洛杉磯-(2020年12月16日)讓計(jì)算機(jī)像人一樣思考是人工智能的圣杯，但人腦很難跟上。人的大腦是一個(gè)大師，他把以前學(xué)過(guò)的東西應(yīng)用到新的情境中，并不斷完善自己所學(xué)的東西。這種適應(yīng)能力很難在機(jī)器上復(fù)制。
現(xiàn)在，索爾克的研究人員已經(jīng)使用大腦活動(dòng)的計(jì)算模型比以前更精確地模擬了這個(gè)過(guò)程。新模型模擬了大腦前額葉皮層如何利用一種被稱為“門控”的現(xiàn)象來(lái)控制神經(jīng)元不同區(qū)域之間的信息流。它不僅為人腦提供照明，也為新的人工智能程序的設(shè)計(jì)提供信息。
Salk計(jì)算神經(jīng)生物學(xué)實(shí)驗(yàn)室負(fù)責(zé)人、該研究的資深作者Terrence Sejnowski表示：“如果我們能夠?qū)⑦@一模型擴(kuò)展到更復(fù)雜的人工智能系統(tǒng)，可能會(huì)讓這些系統(tǒng)學(xué)東西更快，或者找到解決問(wèn)題的新方法。”這項(xiàng)新工作發(fā)表在2020年11月24日的《美國(guó)國(guó)家科學(xué)院院刊》上。
人類和其他哺乳動(dòng)物的大腦以其快速處理刺激(如視覺(jué)和聲音)并將任何新信息整合到大腦已經(jīng)知道的信息中的能力而聞名。長(zhǎng)期以來(lái)，這種將知識(shí)應(yīng)用于新情況和持續(xù)學(xué)習(xí)的靈活性一直是研究人員在設(shè)計(jì)機(jī)器學(xué)習(xí)程序或人工大腦時(shí)的目標(biāo)。歷史上，當(dāng)一臺(tái)機(jī)器被教會(huì)完成一項(xiàng)任務(wù)時(shí)，機(jī)器很難學(xué)會(huì)如何將這些知識(shí)應(yīng)用于類似的任務(wù)。相反，每一個(gè)相關(guān)的過(guò)程都必須單獨(dú)教授。
在目前的研究中，Sejnowski的團(tuán)隊(duì)設(shè)計(jì)了一個(gè)新的計(jì)算模型框架，用于在認(rèn)知測(cè)試(稱為威斯康星卡片分類測(cè)試)中復(fù)制前額葉皮層(負(fù)責(zé)決策和工作記憶的大腦區(qū)域)神經(jīng)元的行為。在這項(xiàng)任務(wù)中，參與者必須根據(jù)顏色、符號(hào)或數(shù)字對(duì)卡片進(jìn)行分類，并隨著卡片分類規(guī)則的變化不斷調(diào)整答案。這項(xiàng)測(cè)試在臨床上用于診斷癡呆癥和精神疾病，但人工智能研究人員也使用它來(lái)評(píng)估他們的大腦計(jì)算模型在多大程度上可以復(fù)制人類行為。
先前的前額葉皮層模型在這項(xiàng)任務(wù)中表現(xiàn)不佳。然而，Sejnowski團(tuán)隊(duì)的框架整合了神經(jīng)元如何通過(guò)門控控制整個(gè)前額葉皮層的信息流，并將不同的信息委托給網(wǎng)絡(luò)的不同子區(qū)域。人們認(rèn)為門控在小范圍內(nèi)非常重要——在控制相似單元的小集群中的信息流方面——但這種想法從未通過(guò)整個(gè)網(wǎng)絡(luò)集成到模型中。
新網(wǎng)絡(luò)不僅在威斯康星卡片分揀任務(wù)中像人類一樣可靠，還模仿了一些患者看到的錯(cuò)誤。移除模型的所有部分后，系統(tǒng)顯示出與前額葉皮質(zhì)損傷患者相同的錯(cuò)誤(如創(chuàng)傷或癡呆)。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！