Мозг вдохновляет новый тип искусственного интеллекта

Используя передовые эксперименты на нейронных культурах и крупномасштабные симуляции, ученые продемонстрировали новый тип сверхбыстрых алгоритмов искусственного интеллекта, основанных на очень медленной динамике мозга, которые опережают темпы обучения, достигнутые на сегодняшний день с помощью современных алгоритмов обучения. В статье в Scientific Reports исследователи восстанавливают мост между нейробиологией и продвинутыми алгоритмами искусственного интеллекта, который оставался практически бесполезным в течение почти 70 лет.

Используя передовые эксперименты на нейронных культурах и крупномасштабные симуляции, ученые продемонстрировали новый тип сверхбыстрых алгоритмов искусственного интеллекта, основанных на очень медленной динамике мозга, которые опережают темпы обучения, достигнутые на сегодняшний день с помощью современных алгоритмов обучения.,

Машинное обучение, введенное 70 лет назад, основано на свидетельствах динамики обучения в нашем мозгу. Используя скорость современных компьютеров и большие наборы данных, алгоритмы глубокого обучения в последнее время дали результаты, сопоставимые с результатами человеческих экспертов в различных применимых областях, но с различными характеристиками, которые далеки от современных знаний в области нейробиологии.

Используя продвинутые эксперименты с нейронными культурами и крупномасштабные симуляции, группа ученых из Университета Бар-Илан в Израиле продемонстрировала новый тип сверхбыстрых алгоритмов искусственного интеллекта, основанных на очень медленной динамике мозга, которые превосходят темпы обучения, достигнутые до настоящего времени. современными алгоритмами обучения.

В статье, опубликованной сегодня в журнале Scientific Reports, исследователи восстанавливают мост между нейробиологией и передовыми алгоритмами искусственного интеллекта, который оставался практически бесполезным в течение почти 70 лет.

«В настоящее время научно-техническая точка зрения заключается в том, что нейробиология и машинное обучение являются двумя различными дисциплинами, которые развиваются независимо», — сказал ведущий автор исследования, профессор Идо Кантер, из кафедры физики Университета Бар-Илан и мультидисциплинарного исследовательского центра мозга им. Гонды (Голдшмид)., «Отсутствие ожидаемого взаимного влияния вызывает недоумение».

«Число нейронов в мозге меньше, чем число бит в типичном размере диска современных персональных компьютеров, а скорость вычислений мозга подобна секундной стрелке на часах, даже медленнее, чем первый компьютер, изобретенный более 70 лет. лет назад", продолжил он. «Кроме того, правила обучения мозга очень сложны и далеки от принципов обучения в современных алгоритмах искусственного интеллекта», — добавил профессор Кантер, в исследовательскую группу которого входят Херут Узан, Шира Сарди, Амир Голденталь и Рони Варди.

Динамика мозга не соответствует четко определенным часам, синхронизированным для всех нервных клеток, поскольку биологическая схема должна справляться с асинхронными входами по мере развития физической реальности. «При взгляде вперед можно сразу увидеть кадр с несколькими объектами. Например, во время вождения человек наблюдает за автомобилями, пешеходными переходами и дорожными знаками и может легко определить их временное расположение и относительное положение», — сказал профессор Кантер.

«Биологическое оборудование (правила обучения) предназначено для работы с асинхронными входами и уточнения их относительной информации». Напротив, традиционные алгоритмы искусственного интеллекта основаны на синхронных входах, поэтому относительная синхронизация различных входов, составляющих один и тот же кадр, обычно игнорируется.

Новое исследование демонстрирует, что сверхбыстрая скорость обучения на удивление одинакова для малых и больших сетей. Следовательно, говорят исследователи, «недостаток сложной схемы обучения мозга на самом деле является преимуществом». Другим важным открытием является то, что обучение может происходить без этапов обучения посредством самоадаптации в соответствии с асинхронными входами. Этот тип обучения без обучения происходит в дендритах, в нескольких терминалах каждого нейрона, как это недавно наблюдалось экспериментально. Кроме того, динамика сети при дендритном обучении определяется слабыми весами, которые ранее считались незначительными.

Идея эффективных алгоритмов глубокого обучения, основанных на очень медленной динамике мозга, дает возможность реализовать новый класс усовершенствованного искусственного интеллекта на основе быстрых компьютеров. Он призывает к возобновлению перехода от нейробиологии к искусственному интеллекту, и, как приходит к выводу исследовательской группы, «понимание фундаментальных принципов нашего мозга должно снова оказаться в центре будущего искусственного интеллекта».