محققان مرکز علوم اعصاب محاسباتی موسسه Flatiron نیویورک از یک مدل عصبی جدید پیشگامانه با پیامدهای عمیق برای فناوری هوش مصنوعی رونمایی کردند.
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 با ارائه تصویری از عملکرد درونی یک نورون واحد، تا اعماق بی‌سابقه‌ای به مغز نفوذ می‌کند.
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 در حال تجزیه و تحلیل مدل فعلی یک نورون است که اولین بار در دهه 1960 توسعه یافت و آنها دریافتند که این نورون به طور کامل نشان دهنده نحوه رفتار یک نورون نیست.
دیمیتری چکلوسکی، نویسنده ارشد مقاله جدید، در یک بیانیه مطبوعاتی گفت: “علوم اعصاب در 60 سال گذشته راه طولانی را پیموده است، و ما اکنون می دانیم که مدل های قبلی نورون ها نسبتا ابتدایی هستند.”
در مقاله ای جدید، نویسندگان این مطالعه می گویند که مدل قبلی به طور کامل توانایی های محاسباتی نورون های واقعی را نشان نمی دهد و می تواند مانع توسعه هوش مصنوعی شود.
پیش از این، دانشمندان علوم اعصاب کشف کرده بودند که یک حلقه بازخورد در مدارهای مقیاس بزرگ برای حفظ تعادل در مغز با عدم 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 فردی محقق شود.
مردم مغز را به عنوان یک کل یا حتی بخش هایی از مغز به عنوان یک کنترل کننده تصور می کردند. 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 دارای ظرفیت محاسباتی کافی برای انجام این کار باشد، دشوار است.
اما نه تنها نورون‌ها این توانایی را دارند، بلکه این درک جدید از فعالیت عصبی به روشن کردن پدیده‌هایی در مغز مانند سطح نویز موجود در مورد بحث کمک می‌کند.
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 ممکن است سیگنال‌هایی را ارسال کنند که ممکن است دیگران آنها را دریافت نکنند، که باعث می‌شود دانشمندان علوم اعصاب وجود تصادفی بودن در مغز انسان را زیر سوال ببرند. اما این درک جدید از یک نورون به عنوان یک کنترل کننده کوچک تأیید می کند که برخی از این نویز به عنوان یک تقویت کننده عملکرد عمل می کند.
بنابراین افزودن کمی نویز به مدل جدید و بهبود یافته آنها به نورون ها کمک کرد تا در یک محیط دائما در حال تغییر انعطاف پذیر باقی بمانند. آنها دریافتند که به نظر می رسد این تصادفی بودن در تکرار 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 بدون پیش بینی تأثیر اعمال خود به طور مؤثر جهان را کنترل کنید.
سطح پیچیدگی یک نورون تا کنون به طور کامل درک نشده بود. آنها بیش از آنچه قبلا تصور می شد بر محیط اطراف خود کنترل دارند.
این مدل به روز شده، ایجاد شبکه های عصبی مصنوعی بهتر و مؤثرتر را راهنمایی می کند که پیچیده ترین مکانیسم های مغز انسان را مهار می کند.
انتهای پیام
