Ученые разработали новый метод обучения ИИ, вдохновившись работой мозга |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-08-12 11:00 Используя результаты передовых исследований головного мозга, группа ученых из Университета им. Бар-Илана в Израиле показала новый тип сверхбыстрых алгоритмов обучения искусственного интеллекта, основанных на медленной динамике мозга. Они частично превосходят показатели успеваемости, достигнутые с помощью самых современных алгоритмов обучения ИИ. «Современная главная научно-техническая точка зрения заключается в том, что нейробиология и машинное обучение являются двумя различными дисциплинами, которые развиваются независимо друг от друга», — отметил ведущий автор исследования, профессор Идо Кантер. «Но мы недоумеваем почему эти две области не развиваются параллельно». Они добавили, что количество нейронов в мозгу меньше, чем количество бит в типичном диске современных персональных компьютеров, а вычислительная скорость работы мозга намного меньше. Однако при этом правила обучения мозга очень сложны и далеки от принципов обучения современных алгоритмов ИИ. Динамика мозга не соответствует четко определенным правилам, синхронизированным для всех нервных клеток. К примеру, мозг и человеческое зрение могут считывать расположение сразу нескольких объектов. При этом традиционные алгоритмы искусственного интеллекта основаны на синхронных входах, поэтому ИИ не может сделать то же самое. Новое исследование показывает, что сверхбыстрая скорость обучения одинаково эффективна для малых и больших сетей. Следовательно, по словам исследователей, «недостаток сложной схемы обучения мозга на самом деле является преимуществом». Другим важным открытием является то, что обучение может происходить без этапов обучения посредством самоадаптации в соответствии с асинхронными входами. Источник: Хайтек фм Комментарии: |
|