V novej štúdii tím vedcov vysvetľuje, ako nový prístup výrazne zlepšuje schopnosť
Umelá inteligencia sa môže oveľa lepšie učiť, ak ju budeme trénovať v spôsobe, akým náš mozog vníma informácie.
Maximilian Riesenhuber, PhD, profesor neurobiológie, Georgetown University Medical Center
Ľudia sa môžu rýchlo a dobre naučiť nové vecivizuálne koncepty založené na obmedzených údajoch – niekedy stačí len jeden príklad. Aj troj- až štvormesačné bábätká sa ľahko naučia rozoznávať zebry a rozlíšiť ich od mačiek, koní a žiráf. Ale počítače zvyčajne potrebujú „vidieť“ veľa príkladov toho istého objektu, aby vedeli, čo to je, vysvetľuje Riesenhuber.
Preto bolo potrebné vyvinúťsoftvér na určenie vzťahov medzi celými vizuálnymi kategóriami, namiesto toho, aby sa pokúšal o štandardnejší prístup k identifikácii objektov s použitím iba nízkoúrovňových a stredných informácií, ako je tvar a farba.
Tím zistil, že umelé neurónové siete, ktoré predstavujú objekty v zmysle skôr naučených konceptov, sa učia nové vizuálne koncepty podstatne rýchlejšie.
Faktom je, že architektúra mozgu spočíva vna základe štúdia ľudských vizuálnych konceptov na základe neurónových sietí zapojených do rozpoznávania objektov. Predpokladá sa, že predný temporálny lalok mozgu obsahuje „abstraktné“ reprezentácie, ktoré presahujú formu. Tieto zložité neurálne hierarchie pre vizuálne rozpoznávanie umožňujú ľuďom učiť sa nové úlohy a čo je najdôležitejšie, využívať skôr získané vedomosti.
Napriek pokrokom v oblasti umelýchinteligencie je ľudský vizuálny systém stále zlatým štandardom, pokiaľ ide o jeho schopnosť zovšeobecňovať z viacerých príkladov: vie si spoľahlivo poradiť s variáciami v obraze a prehľadne analyzuje, čo sa okolo neho deje.
Čítaj viac
Potraty a veda: čo sa stane s deťmi, ktoré budú rodiť
Pozrite sa na najkrajšie obrázky Hubbla. Čo videl teleskop za 30 rokov?
Dostala názov rastlina, ktorá sa nebojí klimatických zmien. Živí miliardu ľudí