研究人员重建神经科学和人工智能之间的桥梁

半个世纪以来神经科学和人工智能之间的桥梁已经被新揭示的超快速大脑启发式学习机制所修复，该机制可以用来加速现有的基于小数据集的人工智能学习算法。

机器和深度学习算法的起源正日益影响我们生活的几乎所有方面。这是一种连接大脑神经元突触(权重)的学习机制。半个世纪前，研究人员试图模仿这些大脑的功能，弥合神经科学和人工智能之间的差距。然而，从那以后，实验神经科学并没有直接推动机器学习领域，神经科学和机器学习似乎都是独立发展的。

在今天《科学报告》发表的一篇文章中，研究人员透露，他们已经成功地重建了实验神经科学和高级人工智能学习算法之间的桥梁。通过对神经元培养进行新的实验，研究人员可以证明一种受大脑启发的新学习机制。例如，当该机制用于手写数字识别的手动任务时，其成功率大大超过常用的机器学习算法。

为了重建这个桥梁，研究人员着手证明两个假设：大脑学习非常慢的一般假设可能是错误的，大脑的动力学可能包括加速学习机制。出乎意料的是，这两个假设都被证明是正确的。

该研究的第一作者、Bar的IdoKanter教授说：“据信，大脑中的学习步骤通常可以持续几十分钟甚至更长时间，而在计算机中，它可以持续十亿分之一秒或百万分之一秒。——依兰大学物理系和金化学多学科脑研究中心。Kanter补充道：“虽然大脑非常慢，但它的计算能力优于或等于典型的最新人工智能算法。”坎特补充说，他是希拉萨迪、罗尼瓦尔迪、尤瓦尔、梅尔、阿米尔戈登塔尔、什里霍达斯曼和雅艾尔图根德法夫特。

研究小组的实验表明，训练频率将大大加快我们大脑的适应性。这项工作的主要贡献者ShiraSardi说：“通过每秒观察10张相同的图像来学习就像每月观察1000张相同的图像一样有效。”RoniVardi博士补充道：“重复同样的图像可以提高我们大脑对秒的快速适应能力，而不是几十分钟。有可能大脑的学习速度甚至更快，但它超出了我们目前的实验限制。”研究。这种新发现的大脑启发的学习加速机制比常用的机器学习算法(如手写数字识别)要好得多，尤其是在为训练提供小数据集时。

从实验神经科学到机器学习的重建桥梁有望在有限的训练实例下(类似于人类决策和机器人控制及网络优化的许多案例)推动人工智能，尤其是超快速决策。

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！