Nový typ umělé inteligence napodobující mozek překonává i nejlepší algoritmy

The Brain Inspires a New Type of Artificial Intelligence

Ačkoli algoritmy hlubokého učení v některých úlohách z různých oblastí překonávají schopnosti lidí, struktura hlubokých neuronových sítí se mozku příliš nepodobá, z čehož vyplývají jistá omezení. Skupina výzkumníků z Bar-Illanovy univerzity v Izraeli provedla pokročilé experimenty a rozsáhlé simulace nových superrychlých algoritmů umělé inteligence, které používají při práci s daty tak jako biologický mozek „pomalý“ přístup.

V článku zveřejněném v časopise Scientific Reports se vědci snaží vytvořit most mezi neurovědou a pokročilými algoritmy umělé inteligence. Počet neuronů v mozku je nižší než počet bitů, s nimiž pracují moderní počítače, a výpočetní rychlost mozku je dokonce pomalejší, než rychlost prvního počítače, vynalezeného před 70 lety. Navíc pravidla učení mozku jsou velmi složité a odlišné od principů učení současných algoritmů umělé inteligence.

Biologický mozek pracuje s asynchronními vstupy a frekvence není synchronizovaná pro všechny neurony. Například při jízdě autem člověk jedním pohledem vidí obraz s více objekty, jako jsou stromy, auta, přechod pro chodce, dopravní značky, a snadno dokáže odvodit jejich časové uspořádání a relativní pozice. Naproti tomu tradiční algoritmy umělé inteligence jsou založeny na synchronních vstupech, proto se relativní načasování různých vstupů tvořících stejný obraz obvykle ignoruje.

Vědci v novém systému napodobily komplikovanější způsob asynchronního učení. Nově vyvinutá neuronová síť vysokou rychlostí učení překonává i nejlepší současné algoritmy. Přitom síť se učí sama prostřednictvím vlastní adaptace podle asynchronních vstupů, nedostává zadání, co se má učit (learning-without-learning).

Nový objev by mohl vést k vývoji nových pokročilých umělých inteligencí, které budou velmi rychlé a efektivní. „Poznání základních principů fungování našeho mozku musí být základem budoucí umělé inteligence,“ říkají výzkumníci.

Zdroj: EurekAlert