بهبود یادگیری بصری هوش مصنوعی با عملكردی شبیه به مغز انسان
دو دانشمند مغز و اعصاب که مدلی بسیار شبیه به یادگیری بصری انسان طراحی نموده اند، می گویند: هوش مصنوعی کامپیوتری هنگامی که جهت استفاده روشی سریع تر بمنظور یادگیری اجسام جدید برنامه نویسی شد توانست عملکردی شبیه به مغز انسان داشته باشد.
به گزارش پارسی کاو به نقل از ایسنا و به نقل از یورک الرت، در مجله Frontiers in Computational Neuroscience، ماکسیمیلیان رایزنهوبر(Maximilian Riesenhuber)، دکترای علوم اعصاب، در مرکز پزشکی دانشگاه جورج تاون(Georgetown) و جوشوا رول( Joshua Rule) فوق دکترا از دانشگاه یو سی برکلی توضیح می دهند که چگونه این رویکرد جدید توانایی نرم افزار هوش مصنوعی را به سرعت بهبود می بخشد تا مفاهیم بصری جدید را یاد بگیرید.
رایزنهوبر می گوید: مدل ما روشی بیولوژیکی برای شبکه ی عصبی هوش مصنوعی فراهم می آورد تا بتواند مفاهیم بصری جدید را با تعداد کمی از نمونه ها یاد بگیرد. ما می توانیم به یادگیری هرچه بهتر کامپیوترها با استفاده نمونه های کم و با بکارگیری یادگیری های پیشین کمک نماییم و فکر می نماییم این همان کاری است که مغز انسان انجام می دهد.
رایزنهوبر توضیح می دهد: انسان ها می توانند به سرعت و با دقت مفاهیم تصویری جدیدی را از داده های پراکنده بیاموزند. گاهی فقط به یک نمونه برای یادگیری نیاز است. حتی نوزادان سه تا چهار ماهه به آسانی می توانند گورخرها را تشخیص دهند و آنها را از گربه ها، اسب ها و زرافه ها متمایز کنند. اما کامپیوتر ها معمولاً باید نمونه های خیلی از یک شی مشخص را ببینند تا بتوانند آنرا تشخیص دهند.
وی اظهار داشت: تغییر بزرگ مورد نیاز ما طراحی نرم افزاری بود که بتواند ارتباط میان دسته های مختلف بصری را تشخیص دهد بجای آن که نگاهی استانداردتر یعنی شناسایی یک شی بر طبق اطلاعات سطح پایین مانند شکل و رنگ را پیش بگیرد. قدرت محاسباتی مغز در ساده سازی یادگیری نهفته در توانایی استفاده از آموخته های قبلی است. مغز دارای یک بانک اطلاعاتی از مفاهیمی است که از پیش آموخته است.
رول و رایزنهوبر دریافتند که شبکه های عصبی مصنوعی که نمایانگر اجسامی از پیش آموخته شده بودند، مفاهیم بصری جدید را بطور قابل توجهی با سرعت بیشتر آموختند.
رول می گوید که قصد دارند مفاهیمی سطح بالا اما در نوعی متفاوت از قبل به آنها یاد دهند. بطور مثال آن که پلاتیپوس ها کمی شبیه اردک ها، سگ های آبی و سمورهای دریایی هستند.
رایزنهوبر اضافه کرد: با استفاده مجدد از این مفاهیم، می توانیم آسان تر مفاهیم جدید را به آنها بیاموزیم. مانند اینکه بگوییم گورخر اسب ساده ای است که خطوط راه راه دارد.
ساختار مغز که زیربنای قابلیت یادگیری مفاهیم بصری در انسان است، شامل شبکه ی عصبی است که در شناسایی اجسام نقش دارد و تصور می شود که لوب گیجگاهی قدامی مغز نمایانگر مفاهیم انتزاعی است که چیزی فراتر از شکل اجسام است. این سیستم عصبی پیچیده به انسان در یادگیری وظایف جدید کمک می نماید و همین طور به فرد امکان به کارگیری آموخته های قبلی را می دهد.
دانشمندان می گویند، به رغم پیشرفت های زیاد در زمینه ی هوش مصنوعی هنوز سیستم بصری انسان استانداردترین و بهترین نوع برای تعمیم یک نمونه به نمونه های دیگر برای درک تصاویر و یادگیری است.
رایزنهوبر نتیجه گیری می کند: یافته های ما نه فقط روش هایی را نشان میدهد که می توانند به کامپیوترها برای یادگیری سریع تر و کارآمدتر کمک کنند، بلکه می تواند به بهبود آزمایش های علوم اعصاب با هدف درک چگونگی یادگیری سریع در افراد منجر شود، موضوعی که هنوز به خوبی آنرا درک نکرده ایم.
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب