בעשורים האחרונים, הבינה המלאכותית השיגה ביצועים טובים בתחומים רבים של מדע וטכנולוגיה.
רשתות עצביות, בין אם אמיתיות ובין אםמלאכותי, למד על ידי התאמת קשרים בין נוירונים. על ידי הפיכתם לחזקים או חלשים יותר, חלק מהנוירונים הופכים פעילים יותר, חלקם פחות פעילים, עד שמתרחש דפוס פעילות ספציפי. אנו קוראים לדפוס הזה "זיכרון". אסטרטגיית הבינה המלאכותית היא להשתמש באלגוריתמים מורכבים וארוכים המכוונים באופן איטרטיבי את הקשרים בין נוירונים ומייעלים אותם. המוח הופך את זה להרבה יותר פשוט: כל קשר בין נוירונים משתנה רק בהתאם למידת הפעילות של שני הנוירונים בו זמנית. זה זמן רב חשבו שזה מאפשר פחות אחסון זיכרון בהשוואה לאלגוריתם AI.
מחקר חדש מראה תמונה שונה:כאשר אסטרטגיה פשוטה יחסית המשמשת את המוח לשינוי קשרים עצביים משולבת עם דפוסים סבירים ביולוגית של תגובות נוירונים בודדים, אז האסטרטגיה מתפקדת טוב או טוב יותר מאלגוריתמי AI.
הסיבה לפרדוקס זה היא ההקדמהשגיאות: כאשר זיכרון מאוחזר ביעילות, הוא עשוי להיות זהה או מתאם לקלט המקורי שיש לזכור. האסטרטגיה של המוח מביאה לשחזור זיכרונות שאינם זהים לתשומות המקוריות, מדכאת את הפעילות של אותם נוירונים שבקושי פעילים בכל דפוס. הנוירונים המושתקים האלה לא באמת ממלאים תפקיד מכריע בהבחנה בין זיכרונות שונים המאוחסנים באותה רשת. על ידי התעלמות מהם, משאבים עצביים מתמקדים באותם נוירונים שרלוונטיים לקלט שצריך לזכור ולספק תפוקה גבוהה יותר.
בסך הכל, מחקר זה מדגיש כיצדהליכי למידה ארגוניים עצמיים הסבירים ביולוגית יכולים להיות יעילים כמו אלגוריתמי למידה איטיים ובלתי סבירים.
ראה גם:
הפלה ומדע: מה יקרה לילדים שילדו
כדור הארץ יגיע לטמפרטורה קריטית בעוד 20 שנה
בחלל הם מצאו גלי כבידה שמשנים את המרחב והזמן. מה זה אומר?