Штучний Інтелект
Дослідники пропонують новий підхід із «еволюційними алгоритмами»
Хоча наші поточні комп’ютери зазвичай виконують заздалегідь запрограмовані дії, це відрізняється від нашого мозку, який дуже адаптивний. Наша адаптивність значною мірою залежить від синаптичної пластичності, а синапси є точками з’єднання між нейронами. Нейробологи глибоко заінтриговані синаптичною пластичністю, оскільки вона є ключовою для процесів навчання та пам’яті.
Дослідники в галузі нейронауки та штучного інтелекту (ШІ) розробляють моделі механізмів цих основних процесів, щоб краще зрозуміти мозок. Ці моделі допомагають нам отримати уявлення про обробку біологічної інформації, і вони є ключовими для того, щоб допомогти машинам навчатися швидше.
«Еволюційні алгоритми»
Дослідники з Інституту фізіології Бернського університету розробили новий підхід, заснований на «еволюційних алгоритмах», і ці комп’ютерні програми шукають рішення, імітуючи процес біологічної еволюції.
Дослідницьку групу очолив доктор Міхай Петровичі з Інституту фізіології Бернського університету та Інституту фізики Кірхгофа Гейдельберзького університету.
Дослідження було опубліковано в журналі eLife.
Усе це означає, що біологічна придатність, яка є ступенем адаптації організму до навколишнього середовища, може бути моделлю для еволюційних алгоритмів. За допомогою цих алгоритмів «придатність» рішення-кандидата залежить від того, наскільки добре воно може вирішити основну проблему.
Три сценарії навчання
Новий підхід називається «еволюціонуючи до навчання» або «стаючи адаптивним». Команда зосередилася на трьох типових сценаріях навчання, перший з яких передбачав, що комп’ютер мав виявити повторюваний шаблон у безперервному потоці введення без отримання зворотного зв’язку щодо його продуктивності.
Другий сценарій передбачав отримання комп’ютером віртуальної винагороди за виконання бажаної поведінки.
Третій сценарій передбачав «кероване навчання», коли комп’ютеру точно повідомляли, наскільки його поведінка відхилялася від бажаної.
Доктор Якоб Джордан є кореспондентом і співавтором з Інституту фізіології Бернського університету.
«У всіх цих сценаріях еволюційні алгоритми змогли виявити механізми синаптичної пластичності і таким чином успішно вирішити нове завдання», — сказав доктор Джордан.
Алгоритми продемонстрували сильну креативність.
Доктор Максиміліан Шмідт є співавтором дослідження.
«Наприклад, алгоритм знайшов нову модель пластичності, в якій сигнали, які ми визначили, об’єднуються для формування нового сигналу. Насправді ми спостерігаємо, що мережі, які використовують цей новий сигнал, навчаються швидше, ніж за раніше відомими правилами», — сказав доктор Шмідт.
«Ми розглядаємо E2L як багатообіцяючий підхід до глибокого розуміння принципів біологічного навчання та прискорення прогресу до потужних машин зі штучним навчанням», — сказав Петровочі.
«Ми сподіваємося, що це прискорить дослідження синаптичної пластичності нервової системи», — прокоментував доктор Джордан.
Команда каже, що нові відкриття дадуть глибше розуміння того, як працює здоровий і хворий мозок, і вони можуть допомогти в розробці інтелектуальних машин, які можуть адаптуватися до користувачів.
