Штучний інтелект на основі повільної динаміки мозку

Учені з університету Бар-Ілан в Ізраїлі використали передові експерименти на нейронних культурах та великомасштабні симуляції, щоб створити новий ультрашвидкий штучний інтелект. Новий штучний інтелект заснований на повільній динаміці мозку людини. Ця динаміка має кращі показники навчання порівняно з найкращими алгоритмами навчання, які ми маємо сьогодні.

Машинне навчання насправді тісно пов’язане з динамікою нашого мозку. З допомогою швидкості сучасних комп’ютерів та великих наборів даних нам вдалося створити алгоритми глибокого навчання, які подібні до фахівців людини у різних галузях. Однак ці алгоритми навчання мають інші характеристики, ніж мозок людини.

Команда вчених університету опублікувала свою роботу в журналі Scientific Reports. Вони працювали над поєднанням нейробіології та передових алгоритмів штучного інтелекту, галузі, яка була покинута на десятиліття.

Професор Ідо Кантер з кафедри фізики університету Бар-Ілан та Гонда (Гольдшмід) мультидисциплінарного дослідження мозку, а також головний автор дослідження, прокоментував дві галузі.

“Поточна наукова та технологічна точка зору полягає в тому, що нейробіологія та машинне навчання – це дві окремі дисципліни, які розвиваються незалежно”, – сказав він. “Відсутність очікуваного взаємного впливу є дивною.”

“Кількість нейронів у мозку менше, ніж кількість біт у типовому диску сучасних персональних комп’ютерів, а швидкість обчислення мозку подібна до секундної стрілки годинника, навіть повільніше, ніж перший комп’ютер, винайдений понад 70 років тому”, – сказав він.

“Крім того, правила навчання мозку дуже складні та віддалені від принципів навчання кроків у поточних алгоритмах штучного інтелекту.”

Професор Кантер працює у складі дослідницької групи разом з Герут Узаном, Широю Сарді, Аміром Голденталем та Роні Варді.

Якщо говорити про динаміку мозку, вони займаються асинхронними входами, оскільки фізична реальність змінюється та розвивається. Через це немає синхронізації для нервових клітин. Це відрізняється від алгоритмів штучного інтелекту, оскільки вони засновані на синхронних входах. Різні входи в межах одного кадру та їх тимчасові інтервали зазвичай ігноруються.

Професор Кантер продовжував пояснювати цю динаміку.

“Коли ми дивимося вперед, ми одразу спостерігаємо кадр з багатьма об’єктами. Наприклад, під час водіння ми спостерігаємо машини, пішохідні переходи та дорожні знаки, і легко ідентифікуємо їх часову послідовність та відносні позиції”, – сказав він. “Біологічне обладнання (правила навчання) призначене для роботи з асинхронними входами та уточнення їх відносної інформації.”

Одна з тез цього дослідження полягає в тому, що ультрашвидкі показники навчання однакові як для малих, так і для великих мереж. Згідно з дослідниками, “недолік складної схеми навчання мозку насправді є перевагою”.

Дослідження також показує, що навчання може відбуватися без кроків навчання. Воно може бути досягнуто через самоадаптацію на основі асинхронних входів. У людському мозку це тип навчання відбувається в дендритах, які є короткими відростками нервових клітин, та різних терміналах кожного нейрону. Це було спостережено раніше. Раніше вважалося, що це не важливо, що динаміка мережі під дендритним навчанням контролюється слабкими вагами.

Це нове дослідження та відкриття можуть означати багато різних речей. Ці ефективні алгоритми глибокого навчання та їхня схожість з дуже повільною динамікою мозку можуть допомогти створити новий клас передового штучного інтелекту з допомогою швидких комп’ютерів.

Дослідження також спонукає до співробітництва між галузями нейробіології та штучного інтелекту, яке може допомогти обом галузям розвиватися далі. Згідно з групою дослідників, “ознайомлення з фундаментальними принципами нашого мозку повинно знову стати центром майбутнього штучного інтелекту”.