Моделювання штучних нейронних мереж (ANN) на основі тваринних мозків

Учений-нейробіолог з Cold Spring Harbor Laboratory (CSHL) Антоні Задор показав, що еволюція та тваринні мозки можуть бути використані як джерело натхнення для машинного навчання. Це може бути корисним для допомоги штучному інтелекту у вирішенні багатьох різних проблем.

За словами нейробіолога з CSHL Антоні Задора, штучний інтелект (AI) може бути суттєво покращений шляхом вивчення тваринних мозків. Цей підхід дає новий спосіб вирішення деяких із найпресовущих проблем AI.

Антоні Задор, доктор медицини, доктор філософії, присвятив велику частину своєї кар’єри вивченню складних нейронних мереж у живих мозках. Він вивчає окремі нейрони. На початку своєї кар’єри він займався чимось іншим. Він вивчав штучні нейронні мережі (ANN). ANN – це комп’ютерні системи, які стали основою багатьох наших розробок у сфері AI. Вони моделюються за зразком мереж у тваринних і людських мозках. До цього моменту ця концепція зупинялася.

Недавно опублікована стаття, написана Задором, була опублікована у виданні Nature Communications. У цій статті Задор розповів про те, як нові та покращені алгоритми навчання допомагають системам AI розвиватися до рівня, коли вони суттєво перевершують людей у виконанні різних завдань, проблем і ігор, таких як шахи та покер. Хоча деякі з цих комп’ютерів можуть виконувати завдання дуже добре, вони часто плутаються у речах, які люди вважають простими.

Якщо ті, хто працює у цій галузі, зможуть вирішити цю проблему, робота зможуть досягнути рівня розвитку, на якому вони зможуть навчатися виконувати дуже природні та органічні речі, такі як полювання на здобич або будівництво гнізда. Вони навіть зможуть виконувати такі завдання, як мити посуд, яке виявилося дуже складним для роботів.

«Ті речі, які нам здаються складними, як абстрактне мислення або гра у шахи, насправді не є складними для машин. Ті речі, які нам здаються простими, як взаємодія з фізичним світом, це те, що є складним», – пояснив Задор. «Причина того, що ми вважаємо це простим, полягає у тому, що ми мали півмільярда років еволюції, які підключили наші схеми так, що ми робимо це легко».

Задор вважає, що якщо ми хочемо, щоб роботи досягли швидкого навчання, чогось, що змінить все у цій галузі, ми можемо не тільки шукати досконалий загальний алгоритм навчання. Що науковці та інші повинні зробити, так це подивитися на біологічні нейронні мережі, які були дані нам природою та еволюцією. Це можуть бути використані як основа для швидкого та легкого навчання конкретних типів завдань, завдань, які важливі для виживання.

Задор говорить про те, що ми можемо вивчити у білок, які живуть у наших власних дворах, якщо тільки подивимося на генетику, нейронні мережі та генетичну схильність.

«У вас є білки, які можуть стрибати з дерева на дерево вже через кілька тижнів після народження, але ми не маємо мишей, які вчаться робити те саме. Чому так?» – сказав Задор. «Це тому, що одне з них генетично предзначено стати деревним створінням».

Задор вважає, що однією з речей, які можуть вийти з генетичної схильності, є вроджена схемотехніка, яка знаходиться у тварини. Це допомагає тварині та спрямовує її раннє навчання. Однією з проблем, пов’язаних з прикріпленням цього до світу AI, є те, що мережі, які використовуються у машинному навчанні, ті, які переслідуються експертами AI, є набагато більш загальними, ніж ті, які знаходяться у природі.

Якщо ми зможемо досягнути рівня, на якому ANN зможуть бути змодельовані за зразком тих речей, які ми бачимо у природі, роботи зможуть почати виконувати завдання, які раніше були дуже складними.