Các nhà khoa học thần kinh thiết kế mô hình phản ánh việc học thị giác của con người

Bằng cách lập trình trí tuệ nhân tạo (AI) dựa trên máy tính để sử dụng một kỹ thuật nhanh hơn để học các đối tượng mới, AI bắt đầu hoạt động giống như trí thông minh của con người. Điều này đến khi hai nhà khoa học thần kinh thiết kế một mô hình để phản ánh việc học thị giác của con người.

Nghiên cứu của Maximillian Riesenhuber, PhD, giáo sư khoa học thần kinh tại Trung tâm Y học Georgetown, và Joshua Rule, PhD, nghiên cứu sinh sau tiến sĩ tại UC Berkeley, được công bố trên tạp chí Frontiers in Computational Neuroscience. 

AI Học Các Khái Niệm Thị Giác Mới

Các nhà khoa học thần kinh đã chứng minh cách tiếp cận mới cải thiện khả năng của phần mềm AI để nhanh chóng học các khái niệm thị giác mới.

“Mô hình của chúng tôi cung cấp một cách hợp lý về mặt sinh học để các mạng nơ-ron nhân tạo học các khái niệm thị giác mới từ một số lượng nhỏ các ví dụ,” Riesenhuber nói. “Chúng tôi có thể giúp máy tính học tốt hơn từ ít ví dụ bằng cách tận dụng việc học trước đó theo cách mà chúng tôi nghĩ phản ánh những gì não bộ đang làm.”

Con người có khả năng học các khái niệm thị giác mới từ dữ liệu thưa thớt rất nhanh và chính xác. Chúng ta có khả năng này từ khi còn rất nhỏ, chỉ ba tháng tuổi. Tuy nhiên, máy tính cần nhiều ví dụ về cùng một đối tượng để cuối cùng biết nó là gì.

“Sức mạnh tính toán của hệ thống phân cấp của não nằm ở khả năng đơn giản hóa việc học bằng cách tận dụng các biểu diễn đã học trước đó từ một cơ sở dữ liệu, giống như một cơ sở dữ liệu đầy đủ các khái niệm về các đối tượng,” Riesenhuber nói.

Mạng Nơ-ron Nhân Tạo So Với Hệ Thống Thị Giác Của Con Người

Riesenhuber và Rule đã tìm thấy rằng các mạng nơ-ron nhân tạo có thể học các khái niệm thị giác mới nhanh hơn, gần đạt mức của khả năng con người.

“Thay vì học các khái niệm cấp cao trong điều khoản của các tính năng thị giác cấp thấp, cách tiếp cận của chúng tôi giải thích chúng theo các khái niệm cấp cao khác,” Rule nói. “Giống như nói rằng một con thú có cánh nhìn giống một con vịt, một con hải ly và một con hải cẩu.”

Việc học khái niệm thị giác của con người phụ thuộc nặng vào các mạng nơ-ron tham gia vào quá trình nhận dạng đối tượng, và thùy thái dương trước của não được cho là có khả năng vượt qua hình dạng về các biểu diễn khái niệm. Bởi vì các hệ thống phân cấp nơ-ron tham gia vào việc nhận dạng thị giác rất phức tạp, con người có thể học các nhiệm vụ mới và tận dụng việc học trước đó.

“Bằng cách tái sử dụng các khái niệm này, bạn có thể học các khái niệm mới, ý nghĩa mới, chẳng hạn như thực tế rằng một con ngựa vằn chỉ là một con ngựa có sọc khác,” Riesenhuber nói.

Trí tuệ nhân tạo vẫn chưa đạt được mức của hệ thống thị giác con người, có khả năng khái quát hóa từ ít ví dụ, xử lý các biến thể hình ảnh và hiểu các cảnh. Tuy nhiên, những tiến bộ đang đưa nó đến gần hơn.

“Các phát hiện của chúng tôi không chỉ đề xuất các kỹ thuật có thể giúp máy tính học nhanh hơn và hiệu quả hơn, mà còn có thể dẫn đến các thí nghiệm khoa học thần kinh cải tiến nhằm hiểu rõ hơn về cách con người học nhanh như thế nào, điều mà vẫn chưa được hiểu rõ,” Riesenhuber nói.