Благодаря так называемому «глубокому обучению», подмножеству алгоритмов искусственного интеллекта (ИИ), вдохновленных мозгом, машины могут соответствовать характеристикам человека в восприятии и распознавании языка и даже превосходить людей в определенных задачах. Но учатся ли эти синтетические, основанные на биологии системы так же, как и мы?
Согласно новой статье первого автора доктора Диого Сантос-Пата из лаборатории синтетических перцептивных, эмоциональных и когнитивных систем (SPECS) в IBEC под руководством профессора ICREA Пола Вершуре в сотрудничестве с профессором Иваном Солтесом из Стэнфордского университета, механизм автономное обучение, лежащее в основе этих систем ИИ, более точно отражает природу, чем считалось ранее. С помощью своей гипотезы и модели эти ученые предлагают новое понимание того, как мы учимся и сохраняем воспоминания.
Работа, опубликованная в престижном научном журнале Trends in Cognitive Sciences , актуальна для улучшения дефицита памяти у людей и для создания новых и продвинутых форм систем искусственной памяти.
Обучение без учителя:
«Мозг считается автономной обучающей системой». Другими словами, он может обнаруживать закономерности и получать новые знания без внешнего руководства. До недавнего времени это не относилось к ИИ — любые данные, передаваемые в системы машинного обучения, сначала нужно было пометить.
Эта так называемая проблема символьного заземления препятствовала развитию ИИ в последние десятилетия. Пол Вершур и его коллеги систематически обращались к способности когнитивных систем автономно приобретать знания, или к так называемой эпистемической автономии.
«Мы разгадали две загадки, которые казались не связанными друг с другом, но взаимосвязаны: эта эпистемическая автономия мозга основана на его способности устанавливать самопроизвольные цели обучения и что тормозящие сигналы распространяются через мозг для улучшения обучения», — говорит Пол Вершуре, профессор исследований ICREA и руководитель группы в МБЭС.
Некоторые предполагали, что такого механизма не существует в биологических нейронных сетях . Однако, основываясь на сочетании соображений из текущей практики ИИ, вычислительной нейробиологии и анализа физиологии гиппокампа, в этой новой статье авторы показывают, что самоконтроль и обратное распространение ошибок сосуществуют в мозге, а также задействована очень специфическая область мозга: гиппокамп.
Схема и анатомия обучения:
Долгое время считалось, что гиппокамп, структура мозга позвоночных, играет решающую роль в памяти и обучении. Но ключевые вопросы остались без ответа: как они узнают, что и когда учить? И какой механизм этим движет? «Сигналы из внешней среды проходят через несколько структур мозга, прежде чем попадают в гиппокамп — конечную станцию сенсорной обработки», — объясняет доктор Диого Сантос-Пата, первый автор статьи и научный сотрудник лаборатории SPECS. Возможность сравнивать новые сигналы с памятью, которую они запускают, позволяет гиппокампу узнавать об изменениях в нашей окружающей среде; предсказание Пола Вершура, сделанное в 1993 году на основе моделей нейронных сетей.
В частности, благодаря тесному взаимодействию с нейрофизиологом Иваном Солтесом и его командой из Стэнфордского университета, исследователи показывают, что гиппокамп содержит сеть нейронов, которые управляют нейронными сигналами и информацией аналогично действиям искусственных нейронных сетей, лежащих в основе текущая революция в области ИИ.
«Нашим основным открытием было рассмотрение не только схемы и анатомии комплекса гиппокампа, но и типов нейронов, которые управляют обучением и позволяют гиппокампу быть полностью автономными в принятии решений, что и когда учиться», — отмечает Сантос-Пата. .
«Это особенно интересно, потому что машинное обучение с самоконтролем, основанное на обратном распространении ошибок, в настоящее время привлекает много внимания и внимания в мире искусственного интеллекта, и это первое исследование, дающее всестороннее биологическое объяснение этого механизма», — добавил Сантос. Пата.