ملخص: يمكن للشبكات العصبية الاصطناعية القائمة على ديناميكيات الدماغ البشري أن تتفوق على نماذج التعلم العميق الحالية من حيث قدرات التعلم.
مصدر: جامعة بار إيلان
تقليديا ، ينبع الذكاء الاصطناعي من ديناميكيات الدماغ البشري. ومع ذلك ، فإن تعلم الدماغ محدود في عدد من الجوانب المهمة مقارنة بالتعلم العميق (DL).
أولاً ، تتكون هياكل (أبنية) أسلاك DL الفعالة من عدة عشرات من طبقات الترقب (متتالية) ، بينما تتكون ديناميكيات الدماغ من طبقات قليلة فقط من التوقع. ثانيًا ، تتكون معماريات DL عادةً من عدة طبقات مرشح متتالية ، والتي تعد ضرورية لتحديد أي من فئات الإدخال.
إذا كان الإدخال عبارة عن سيارة ، على سبيل المثال ، فإن الفلتر الأول يحدد العجلات ، والثاني يحدد الأبواب ، ويضيء الثالث وبعد العديد من المرشحات يصبح من الواضح أن كائن الإدخال هو بالفعل سيارة.
على العكس من ذلك ، تحتوي ديناميات الدماغ على مرشح واحد فقط يقع بالقرب من شبكية العين. المكون الأخير المطلوب هو الإجراء الرياضي المعقد لتدريب DL ، والذي من الواضح أنه أبعد من الإدراك البيولوجي.
هل يستطيع الدماغ ، بأدائه المحدود للعمليات الحسابية الدقيقة ، أن ينافس أنظمة الذكاء الاصطناعي المتقدمة المطبقة على أجهزة كمبيوتر سريعة ومتوازية؟ من تجربتنا اليومية ، نعلم أنه بالنسبة للعديد من المهام ، الإجابة هي نعم! لماذا هذا صحيح ، وبالنظر إلى هذه الإجابة الإيجابية ، هل يمكن بناء نوع جديد من الذكاء الاصطناعي الفعال المستوحى من الدماغ؟
في مقال نُشر اليوم في التقارير العلميةباحثون من جامعة بار إيلان في إسرائيل يحلون هذا اللغز.
“لقد أظهرنا أن التعلم الفعال على شجرة يمكن للمعمارية ، حيث يكون لكل وزن مسار واحد إلى وحدة الإخراج ، تحقيق معدلات نجاح تصنيف أفضل من تلك التي حققتها سابقًا معماريات DL التي تتكون من طبقات ومرشحات متعددة. قال البروفيسور إيدو كانتر ، من قسم الفيزياء في بار إيلان ومركز أبحاث الدماغ متعدد التخصصات في جوندا (غولدشميد) ، الذي أجرى البحث ، إن هذا الاكتشاف يمهد الطريق لأجهزة وخوارزميات ذكاء اصطناعي جديدة فعالة ومستوحاة بيولوجيًا.
“تمثل معماريات الأشجار شديدة التقليم خطوة نحو الإدراك البيولوجي المعقول للتعلم الفعال للأشجار المتغصنة بواسطة خلية عصبية واحدة أو أكثر ، مع تقليل التعقيد واستهلاك الطاقة ، والإدراك البيولوجي لآلية التكاثر العكسي ، والتي تعد حاليًا التقنية المركزية لـ منظمة العفو الدولية “، أضاف يوفال مئير ، طالب دكتوراه ومساهم في هذا العمل.
أنظر أيضا
يعتمد التعلم الفعال للأشجار المتغصنة على بحث سابق أجراه كانتر وفريقه البحثي التجريبي – بقيادة الدكتور روني فاردي – مما يشير إلى أدلة على التكيف تحت التفرع باستخدام الثقافات العصبية ، بالإضافة إلى الخصائص الأخرى متباينة الخواص للخلايا العصبية ، مثل أشكال الذروة الموجية المختلفة ، فترات المقاومة ، ومعدلات الانتقال القصوى.
يتطلب التنفيذ الفعال للتدريب على الأشجار شديدة التقليم نوعًا جديدًا من الأجهزة يختلف عن وحدات معالجة الرسومات الناشئة الأكثر ملاءمة لاستراتيجية DL الحالية. هناك حاجة إلى ظهور مادة جديدة لتقليد ديناميكيات الدماغ بشكل فعال.
حول هذا البحث عن أخبار الذكاء الاصطناعي
الكاتب: إيلانا أوبرلاندر
مصدر: جامعة بار إيلان
اتصال: إيلانا أوبرلاندر – جامعة بار إيلان
صورة: الصورة في المجال العام
البحث الأصلي: ستظهر النتائج في التقارير العلمية