Дослідники пропонують новий підхід із використанням “еволюційних алгоритмів”

Наші сучасні комп’ютери зазвичай виконують попередньо запрограмовані дії, що суперечить нашому мозку, який дуже адаптивний. Наша адаптивність сильно залежить від синаптичної пластичності, а синапси є з’єднувальними точками між нейронами. Нейробіологи глибоко зацікавлені синаптичною пластичністю, оскільки вона є ключем до процесів навчання та пам’яті.

Дослідники в галузі нейробіології та штучного інтелекту (ШІ) розробляють моделі механізмів цих основних процесів, щоб краще зрозуміти мозок. Ці моделі допомагають нам здобувати знання про біологічну обробку інформації, і вони є ключем до того, щоб машини могли навчатися швидше.

“Еволюційні алгоритми”

Дослідники Інституту фізіології Бернського університету розробили новий підхід, заснований на “еволюційних алгоритмах”, і ці комп’ютерні програми шукають рішення, імітуючи процес біологічної еволюції.

Дослідницьку команду очолював доктор Міхай Петровічі з Інституту фізіології Бернського університету та Інституту фізики імені Кірхгофа Гайдельберзького університету.

Дослідження було опубліковано в журналі eLife.

Все це означає, що біологічна придатність, тобто ступінь, до якої організм адаптується до свого середовища, може бути моделлю для еволюційних алгоритмів. З цими алгоритмами “придатність” кандидата на рішення залежить від того, наскільки добре воно може вирішити основну проблему.

Три сценарії навчання

Новий підхід називається “еволюціонуванням до навчання” або “стáním адаптивним”. Команда зосередилася на трьох типових сценаріях навчання, перший з яких полягав у тому, що комп’ютер мав виявити повторюваний шаблон у безперервному потоці входних даних без отримання зворотного зв’язку про свою продуктивність.

Другий сценарій полягав у тому, що комп’ютер отримував віртуальні нагороди за виконання бажаної поведінки.

Третій сценарій полягав у “керованому навчанні”, коли комп’ютеру вказували точно, наскільки його поведінка відхилялася від бажаної.

Доктор Якоб Йордан є відповідальним і співавтором дослідження з Інституту фізіології Бернського університету.

“У всіх цих сценаріях еволюційні алгоритми змогли відкрити механізми синаптичної пластичності, і тим самим успішно вирішили нове завдання”, – сказав доктор Йордан.

Алгоритми продемонстрували сильну креативність.

Доктор Максиміліан Шмідт є співавтором дослідження.

“Наприклад, алгоритм знайшов нову модель пластичності, у якій сигнали, які ми визначили, поєднуються для формування нового сигналу. Насправді ми спостерігаємо, що мережі, які використовують цей новий сигнал, вчаться швидше, ніж за раніше відомими правилами”, – сказав доктор Шмідт.

“Ми розглядаємо E2L як перспективний підхід для здобуття глибоких знань про біологічні принципи навчання та прискорення прогресу до потужних штучних машин навчання”, – сказав Петровічі.

“Ми сподіваємося, що це прискорить дослідження синаптичної пластичності в нервовій системі”, – прокоментував доктор Йордан.

Команда каже, що нові відкриття нададуть глибше розуміння того, як працюють здорові та хворі мозки, і вони можуть допомогти у розробці інтелектуальних машин, які можуть адаптуватися до користувачів.