MRC Brベラ ジョン オンライン カジノn Network Dynamics Unitの研究者とオックスフォード大学のコンピューターサイエンス学科は、脳が人工知能システムと比較してどのように学習するかを示しています。
研究者チームは、脳がどのように学習するかを研究しました - 学習中に脳が採用した基本原則を特定します。
彼らは、脳のベラ ジョン オンライン カジノロンの挙動の変化とそれらの間のシナプス接続を説明する既存の数学方程式を見ました。
チームは数学モデルを分析し、脳が使用されているものとは異なる学習原則を採用していることを発見しました人工知能システム。
研究、自然神経科学,ベラ ジョン オンライン カジノでより速く、より堅牢な学習アルゴリズムを刺激するようになりました。
脳はベラ ジョン オンライン カジノよりもどのように優れていますか？
生物学的脳は、一度見て新しい情報を学ぶことができるため、現在の機械学習システムよりも優れています。ただし、人工システムは、それらを学ぶために同じ情報で何百回も訓練する必要があります。
すでに持っている知識を維持しながら、新しい情報を学ぶこともできます。一方、人工ベラ ジョン オンライン カジノラルネットワークでは、新しい情報を学習することで、既存の知識を妨げ、迅速に分解できます。
脳の学習方法とベラ ジョン オンライン カジノ学習
研究者は、人間の脳が最初にベラ ジョン オンライン カジノロンの活動を最適なバランスの取れた構成に落ち着かせると信じています。次に、シナプス接続が調整されます。
人工ベラ ジョン オンライン カジノラルネットワークでは、外部アルゴリズムがシナプス接続を変更してエラーを削減しようとします。
チームは、脳の学習方法を採用するAIシステムは、自然の動物や人間が通常直面するタスクの他の人工ベラ ジョン オンライン カジノラルネットワークよりも速く効果的に学習できると主張しています。
学習方法の違いを示す例
チームは、サーモンのクマ釣りの例を持つベラ ジョン オンライン カジノと比較して、脳がどのように学習するかの違いを示しています。
クマは川を見ることができ、川を聞いてサーモンの匂いを嗅ぐことができればサーモンを捕まえる可能性が高いことを学びました。ある日、熊は耳を損なって川に到着するので、聞こえません。
AI処理システムでは、聴覚の欠如が臭いの不足につながります。これは、システムが音がしないことがわかったとき、バックプロパゲーションが川をコードするベラ ジョン オンライン カジノロンとサーモンの間の接続を含むいくつかの接続を変えるためです。
しかし、動物の脳では、音の欠如は、まだサーモンの匂いがあるという知識を妨げず、サーモンは捕まえるために川にある可能性が高い。
学習中の干渉の欠如
研究者は、学習中の情報間の干渉がないため、脳の学習方法を示すために数学的理論を開発しました。脳では、ベラ ジョン オンライン カジノロンはこの干渉を減らす前向き構成に落ち着きます。
チームは、将来の構成が人工ベラ ジョン オンライン カジノラルネットワークよりも優れた多くの学習実験で神経活動と行動を説明することを示しました。
MRC Brベラ ジョン オンライン カジノn Network DynamicsユニットのRafal Bogacz教授とOxfordのNuffield Department of Clinical Neurosciencesは次のように述べています。
「私たちのグループによる将来の研究は、抽象モデルと実際の脳の間のギャップを埋め、将来の構成のアルゴリズムが解剖学的に特定された皮質ネットワークでどのように実装されているかを理解することを目的としています。」
研究の最初の著者であるYuhang Song博士は次のように付け加えました。
「新しいタイプのコンピューターまたは専用の脳にインスパイアされたハードウェアを開発する必要があります。これにより、将来の構成を迅速かつエネルギー使用がほとんど実装できません。」
