V nové studii tým vědců vysvětluje, jak nový přístup výrazně zlepšuje schopnost
Umělá inteligence se může učit mnohem lépe, pokud ji budeme trénovat ve způsobu, jakým náš mozek vnímá informace.
Maximilian Riesenhuber, PhD, profesor neurobiologie, Georgetown University Medical Center
Lidé se mohou rychle a dobře učit novým věcemvizuální koncepty založené na omezených datech – někdy stačí jen jeden příklad. I tří až čtyřměsíční miminka se snadno naučí poznávat zebry a odlišit je od koček, koní a žiraf. Ale počítače obvykle potřebují „vidět“ mnoho příkladů stejného objektu, aby věděly, co to je, vysvětluje Riesenhuber.
Proto bylo nutné vyvinoutsoftware pro určování vztahů mezi celými vizuálními kategoriemi, spíše než se pokoušet o standardnější přístup k identifikaci objektů pomocí pouze nízkoúrovňových a středních informací, jako je tvar a barva.
Tým zjistil, že umělé neuronové sítě, které představují objekty ve smyslu dříve naučených konceptů, se nové vizuální koncepty učí mnohem rychleji.
Faktem je, že architektura mozku spočívá vna základě studia lidských vizuálních konceptů na základě neuronových sítí zapojených do rozpoznávání objektů. Předpokládá se, že přední temporální lalok mozku obsahuje „abstraktní“ reprezentace, které jdou nad rámec formy. Tyto složité neurální hierarchie pro vizuální rozpoznávání umožňují lidem učit se nové úkoly a hlavně používat dříve získané znalosti.
Přes pokroky v oblasti umělýchinteligence je lidský vizuální systém stále zlatým standardem, pokud jde o schopnost zobecňovat z více příkladů: dokáže si spolehlivě poradit s variacemi obrazu a jasně analyzovat, co se kolem něj děje.
Přečtěte si více
Potrat a věda: co se stane s dětmi, které porodí
Podívejte se na nejkrásnější obrázky Hubbla. Co viděl dalekohled za 30 let?
Pojmenována jako rostlina, která se nebojí změny klimatu. Živí miliardu lidí