Замкнутый круг искусственного интеллекта и нейробиологии

Недавний прогресс в области AI был довольно значительным. Искусственные системы теперь превосходят опытных людей в видеоиграх Atari, древней настольной игре Go и матчах с высокими ставками в хэдз-апе. Они также могут создавать почерк и речь, неотличимую от людей, переводить между несколькими языками и даже переформатировать ваши снимки в стиле шедевров Ван Гога.

Эти достижения связаны с несколькими факторами, включая применение новых статистических подходов и увеличение вычислительной мощности компьютеров. Но многие исследователи утверждают, что не менее значительный вклад в развитие AI приносит использование идей экспериментальной и теоретической нейронауки (ряд научных дисциплин, связанных с изучением мозга).

Психология и нейронаука сыграли ключевую роль в истории AI. Основополагающие фигуры в этом направлении изначально были мотивированы желанием понять, как работает мозг. Фактически, на протяжении всего конца 20-го века большая часть ключевой работы, развивающей нейронные сети, происходила не в математических или физических лабораториях, а в отделах психологии и нейрофизиологии.

Сегодня, потребность в области нейронауки для развития искусственного интеллекта является наиболее актуальной, чем когда-либо прежде. Исследователи в области нейробиологии AI могут найти общий язык, позволяющий продолжить прогресс на развития на обоих фронтах этой отрасли.

Черпать вдохновение из нейронауки в исследованиях AI важно по двум причинам.

Во-первых, нейронаука может помочь проверить методы AI, которые уже существуют. Проще говоря, если мы обнаружим, что один из наших искусственных алгоритмов имитирует функцию в мозге, это будет говорить о том, что мы находимся на правильном пути.

Во-вторых, нейробиология может обеспечить богатый источник вдохновения для новых типов алгоритмов и архитектур для использования при создании искусственных «мозгов». Традиционные подходы к AI исторически доминировали на основе логических методов и теоретических математических моделей. Но некоторые исследователи утверждают, что нейробиология может дополнять их, определяя классы биологических вычислений, которые могут иметь решающее значение для когнитивной функции.

Возьмем один недавний пример семантической находки в области нейронауки: открытие автономного опыта «повтора». Во время сна или спокойного отдыха биологический мозг «воспроизводит» временные образцы активности нейронов, которые были произведены в более ранний активный период. Например, когда крысы пробегают лабиринт, клетки «места» активируются по мере перемещения животного.

Во время отдыха наблюдается такая же последовательность активности нейронов, как если бы крысы мысленно переосмысливали свои прошлые движения и использовали их для оптимизации будущего поведения. Фактически, было показано, что вмешательство в воспроизведение снижает производительность, когда они выполняют одни и те же задачи.

Этот принцип был ключевой частью сети глубокого Q (DQN), алгоритма, который научился освоить разнообразные игры Atari 2600 до сверхчеловеческого уровня только с исходными пикселями и оценивать как входные данные. DQN подражает «опыту воспроизведения», сохраняя подмножество учебных данных, которые он рассматривает «в автономном режиме», что позволяет ему учиться заново от успехов или неудач, которые произошли в прошлом (на собственном опыте).

Успехи, подобные этому, дают нам уверенность в том, что нейронаука уже является важным источником идей для AI. Это может стать незаменимым помощником в решении сложных вопросов, таких как вопросы эффективного обучения, понимания физического мира и воображения для AI.

Воображение — чрезвычайно важная функция для людей и животных, позволяющая планировать будущие сценарии без принятия мер. Рассмотрим простой пример, например, планирование праздника.

Чтобы это сделать, мы используем наши знания или «модель» мира и используем её для прогнозирования во времени, оценки будущих состояний, что позволяет нам рассчитать маршрут, который нам нужно пройти, или какую одежду взять в зависимости от погоды.

Передовые исследования в области нейробиологии человека начинают раскрывать вычислительные и системные механизмы, которые лежат в основе такого рода мышления, но большая часть этого нового понимания еще не включена в искусственные модели.

Другая ключевая задача в современных исследованиях AI известна как передача обучения. Для эффективного решения новых ситуаций AI нуждаются в способности использовать существующие знания для принятия разумных решений. Люди уже хорошо справляются с этим — человек, который может водить машину, использовать ноутбук или стул на собрании, как правило, способен справиться даже тогда, когда сталкивается с незнакомым транспортным средством, операционной системой или социальной ситуацией.

Исследователи сейчас начинают делать первые шаги для понимания того, как это возможно в искусственных системах. Например, новый класс сетевой архитектуры, известный как «прогрессивная сеть», может использовать знания, полученные в одной видеоигре, чтобы узнать, как победить в другой.

Но этот обмен знаниями не может быть улицей с односторонним движением. Нейронаука также может извлечь пользу из исследования AI. Возьмите идею обучения усилению- один из центральных подходов в современных исследованиях AI.

Хотя первоначальная идея исходила из теорий обучения животных в психологии, она была разработана исследователями для машинного обучения. Эти более поздние идеи вернулись в неврологию, чтобы помочь нам понять нейрофизиологические явления.

Действительно, этот цикл, скорее всего, ускорится благодаря недавним достижениям, таким как оптогенетика, которые позволяют нам точно измерять и манипулировать мозговой деятельностью, давая огромное количество данных, которые могут быть проанализированы с помощью инструментов машинного обучения.

Поэтому некоторые ученые считают, что диверсификация интеллекта в алгоритмах и сравнение их с человеческим мозгом сейчас жизненно важны.

Это может пролить свет на некоторые из самых прочных тайн в нейронауке, таких как характер творчества, мечты и, возможно, в один из дней, даже сознание. С таким большим количеством поставленных задач потребность во взаимодействии в области нейронауки и AI стала более актуальной, чем когда-либо прежде.

Источник: golos.io

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.


Поделиться ссылкой:
Финансовая поддержка проекта: