Нейробіологи розробили модель, що відображає візуальне навчання людини

Програмуючи комп’ютерну штучну інтелект (ШІ) для використання швидшого методу навчання нових об’єктів, ШІ починає функціонувати більш як людський інтелект. Це відбувається після того, як два нейробіологи розробили модель, що відображає візуальне навчання людини.

Дослідження Максиміліана Різенхубера, PhD, професора нейробіології в Медичному центрі Університету Джорджтауна, і Джошуа Рула, PhD, постдокторального дослідника в Університеті Каліфорнії, Берклі, було опубліковано в журналі Frontiers in Computational Neuroscience. 

ШІ навчання новим візуальним концепціям

Нейробіологи продемонстрували, як новий підхід покращує здатність програмного забезпечення ШІ швидко навчатися новим візуальним концепціям.

«Наша модель пропонує біологічно правдоподібний спосіб для штучних нейронних мереж навчатися новим візуальним концепціям з малиої кількості прикладів», – говорить Різенхубер. «Ми можемо змусити комп’ютери навчатися значно краще з少ої кількості прикладів, використовуючи попереднє навчання таким чином, який, ми вважаємо, відображає те, що робить мозок».

Люди мають здатність навчатися новим візуальним концепціям з рідкої інформації дуже швидко і точно. Ми володіємо цією здатністю вже у дуже молодому віці, починаючи з трьох місяців. Однак комп’ютерам потрібно багато прикладів одного й того ж об’єкта, щоб вони могли його впізнати.

«Комп’ютерна потужність ієрархії мозку полягає в потенціалі спрощення навчання шляхом використання раніше вивчених представлень з певної бази даних, як би то було, повної концепцій про об’єкти», – говорить Різенхубер.

Штучні нейронні мережі проти людської візуальної системи

Різенхубер і Рул виявили, що штучні нейронні мережі можуть навчатися новим візуальним концепціям значно швидше, наближаючись до рівня людської здатності.

«Натомість ніж навчатися високорівневим концепціям у термінах низькорівневих візуальних особливостей, наш підхід пояснює їх у термінах інших високорівневих концепцій», – говорить Рул. «Це схоже на те, що плазун виглядає трохи як качка, бобер і морська видра».

Візуальне навчання людини сильно залежить від нейронних мереж, залучених до процесу розпізнавання об’єктів, а передня тимпоральна частка мозку, як вважають, має здатність виходити за межі форми щодо концептуальних представлень. Через те, що ці нейронні ієрархії, залучені до візуального розпізнавання, настільки складні, люди можуть навчатися новим завданням і використовувати попереднє навчання.

«Використовуючи ці концепції, ви можете значно легше навчатися новим концепціям, новому значенню, chẳng hạn як той факт, що зебра – це просто кінь іншого типу», – говорить Різенхубер.

ШІ ще не досягла того ж рівня, що й людська візуальна система, яка має вищу здатність узагальнювати з少ої кількості прикладів, справлятися з варіаціями зображень і розуміти сцени. Однак вдосконалення наближають її до цього рівня.

«Наші відкриття не тільки пропонують техніки, які могли б допомогти комп’ютерам навчатися швидше і ефективніше, але також можуть привести до покращення нейробіологічних експериментів, спрямованих на розуміння того, як люди вчаться так швидко, що ще не добре зрозуміло», – говорить Різенхубер.