في العقود الأخيرة، كان أداء الذكاء الاصطناعي جيدًا في العديد من مجالات العلوم والتكنولوجيا.
الشبكات العصبية سواء كانت حقيقية أواصطناعية، تتعلم عن طريق ضبط الاتصالات بين الخلايا العصبية. ومن خلال جعلها أقوى أو أضعف، تصبح بعض الخلايا العصبية أكثر نشاطًا، والبعض الآخر أقل نشاطًا، حتى يحدث نمط معين من النشاط. نحن نسمي هذا النمط "الذاكرة". تتمثل استراتيجية الذكاء الاصطناعي في استخدام خوارزميات معقدة وطويلة تعمل بشكل متكرر على ضبط وتحسين الاتصالات بين الخلايا العصبية. يجعل الدماغ هذا الأمر أكثر بساطة: كل اتصال بين الخلايا العصبية يتغير فقط اعتمادًا على مدى نشاط الخليتين العصبيتين في نفس الوقت. لقد كان يعتقد منذ فترة طويلة أن هذا يسمح بتخزين ذاكرة أقل مقارنة بخوارزمية الذكاء الاصطناعي.
يظهر بحث جديد صورة مختلفة:عندما يتم دمج استراتيجية بسيطة نسبيًا يستخدمها الدماغ لتغيير الاتصالات العصبية مع أنماط معقولة بيولوجيًا لاستجابات الخلايا العصبية الفردية، فإن أداء الإستراتيجية يماثل أو يتفوق على خوارزميات الذكاء الاصطناعي.
سبب هذه المفارقة هو المقدمةالأخطاء: عندما يتم استرداد الذاكرة بشكل فعال، فقد تكون مطابقة للمدخل الأصلي المراد تذكره أو مرتبطة به. تؤدي استراتيجية الدماغ إلى استرجاع الذكريات التي لا تتطابق مع المدخلات الأصلية، مما يؤدي إلى قمع نشاط تلك الخلايا العصبية التي بالكاد تنشط في كل نمط. لا تلعب هذه الخلايا العصبية الصامتة دورًا حاسمًا في التمييز بين الذكريات المختلفة المخزنة في نفس الشبكة. ومن خلال تجاهلها، تركز الموارد العصبية على تلك الخلايا العصبية ذات الصلة بالمدخلات التي يجب تذكرها وتوفير إنتاجية أعلى.
بشكل عام ، توضح هذه الدراسة كيفيمكن أن تكون إجراءات التعلم ذاتية التنظيم المعقولة بيولوجيًا فعالة مثل خوارزميات التعلم البطيئة وغير المعقولة.
انظر أيضا:
الإجهاض والعلم: ماذا سيحدث للأطفال الذين سينجبون
ستصل الأرض إلى درجة حرارة حرجة في غضون 20 عامًا
في الفضاء ، وجدوا موجات الجاذبية التي تغير المكان والزمان. ماذا يعنى ذلك؟