06.03.2020

Ученые показали, что искусственный интеллект эволюционирует, как и наш мозг

Ученые из Принстонского университета недавно провели исследование, изучающее сходства и различия между искусственными и биологическими нейронными сетями с эволюционной точки зрения. Их статья, опубликованная в Neuron, сравнивает эволюцию биологических нейронных сетей с эволюцией искусственных сетей с использованием теории психологии.

Эволюция – процесс, с помощью которого живые организмы со временем адаптируются к окружающей среде, – широко изучалась на протяжении многих лет. Как впервые предположил Дарвин в середине 1800-х годов, исследовательские данные свидетельствуют о том, что большинство биологических видов, включая людей, постоянно адаптируются к новым условиям окружающей среды, и это в конечном итоге способствует их выживанию.

В последние годы исследователи разрабатывали передовые вычислительные методы, основанные на искусственных нейронных сетях, которые строятся по типу биологических нейронных сетей в мозге человека. Модели, основанные на искусственных нейронных сетях, обучены оптимизировать миллионы синаптических связей по миллионам наблюдений, чтобы делать точные прогнозы или классифицировать данные.

Проект ученых из Принстона основан на загадке, почему искусственные нейронные сети быстро учатся быть такими же хорошими (если не лучше, чем в человеческом мозге) во многих сложных когнитивных задачах. Эта загадка привлекла внимание ученых к сходствам и различиям между искусственными и биологическими нейронными сетями.

В то время как немало исследователей в области психологии и нейробиологии пытались лучше понять структуру и функционирование искусственных нейронных сетей, многие из них обнаружили, что их трудно или невозможно интерпретировать из-за  явной сложности. 

Исследователи утверждают, что как искусственные нейронные сети, так и биологические нейронные сети стремятся направлять действия в реальном мире. Они не создают идеальные или интуитивные модели мира, а скорее используют огромное количество параметров, чтобы отразить любую имеющую отношение к задаче структуру в мире.

В своей статье исследователи по существу предлагают, чтобы модели, основанные на искусственных нейронных сетях, не изучали правила или представления об окружающем их мире, которые легко интерпретировать людям. Напротив, они обычно используют локальные вычисления для анализа различных аспектов данных в многомерном пространстве параметров.

Исследователи утверждают, что сходство между мозгом и искусственными нейронными сетями может подорвать некоторые стандартные методы в экспериментальной нейробиологии. Использование строго контролируемых экспериментальных манипуляций с простыми, интуитивными ответами может вводить в заблуждение. 

Ученые считают, что использование надуманных экспериментальных манипуляций в надежде раскрыть простые правила или представления вряд ли даст те модели, которые могут быть эффективно применены в реальном мире. Напротив, бессмысленная подгонка данных к моделям может дать мозгу необходимую предвзятость, чтобы действовать и предсказывать явления в реальном мире. Такая слепая оптимизация, как и эволюционная теория, может быть гораздо лучше приспособлена для мозга, поскольку она является относительно простым и в то же время мощным способом управления изучением различных явлений реального мира.

Сейчас ученые планируют разработать дополнительные экспериментальные парадигмы для изучения человеческого мозга в более естественном контексте. Также продолжить изучение того, как взаимодействуют человеческий мозг и искусственные нейронные сети и можно ли идентифицировать общие сигналы между ними.

Подробнее

Мнение специалиста

Подпишитесь на еженедельную рассылку наших новостей

Читают также

Случайная статья

Названы национальные блюда, употреблять которые опасно для здоровья
Сегодня гастрономический туризм становится все более популярным. Путешествуя по миру, мы стремимся попробовать самые экзотические блюда национальных кухонь. Однако подобный способ познания мира н ...
[ читать далее ]
Загрузка...
Load next
Facebook Twitter Telegram