Pēdējās desmitgadēs mākslīgais intelekts ir labi darbojies daudzās zinātnes un tehnoloģiju jomās.
Neironu tīkli, neatkarīgi no tā, vai tie ir vaimākslīgi, mācieties, pielāgojot savienojumus starp neironiem. Padarot tos stiprākus vai vājākus, daži neironi kļūst aktīvāki, daži mazāk aktīvi, līdz parādās noteikts darbības modelis. Mēs šo modeli saucam par "atmiņu". AI stratēģija ir izmantot sarežģītus un garus algoritmus, kas iteratīvi precizē un optimizē savienojumus starp neironiem. Smadzenes to padara daudz vienkāršāku: katrs savienojums starp neironiem mainās tikai atkarībā no tā, cik aktīvi abi neironi ir vienlaikus. Jau sen tika uzskatīts, ka tas ļauj ietaupīt mazāk atmiņas, salīdzinot ar AI algoritmu.
Jauns pētījums parāda atšķirīgu ainu:Ja salīdzinoši vienkārša stratēģija, ko smadzenes izmanto, lai mainītu neironu savienojumus, tiek apvienota ar bioloģiski ticamiem atsevišķu neironu reakciju modeļiem, stratēģija darbojas tikpat labi vai labāk nekā AI algoritmi.
Šī paradoksa iemesls ir ievadskļūdas: kad atmiņa tiek efektīvi izgūta, tā var būt identiska vai korelēta ar sākotnējo ievadi, kas jāatceras. Smadzeņu stratēģijas rezultātā tiek izgūtas atmiņas, kas nav identiskas sākotnējiem ievadiem, nomācot to neironu aktivitāti, kas katrā modelī ir tikko aktīvi. Šiem apklusinātajiem neironiem patiesībā nav izšķirošas nozīmes, lai atšķirtu dažādas atmiņas, kas glabājas vienā tīklā. Ignorējot tos, neironu resursi tiek koncentrēti uz tiem neironiem, kas ir saistīti ar ievadi, kas jāatceras un nodrošina lielāku caurlaidspēju.
Kopumā šis pētījums izceļ, kābioloģiski ticamas pašorganizējošas mācību procedūras var būt tikpat efektīvas kā lēnu un neticamu mācību algoritmi.
Skatiet arī:
Aborts un zinātne: kas notiks ar bērniem, kas dzemdēs
Zeme kritisko temperatūru sasniegs pēc 20 gadiem
Kosmosā viņi atrada gravitācijas viļņus, kas maina telpu un laiku. Ko tas nozīmē?