¿Utiliza nuestro cerebro profundo de la enseñanza para la comprensión del mundo?

De Inmediato, cuando el dr. blake richards oyó una profunda enseñanza, se dio cuenta de que ha encontrado no sólo con el método que revoluciona la inteligencia artificial. Se dio cuenta de que mira algo fundamental del cerebro humano. Este fue el comienzo de la década de 2000, y richards realizó un curso en la Universidad de toronto, junto con jeff Хинтоном. Хинтону, que estaba en el origen de la creación de un algoritmo de conquistar el mundo, invitaron a leer el curso introductorio acerca de su método de enseñanza, вдохновленном el cerebro humano.

Palabras Clave aquí "вдохновленном el cerebro". A pesar de la convicción de richards, la apuesta jugaba en contra de él. El cerebro de la persona, como se ha demostrado, no tiene una función importante, que se puede programar en los algoritmos de aprendizaje profundo. En la superficie de estos algoritmos violaron los principales biológicas de los hechos ya probados нейробиологами.

Pero lo que si una profunda formación y el cerebro realmente compatibles?

Y he aquí, un nuevo estudio publicado en el eLife, richards, trabajando con DeepMind, propuso un nuevo algoritmo basado en la estructura biológica de las neuronas en la corteza cerebral. Кортекс, de la corteza cerebral, es el hogar de las funciones cognitivas, tales como el razonamiento, la predicción y el pensamiento flexible.

El Equipo reunió sus neuronas artificiales en varios niveles de la red y la puse frente a ella la tarea clásica de visión para determinar escritas a mano los números.

Un Nuevo algoritmo ha vencido a la perfección. Pero lo que es importante: que escuchara ejemplos para el aprendizaje así como lo hacen los algoritmos de aprendizaje profundo, pero fue construido por completo en la biología del cerebro.

"una Profunda capacitación en la estructura biológica", concluyeron los científicos.

Debido a que en el momento actual, este modelo representa la computadora de la opción, richards espera que pase el testigo experimental нейробиологам que puedan comprobar si funciona este algoritmo en tiempo real el cerebro.

Si la respuesta es sí, los datos pueden ser transferidos informáticos a los científicos para desarrollar masivamente paralelos y algoritmos eficaces, en los que van a trabajar en nuestras máquinas. Este es el primer paso hacia la fusión de las dos ramas en un "círculo virtuoso" del descubrimiento y la innovación.

la Búsqueda de chivo

Mientras que usted puede haber oído acerca de que la inteligencia artificial recientemente ha ganado el mejor de los mejores en el go, es poco probable que usted sabe exactamente cómo funcionan los algoritmos en base a ello, la inteligencia artificial.

En pocas palabras, una profunda formación se basa en la imitación de la red neuronal virtuales "neuronas". Como alto de un rascacielos, la red se estructura en una jerarquía: las neuronas de bajo nivel controlan la entrada — por ejemplo, horizontales o verticales de la rociada, que forman la cifra 4, y las neuronas de alto nivel procesan abstractos aspectos de los números 4.

Para entrenar la red, usted la da ejemplos de lo que está buscando. La señal que se propaga por la red (sube por las escaleras de un edificio), y cada neurona está tratando de ver algo fundamental en la obra "cuarteto".

Como los niños aprenden algo nuevo, primero de la red se maneja muy bien. Se emite todos, que, en su opinión, similar a la cifra de cuatro — y se obtienen las imágenes en el espíritu de picasso.

Pero así es como fluye la formación: el algoritmo asigna a la salida con el ideal de entrada y calcula la diferencia entre ellos (es decir, el error). Los errores de "vuelta" serán aplicables por la red, enseñando a cada neurona, dicen, no es lo que usted está buscando, busque la mejor.

Después, millones de ejemplos y de las repeticiones, la red comienza a funcionar a la perfección.

Una Señal de error es muy importante para la educación. Sin efectiva "de la devolución de la propagación del error de red no se sabe cuáles de sus neuronas se equivocan. En busca de un chivo expiatorio, la inteligencia artificial de mejora a sí mismo.

El Cerebro también lo hace. Pero, ¿cómo? No tenemos ni idea.

Biológico callejón sin salida

Obviamente otro: la solución con un profundo aprendizaje no funciona.

Inversa de la distribución de los errores es muy importante la función. Se requiere de cierta infraestructura para que funcione correctamente.

En primer lugar, cada neurona de la red debe recibir una notificación de error. Pero en el cerebro, las neuronas están conectadas con sólo varios socios de flujo de arriba hacia abajo (si no están conectados). Para propagación hacia atrás trabajaba en el cerebro, las neuronas en los primeros niveles deben percibir la información de miles de millones de conexiones descendentes de los canales — y es biológicamente imposible.

Y aunque algunos de los algoritmos de aprendizaje profundo adaptan local en el formulario de devolución de propagación de errores, esencialmente entre las neuronas, que requiere, para su conexión hacia adelante y hacia atrás es simétrica. En las sinapsis del cerebro de tal no ocurre casi nunca.

Los Más modernos algoritmos de adaptar una estrategia diferente, mediante la implementación de una ruta individual de retroalimentación que ayuda a las neuronas a encontrar errores de forma local. Aunque es más realizable biológicamente, el cerebro no tiene una red informática, dedicada a la búsqueda de chivos expiatorios.

Pero él tiene las neuronas con estructuras complejas, a diferencia de los uniformes "bolas", que actualmente se aplican en el análisis profundo de aprendizaje.

Ramificación de la red

Los Científicos se inspiran en las células piramidales, que llenan la corteza del cerebro humano.

"la Mayoría de estas neuronas tienen la forma de los árboles, sus raíces profundamente salen en el cerebro, y las ramas salen a la superficie", dice richards. "Lo que es notable, las raíces reciben algunos conjuntos de datos de entrada, y las ramas de los otros".

Es Curioso, pero la estructura de las neuronas, a menudo es "tal como es" abordarde procesamiento de la tarea. Tomemos, por ejemplo, el procesamiento de las sensaciones: los fondos de las neuronas piramidales están donde deben, para obtener la entrada táctil, y las copas están bien situados para la transmisión de errores a través de la retroalimentación.

¿Puede esta compleja estructura de ser una evolución de una decisión sobre la lucha con el mal la señal?

Los Científicos han creado varias capas neuronal en la red en base a los anteriores algoritmos. Pero en lugar de uniformes de las neuronas le dieron las neuronas de las capas medias — зажатые entre la entrada y la salida — auténticos. Ubicada en la escritura a mano los números, el algoritmo ha demostrado ser mucho mejor que una sola capa de la red, a pesar de la ausencia de un clásico de la devolución de la propagación del error. La estructura celular de la propia puedan identificar el error. Luego, en el momento de la neurona unía ambos fuente de información para la búsqueda de la mejor solución.

Hay biológico de base: neurocientíficos han sabido por mucho tiempo que la entrada de la rama de una neurona locales realizan los cálculos que se pueden integrar con las señales de devolución de la propagación del error de las ramas de salida. Pero no sabemos si funciona el cerebro en realidad — por lo tanto, richards ha encargado нейробиологам averiguarlo.

Además, esta red procesa un problema similar al método tradicional de aprendizaje profundo manera: utiliza una estructura multicapa para recuperar progresivamente más abstractos, ideas acerca de cada número.

"Es una característica de aprendizaje profundo", explican los autores.

Profundamente el alumno cerebro

Sin lugar a dudas, en esta historia será más giros inesperados, ya que los científicos hacen cada vez más biológicos de las piezas en los algoritmos de la inteligencia artificial. Richards y su equipo consideran predictivo de la función de arriba hacia abajo, cuando las señales con niveles más altos influyen directamente en cómo los niveles más bajos responden a entrar.

Una relación Inversa con los niveles superiores, no sólo mejora la señalización de errores; también se puede alentar a las neuronas de la baja de nivel de procesamiento de funcionar "mejor" en tiempo real, dice richards. Hasta que la red no supera a los otros no sean procedimientos no biológicos de la red de aprendizaje profundo. Pero esto no es importante.

"una Profunda formación ha tenido un gran impacto en la ia, pero hasta el día de hoy su influencia en нейронауку se ha limitado a", dicen los autores del estudio. Ahora el нейробиологов ya habrá ocasión de pasar una verificación y aprender, est si la estructura de las neuronas en la base natural del algoritmo de aprendizaje profundo. Posiblemente, en los próximos diez años comenzará mutuamente beneficioso el intercambio de datos entre нейробиологами y los investigadores de la inteligencia artificial.