาการซ้ำที่คล้ายกับสมอง โดยไม่ต้องเก็บข้อมูล เช่นเดียวกับสมอง ระบบเทียมใช้สิ่งที่เคยเห็นมาก่อนเพื่อสร้างการแสดงผลที่ระดับสูง

วิธีการนี้มีประสิทธิภาพสูง โดยการซ้ำที่สร้างขึ้นเพียงไม่กี่ครั้ง ทำให้ความจำเก่าๆ ได้รับการระลึกถึงในขณะที่เรียนรู้สิ่งใหม่ๆ การซ้ำที่สร้างขึ้นเป็นผลที่ดีในการป้องกันการลืม และหนึ่งในประโยชน์ที่สำคัญคือทำให้ระบบสามารถทั่วไปจากสถานการณ์หนึ่งไปสู่อีกสถานการณ์หนึ่งได้

ตามที่วัน เดอ เวนกล่าวว่า “หากเครือข่ายของเราที่มีการซ้ำที่สร้างขึ้นเรียนรู้ที่จะแยกแมวออกจากสุนัข และจากนั้นเรียนรู้ที่จะแยกหมีออกจากจิ้งจอก มันจะสามารถแยกแมวออกจากจิ้งจอกได้โดยไม่ต้องได้รับการฝึกอบรมโดยเฉพาะ และสิ่งที่น่าสังเกตคือระบบจะดีขึ้นในการเรียนรู้สิ่งใหม่ๆ เมื่อมันเรียนรู้มากขึ้น”

“เราขอเสนอวิธีการใหม่ที่ได้รับแรงบันดาลใจจากสมอง โดยซ้ำการแสดงผลภายในหรือการซ้ำที่สร้างขึ้นโดยการเชื่อมต่อของเครือข่ายเอง” ทีมงานเขียนไว้ “วิธีการของเรามีประสิทธิภาพสูงสุดในการเรียนรู้อย่างต่อเนื่องโดยไม่ต้องเก็บข้อมูล และเป็นแบบจำลองใหม่สำหรับการซ้ำที่เป็นนามธรรมในสมอง”

“วิธีการของเราทำนายหลายสิ่งที่น่าสนใจเกี่ยวกับว่าการซ้ำอาจมีส่วนช่วยในการรวมความจำในสมอง” วัน เดอ เวนกล่าวต่อ “เรากำลังทดลองเพื่อทดสอบการทำนายเหล่านี้”