導讀 麻省理工學院的兩項研究發(fā)現(xiàn)，自我監(jiān)督學習模型可以從未標記的數(shù)據(jù)中了解其環(huán)境，可以顯示出與哺乳動物大腦類似的活動模式。為了穿越這個世...
麻省理工學院的兩項研究發(fā)現(xiàn)，“自我監(jiān)督學習”模型可以從未標記的數(shù)據(jù)中了解其環(huán)境，可以顯示出與哺乳動物大腦類似的活動模式。
為了穿越這個世界，我們的大腦必須對我們周圍的物理世界產(chǎn)生直觀的理解，然后我們用它來解釋進入大腦的感官信息。
大腦如何發(fā)展這種直覺理解?許多科學家認為，它可能使用類似于所謂的“自我監(jiān)督學習”的過程。這種類型的機器學習最初是為了創(chuàng)建更有效的計算機視覺模型而開發(fā)的，它允許計算模型僅根據(jù)視覺場景之間的相似性和差異來了解視覺場景，而無需標簽或其他信息。
神經(jīng)網(wǎng)絡研究的證據(jù)
麻省理工學院 K. Lisa Yang 綜合計算神經(jīng)科學 (ICoN) 中心的研究人員進行的兩項研究提供了支持這一假設的新證據(jù)。研究人員發(fā)現(xiàn)，當他們使用特定類型的自我監(jiān)督學習來訓練神經(jīng)網(wǎng)絡模型時，所得模型生成的活動模式與執(zhí)行與模型相同任務的動物大腦中看到的活動模式非常相似。
研究人員表示，研究結(jié)果表明，這些模型能夠?qū)W習物理世界的表征，從而準確預測物理世界將發(fā)生的事情，并且哺乳動物的大腦可能正在使用相同的策略。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！