Výzkumníci z MRC Brain Network Dynamics Unit a Katedry počítačových věd na Oxfordské univerzitě objevili průlomové zjištění, které pomáhá porozumět, jak mozek upravuje spojení mezi neurony během učícího procesu. Jejich zjištění by mohlo otevřít cestu k efektivnějším a účinnějším učícím algoritmům v umělé inteligenci.
Tradiční metoda učení v umělé inteligenci zahrnuje upravování parametrů modelu za účelem minimalizace chyby ve výstupu, proces známý jako zpětná propagace. Výzkumníci však zjistili, že mozek využívá zcela odlišný učící princip.
Pomocí studia matematických modelů a počítačových simulací výzkumníci identifikovali nový učící princip nazvaný „prospektivní konfigurace“. Na rozdíl od umělých neuronových sítí, které externě upravují synaptická spojení za účelem snížení chyby, lidský mozek nejprve přebalancuje aktivitu neuronů do optimálního vyváženého stavu před upravením synaptických spojení. Tento přístup snižuje rušení a zachovává existující znalosti, což vede k rychlejšímu a efektivnějšímu učení.
Pro ilustraci tohoto konceptu výzkumníci použili příklad medvěda, který loví lososy. V umělé neuronové síti by medvěd v případě, že nedokáže slyšet řeku (kvůli poškozenému uchu), ztratil i schopnost čichat lososy a dospěl by k mylnému závěru, že ve řece nejsou žádné ryby. Nicméně v mozkové tkáni ztráta zvuku neovlivňuje existující znalost o vůni lososů a medvěd tak může úspěšně pokračovat v lovu.
Výzkumníci vyvinuli matematickou teorii, která podporuje princip prospektivní konfigurace, a prokázali její nadřazenost při vysvětlování neuronové aktivity a chování v různých učících experimentech ve srovnání s umělými neuronovými sítěmi.
Zatímco stále existuje mezera mezi abstraktními modely a naším porozuměním anatomii mozku, výzkumníci plánují tuto mezeru překlenout prostřednictvím dalšího výzkumu. Chtějí prozkoumat, jak je algoritmus prospektivní konfigurace implementován v anatomicky identifikovaných kůrových sítích.
Avšak implementace prospektivní konfigurace na stávajících počítačích je pomalá a energeticky náročná. Výzkumníci navrhují potřebu nových druhů počítačů nebo hardwaru inspirovaného mozkem, který by rychle a efektivně simuloval tento učící princip.
Tento průlomový výzkum otevírá nové možnosti pro zlepšení učících algoritmů jak v umělé inteligenci, tak pro porozumění tomu, jak lidský mozek učí a uchovává informace.
The source of the article is from the blog guambia.com.uy