以色列巴爾蘭大學(xué)的科學(xué)家們利用先進(jìn)的神經(jīng)培養(yǎng)實(shí)驗(yàn)和大規(guī)模模擬來(lái)創(chuàng)造一種新的超快人工智能。新的人工智能基于人類緩慢的大腦動(dòng)態(tài)。與我們今天擁有的最佳學(xué)習(xí)算法相比，這些大腦動(dòng)力學(xué)具有更好的學(xué)習(xí)率。

機(jī)器學(xué)習(xí)實(shí)際上是密切相關(guān)的，并且基于我們大腦的動(dòng)態(tài)。隨著現(xiàn)代計(jì)算機(jī)的速度及其龐大的數(shù)據(jù)集，我們已經(jīng)能夠創(chuàng)建類似于人類不同領(lǐng)域?qū)＜业纳疃葘W(xué)習(xí)算法。然而，這些學(xué)習(xí)算法具有與人腦不同的特征。

該大學(xué)的科學(xué)家團(tuán)隊(duì)在《科學(xué)報(bào)告》雜志上發(fā)表了他們的研究成果。他們致力于將神經(jīng)科學(xué)和先進(jìn)的人工智能算法聯(lián)系起來(lái)，這個(gè)領(lǐng)域已經(jīng)被放棄了幾十年。

Bar-llan大學(xué)物理系和 Gonda (Goldschmied) 多學(xué)科腦研究研究的 Ido Kanter 教授、該研究的主要作者對(duì)這兩個(gè)領(lǐng)域進(jìn)行了評(píng)論。

“目前的科技觀點(diǎn)是，神經(jīng)生物學(xué)和機(jī)器學(xué)習(xí)是兩個(gè)獨(dú)立發(fā)展的不同學(xué)科，”他說(shuō)。“缺乏預(yù)期的互惠影響令人費(fèi)解。”

“大腦中的神經(jīng)元數(shù)量少于現(xiàn)代個(gè)人計(jì)算機(jī)典型磁盤大小的位數(shù)，而大腦的計(jì)算速度就像時(shí)鐘上的秒針，甚至比發(fā)明的第一臺(tái)計(jì)算機(jī)還要慢 70幾年前，”他說(shuō)。

“此外，大腦的學(xué)習(xí)規(guī)則非常復(fù)雜，與當(dāng)前人工智能算法的學(xué)習(xí)步驟原理相去甚遠(yuǎn)。”

Kanter 教授與 Herut Uzan、Shira Sardi、Amir Goldental 和 Roni Vardi 等研究團(tuán)隊(duì)合作。

當(dāng)涉及到大腦動(dòng)力學(xué)時(shí)，它們會(huì)處理異步輸入，因?yàn)槲锢憩F(xiàn)實(shí)會(huì)發(fā)生變化和發(fā)展。因此，神經(jīng)細(xì)胞沒(méi)有同步。這與人工智能算法不同，因?yàn)樗鼈兓谕捷斎?。同一幀?nèi)的不同輸入及其時(shí)序通常被忽略。

坎特教授接著解釋了這種動(dòng)態(tài)。

“當(dāng)向前看時(shí)，人們會(huì)立即觀察到一個(gè)包含多個(gè)對(duì)象的框架。例如，在駕駛時(shí)觀察汽車、人行橫道和路標(biāo)，并可以輕松識(shí)別它們的時(shí)間順序和相對(duì)位置，”他說(shuō)。“生物硬件(學(xué)習(xí)規(guī)則)旨在處理異步輸入并完善它們的相關(guān)信息。”

這項(xiàng)研究提出的一個(gè)觀點(diǎn)是，無(wú)論是小型網(wǎng)絡(luò)還是大型網(wǎng)絡(luò)，超快的學(xué)習(xí)率都大致相同。根據(jù)研究人員的說(shuō)法，“復(fù)雜大腦學(xué)習(xí)方案的缺點(diǎn)實(shí)際上是一個(gè)優(yōu)點(diǎn)。”

該研究還表明，無(wú)需學(xué)習(xí)步驟即可進(jìn)行學(xué)習(xí)?？梢酝ㄟ^(guò)基于異步輸入的自適應(yīng)來(lái)實(shí)現(xiàn)。在人類大腦中，這種類型的學(xué)習(xí)發(fā)生在樹(shù)突中，樹(shù)突是神經(jīng)細(xì)胞的短延伸，以及每個(gè)神經(jīng)元的不同末端。這已經(jīng)被觀察到了。以前，人們認(rèn)為樹(shù)突學(xué)習(xí)下的網(wǎng)絡(luò)動(dòng)力學(xué)由弱權(quán)重控制并不重要。

這項(xiàng)新的研究和發(fā)現(xiàn)可能意味著很多不同的事情。這些高效的深度學(xué)習(xí)算法以及它們與非常緩慢的大腦動(dòng)力學(xué)的相似性可以幫助創(chuàng)建具有快速計(jì)算機(jī)的新型高級(jí)人工智能。

該研究還推動(dòng)了神經(jīng)生物學(xué)和人工智能領(lǐng)域之間的合作，這可以幫助兩個(gè)領(lǐng)域進(jìn)一步發(fā)展。根據(jù)該研究小組的說(shuō)法，“對(duì)我們大腦基本原理的洞察必須再次成為未來(lái)人工智能的中心。”