Машинное обучение, появившееся около 70 лет назад, базируется на открытиях динамики обучения человеческого мозга. При помощи быстрых современных компьютеров и больших данных алгоритмы глубокого обучения добились результатов, сравнимых с возможностями ведущих экспертов-людей, но говорить о том, что они копируют процесс обучения мозга, можно лишь с большой натяжкой.
«Современная точка зрения ученых и инженеров состоит в том, что нейробиология и машинное обучение — это две отдельных дисциплины, которые развиваются независимо друг от друга, — говорит ведущий автор исследования профессор Идо Кантер. — Отсутствие взаимного влияния между этими сферами знаний ставит в тупик».
Биологической системе приходится иметь дело с асинхронными данными, которые поставляет ей реальность. Традиционные алгоритмы ИИ, наоборот, основаны на синхронном вводе информации, пишет EurekAlert.
Проведя ряд экспериментов на нейронных культурах и создав несколько масштабных моделей, группа ученых из Университета Бар-Илан продемонстрировала новый тип сверхбыстрых алгоритмов искусственного интеллекта, которые превосходят темпы обучения, доступные современным методам.
Исследование показало, что сверхбыстрый темп обучения одинаково присущ и маленьким, и большим сетям.
Другое важное открытие в том, что обучение может происходить «без обучения» — посредством самоадаптации к асинхронным данным. Этот тип «настройки» происходит в дендритах, своего рода терминалах нейронов, как недавно установили в ходе эксперимента специалисты того же университета.
Идея о том, что эффективные алгоритмы глубокого обучения основаны на очень медленной динамике мозга, открывает возможность создания нового класса искусственного интеллекта на основе быстрых компьютеров. Она призывает восстановить мост между нейробиологией и искусственным интеллектом. «Понимание фундаментальных принципов работы нашего мозга должно снова стать центром будущего ИИ», — убеждены ученые.
Канадские исследователи представили в конце прошлого года новую модель ИИ, радикально отличную от современных нейросетей. В ней слои заменены на вычисления. Таким образом, получается уже не сеть, а непрерывный поток уравнений.
