U novoj studiji tim znanstvenika objašnjava kako novi pristup značajno poboljšava sposobnost
Možemo učiniti da umjetna inteligencija puno bolje uči ako je obučimo u načinu na koji naš mozak percipira informacije.
Maximilian Riesenhuber, dr. sc., profesor neurobiologije, Medicinski centar Sveučilišta Georgetown
Ljudi mogu brzo i dobro naučiti nove stvarivizualni koncepti temeljeni na ograničenim podacima—ponekad je dovoljan samo jedan primjer. Čak i bebe stare tri do četiri mjeseca mogu lako naučiti prepoznati zebre i razlikovati ih od mačaka, konja i žirafa. Ali računala obično moraju "vidjeti" mnogo primjera istog objekta da bi znala o čemu se radi, objašnjava Riesenhuber.
Stoga je bilo potrebno razvijati sesoftver za određivanje odnosa između čitavih vizualnih kategorija, umjesto pokušaja standardnijeg pristupa identifikaciji objekata koristeći samo informacije niske razine i srednje informacije kao što su oblik i boja.
Tim je otkrio da umjetne neuronske mreže, koje predstavljaju objekte u smislu prethodno proučenih koncepata, mnogo brže uče nove vizualne koncepte.
Činjenica je da arhitektura mozga u kojoj ležizasnovan na proučavanju ljudskih vizualnih koncepata, zasnovan na neuronskim mrežama uključenim u prepoznavanje objekata. Vjeruje se da prednji sljepoočni mozak mozga sadrži "apstraktne" prikaze koji nadilaze oblik. Te složene neuronske hijerarhije za vizualno prepoznavanje omogućuju ljudima da nauče nove zadatke i, što je najvažnije, koriste prethodno stečeno znanje.
Unatoč napretku na području umjetnihinteligencije, ljudski vizualni sustav još uvijek je zlatni standard u smislu njegove sposobnosti generaliziranja iz više primjera: može se pouzdano nositi s varijacijama slike i jasno analizira što se oko nje događa.
Čitaj više
Pobačaj i znanost: što će se dogoditi s djecom koja će roditi
Pogledajte najljepše slike Hubblea. Što je teleskop vidio u 30 godina?
Nazvana biljkom koja se ne boji klimatskih promjena. Hrani milijardu ljudi