Kullanır mı beynimizin derin öğrenme kavrama için barış?

Zaman Hemen bir doktor Blake Richards duyunca derin bir öğrenme, anladı, karşı karşıya değil, sadece bir yöntem ile devrim ve yapay zeka. O fark görünüyor temel bir şey, beyin insan. Bu bir başlangıç oldu 2000-x, ve Richards yaptı kursu Toronto Üniversitesi ile birlikte Jeff Хинтоном. Хинтону, duruyordu kökeni algoritma oluşturmak, kim dünya önerdi okumak için tanıtım kursu hakkında öğrenme yöntemi, fransız insan beyin.

Burada Anahtar kelime «fransız beyin». Rağmen mahkumiyet Richards, bahis oynadı ona karşı. İnsan beyni, ortaya çıktı gibi, vardır önemli bir işlevi programlanabilir algoritmaları derin öğrenme. Yüzeyde bu algoritmalar ihlal temel biyolojik gerçekler, zaten kanıtlanmış нейробиологами.

Ama eğer derin bir öğrenme ve beyin aslında uyumlu mu?

Ve işte, yeni yayınlanan bir çalışmada, eLife, Richards ile çalışan DeepMind, önerilen yeni bir algoritma dayalı, biyolojik yapısı, nöronların неокортексе. Cortex, serebral korteks, ev için yüksek bilişsel işlevler gibi akıl yürütme, tahmin ve esnek düşünme.

Bir Ekip bir araya getirdi, kendi yapay nöronlar katmanlı ağ ve koydu onu önce görev klasik bilgisayar görme tanımlamak el yazısıyla yazılan sayılar.

Yeni bir algoritma başa mükemmel. Ama daha da önemli olan: bu analiz için örnekler öğrenme yapmak gibi algoritmaları, derinlemesine öğrenme, ama inşa tamamen temel biyoloji beyin.

«Derin öğrenme belki de biyolojik yapısı», sonucuna bilim adamları.

Çünkü şu anda bu modeli temsil eden bir bilgisayar versiyonu, Richards umut baton geçmek deneysel нейробиологам olabilir kontrol etmek, çalışır mı böyle bir algoritma gerçek bir beyin.

Eğer evet ise, veri transfer edilebilir, bilgisayar bilim adamları geliştirmek için kitlesel paralel ve etkili algoritmalar üzerinde çalışıyor olacak bizim makine. Bu ilk adım doğru bir birleşme için iki alanda «erdemli bir dans» keşifler ve yenilik.

Arama günah keçisi

Olsa da, kesinlikle duymuş ki, yapay zeka son zamanlarda betimleme en iyi en iyi en., neredeyse tam olarak nasıl çalışır algoritmaları temel alan yapay zeka.

özetle, derin öğrenme dayalı yapay sinir ağları ile sanal «nöronlar». Gibi yüksek gökdelen, ağ yapılandırılmış hiyerarşi: nöronlar alt düzey işler basın — örneğin, bir yatay veya dikey çizgi oluşturan sayı 4, — nöronlar yüksek düzeyde işleyen soyut yönleri sayılar 4.

Eğitmek İçin ağ edersiniz ona ne örnekler arıyorsunuz. Sinyal yayılır ağ (yükselir merdivenlerden bina) ve her bir nöron için çalışır görülebilir temel şey işte «dörtlü».

çocuklar öğrenmek, yeni bir şey, ilk ağ üstesinden çok iyi değil. O verir her şeyi, onun görüşüne göre, benzer bir rakam dört, ve elde edilen görüntüler ruhu Picasso.

Ama öyle akar eğitim: algoritma eşler sonuç mükemmel girdi ve hesaplar arasındaki fark (okuma: hata). «Hata geri yayılır» ağ öğretim, her bir nöron, diyorlar, bu sizin için ne arıyorsanız arayın daha iyi.

Sonra milyonlarca örnek ve temsilcileri, ağ çalışmaya başlar ve tertemiz.

Bir hata Sinyali için son derece önemlidir eğitim. Etkin «geri yayılma hatası» ağ bilecek, hangi onu nöron virüs tarafından değiştirilmiş yanlış. Arayan bir günah keçisi yapay zeka geliştirir.

Beyin öyle yapar. Ama nasıl? Hiç bir fikrimiz yok.

Biyolojik çıkmaz

Belli ki başka: çözüm ile derin öğrenme çalışmıyor.

Ters yayılmasını hataları — çok önemli bir özelliktir. O gerektirir, belirli bir altyapı düzgün çalışması için.

Ilk olarak, her bir nöron ağı gerekir, hata bildirilir. Ama beyindeki nöronlar birbirine sadece birkaç ortakları нисходящему akışı (hiç değilse bağlı). İçin ters yayılması çalıştı beyindeki nöronlar ilk düzeyde algıladıkları gerekir bilgi milyar bileşikler azalan kanallar ve bu biyolojik olarak imkansız.

Bazı algoritmaları derin öğrenme uyum, yerel bir formu geri yayılma hatası — aslında nöronlar arasındaki gerektirir, onların bağlantısı, ileri ve geri simetrik oldu. Sinapslarda beyin böyle olmuyor neredeyse hiç.

Daha modern algoritmalar uyum biraz farklı bir strateji uygulayarak ayrı bir şekilde geribildirim yardımcı olan nöronlar hataları bulmak yerel olarak. Ancak bu daha gerçekleşebilir biyolojik, beyin ayrı bir bilgisayar ağı adanmış bir günah keçisi arama.

Ama var nöronlar karmaşık yapıları, aksine homojen bir «balon» şu anda uygulanan derin öğrenme.

Dallanma ağ

Bilim adamları onların ilham piramidal hücreleri dolduran, serebral korteks insan.

«Çoğu bu nöronların bir form var, ağaçların kendi kökleri «derin» gidin beyin ve «dal» yüzeye» dedi Richards. «Ne ilginçtir ki, kökleri olsun yalnız kümeleri, veri girişi, ve diğer dalları».

Meraklı, ama yapısı nöronların, genellikle «tam da böyle bir ihtiyacı olarak,» etkili çözümbilgi işlem görevleri. Almak, örneğin, işleme heyecan: sintine piramidal nöronlar nerede gerekir, elde etmek için dokunmatik giriş, çiy noktası: yer iletim hataları geribildirim yoluyla.

Bu karmaşık bir yapısı olması evrimsel bir çözüm ile mücadele için yanlış bir sinyal mi?

Bilim adamları çok katmanlı sinirsel ağ tabanlı önceki algoritmaları. Ama bunun yerine homojen nöron verdiler ona nöronlar orta kat — klempe arasında giriş ve çıkış — daha fazla gerçek. Öğrenme üzerinde el yazısı rakamlarla, algoritma gösterdi kendini çok daha iyi, tek katmanlı bir ağ olmamasına rağmen, klasik bir geri yayılma hatası. Hücre yapıları kendiniz belirlemek olabilir bir hata. Daha sonra, doğru zamanda, nöron kıyameti ispat eden her iki bilgi kaynağı için iyi bir çözüm bulmak.

Bu biyolojik temeli: nörologlar uzun zamandır biliyorum giriş nöron dalları gerçekleştirmek, yerel hesaplamalar ile entegre edilebilir sinyalleri geri yayılma hatası dalları çıktı. Ama biz biliyoruz, mi çalışan beyin aslında, — bu yüzden Richards talimat нейробиологам bulmak.

Dahası, bu ağ işleme sorunu gibi geleneksel yöntem derin öğrenme şekilde kullanan çok katmanlı yapısı almak için giderek daha soyut fikirler hakkında her.

«Bu özellik, derin öğrenme,» yazarlar açıklar.

Derin öğrenme, beyin

şüphesiz, bu hikaye daha beklenmedik katlanmış, çünkü bilgisayar bilim adamları için yapıyoruz her gün daha fazla biyolojik parçaların algoritmalar II. Richards ve ekibi, düşünen, akıllı fonksiyonu yukarıdan aşağı olduğunda, sinyalleri daha yüksek düzeyde doğrudan etkiler daha düşük düzeyde tepki basın.

Geribildirim ile üst düzeyde geliştirir sadece, alarmı, hata; o da teşvik nöronlar düşük düzeyde işleme çalışması «daha iyi» gerçek zamanlı, diyor Richards. Kadar ağ aştı diğer небиологические ağ derin öğrenme. Ama bu önemli değil.

«Derin öğrenme açısından çok büyük bir etkisi AI, ama bugüne kadar onun etkisi нейронауку sınırlı», çalışmanın yazarları. Şimdi нейробиологов olacak bir bahane tutmak için bir deneysel test ve öğrenmek, yalan mı yapısı nöronların göre doğal bir algoritma derin öğrenme. Belki de, önümüzdeki on yıl içinde başlayacak karşılıklı yarar arasında veri alışverişi нейробиологами ve araştırmacılar yapay zeka.