دانشمندان به هوش مصنوعی ۶۰ ساله جان تازه‌ای بخشیدند

به گزارش ایسنا، این مرکز علوم اعصاب محاسباتی از بهبود طراحی آزمایش‌های علمی با توسعه مدل‌ها و در نتیجه چارچوب‌های جدید برای درک مغز انسان پشتیبانی می‌کند و اکنون تا اعماق بی‌سابقه‌ای به مغز نفوذ می‌کند و تصویری از عملکرد درونی یک نورون واحد ارائه می‌دهد.

به گفته هوش مصنوعی، تحقیقات آنها کاربرد مستقیمی در مهندسی سیستم‌های محاسباتی جدید مانند یادگیری ماشینی دارد که بر روی مغز انسان، به‌ویژه شبکه‌های عصبی مدل‌سازی می‌شوند.

هدف شبکه های عصبی مصنوعی تقلید روشی است که مغز انسان اطلاعات را پردازش می کند و تصمیم می گیرد، البته به روشی بسیار ساده تر.

مرکز علوم اعصاب محاسباتی مدل عصبی فعلی را که برای اولین بار در دهه 1960 توسعه یافت، تجزیه و تحلیل کرد و آنها دریافتند که این نورون به طور کامل نشان دهنده نحوه رفتار نورون نیست.

دیمیتری چکلوفسکی، نویسنده ارشد مقاله جدید، در یک بیانیه مطبوعاتی گفت: “علوم اعصاب در 60 سال گذشته راه طولانی را پیموده است، و اکنون می دانیم که مدل های قبلی نورون ها نسبتا ابتدایی بودند.”

در مقاله جدید، نویسندگان این مطالعه می گویند که مدل قبلی به طور کامل توانایی های محاسباتی نورون های واقعی را نشان نمی دهد و ممکن است مانع توسعه هوش مصنوعی شود.

دانشمندان علوم اعصاب قبلاً کشف کرده بودند که یک حلقه بازخورد در مدارهای مقیاس بزرگ برای حفظ تعادل در مغز بدون تحریک بیش از حد آن وجود دارد. به عنوان مثال، سلول‌های بعدی در زنجیره پردازش بر آنچه زودتر در مغز اتفاق می‌افتد تأثیر می‌گذارند.

با این حال، همانطور که چکلوفسکی توضیح داد، کاملاً مشخص نبود که این نوع کنترل بازخورد می تواند توسط یک سلول مغزی منفرد اجرا شود.

مردم مغز را به عنوان یک کل یا حتی بخش هایی از مغز به عنوان کنترل کننده در نظر می گرفتند. اما هیچ کس فکر نمی کرد که یک نورون واحد بتواند این کار را انجام دهد. کنترل یک کار محاسباتی فشرده است. تصور اینکه یک نورون واحد ظرفیت محاسباتی کافی برای انجام این کار را داشته باشد، سخت است.

اما نه تنها نورون ها این توانایی را دارند، بلکه این درک جدید از فعالیت عصبی به روشن کردن پدیده های مغز مانند سطح نویز موجود کمک می کند.

تقویت هوش مصنوعی از طریق نورون هایی که ورودی ها را پیش بینی می کنند و بر روی آنها عمل می کنند

در برخی موارد، نورون‌ها می‌توانند سیگنال‌هایی را ارسال کنند که ممکن است دیگران دریافت نکنند، و همین امر باعث می‌شود دانشمندان علوم اعصاب وجود تصادفی بودن در مغز انسان را زیر سوال ببرند. اما این درک جدید از نورون به‌عنوان یک کنترل‌کننده کوچک تأیید می‌کند که برخی از این نویز به‌عنوان یک تقویت‌کننده عملکرد عمل می‌کنند.

بنابراین افزودن مقداری نویز به مدل جدید و بهبود یافته آنها به نورون‌ها کمک کرد تا در یک محیط دائما در حال تغییر انعطاف‌پذیر بمانند. آنها دریافتند که به نظر می رسد این تصادفی بودن برای بازتولید نحوه عملکرد نورون های واقعی مهم است.

آنها می توانند ورودی های خود را کنترل کنند، اگرچه به نظر نمی رسد همه نورون ها این توانایی را نشان دهند.

چکلوفسکی در یک بیانیه مطبوعاتی نتیجه گرفت: «کنترل و پیش‌بینی در واقع بسیار نزدیک به هم مرتبط هستند. شما نمی توانید به طور موثر جهان را بدون پیش بینی تأثیر اعمال خود کنترل کنید.

سطح پیچیدگی نورون تا کنون به طور کامل درک نشده بود. آنها کنترل بیشتری بر محیط خود نسبت به آنچه قبلا تصور می شد دارند.

این مدل به روز شده، ایجاد شبکه های عصبی مصنوعی بهتر و کارآمدتر را راهنمایی می کند که از پیچیده ترین مکانیسم های مغز انسان استفاده می کنند.

انتهای پیام