October 6, 2021

ملخص:

  • وجد الباحثون أن التباين بين خلايا الدماغ البشري قد يسرع التعلم ويحسن أداء الدماغ والذكاء الاصطناعي في المستقبل

وجدت الدراسة الجديدة أنه من خلال تعديل الخصائص الكهربائية للخلايا الفردية في محاكاة شبكات الدماغ ، تعلمت الشبكات أسرع من عمليات المحاكاة باستخدام خلايا متطابقة.

ووجدوا أيضًا أن الشبكات تحتاج إلى عدد أقل من الخلايا المعدلة للحصول على نفس النتائج ، وأن الطريقة أقل كثافة للطاقة من النماذج ذات الخلايا المتطابقة.

يقول المؤلفون إن النتائج التي توصلوا إليها يمكن أن تعلمنا سبب كون أدمغتنا جيدة جدًا في التعلم ، وقد تساعدنا أيضًا في بناء أنظمة ذكاء اصطناعي أفضل ، مثل المساعدين الرقميين الذين يمكنهم التعرف على الأصوات والوجوه ، أو تكنولوجيا السيارات ذاتية القيادة.

قال المؤلف الأول نيكولاس بيريز ، طالب دكتوراه في قسم الهندسة الكهربائية والإلكترونية في إمبريال كوليدج لندن: "يحتاج الدماغ إلى أن يكون موفرًا للطاقة بينما لا يزال قادرًا على التفوق في حل المهام المعقدة. ويشير عملنا إلى أن وجود مجموعة متنوعة من الخلايا العصبية في كل من العقول وأنظمة الذكاء الاصطناعي تفي بهذه المتطلبات ويمكن أن تعزز التعلم ".

نُشر البحث في مجلة Nature Communications

لماذا الخلايا العصبية تشبة رقائق الثلج؟

يتكون الدماغ من بلايين من الخلايا تسمى الخلايا العصبية ، والتي ترتبط بشبكات عصبية واسعة تسمح لنا بالتعرف على العالم. تشبه الخلايا العصبية رقاقات الثلج: فهي تبدو متشابهة من مسافة بعيدة ، ولكن عند إجراء مزيد من الفحص، يتضح أنه لا يوجد اثنان متماثلان تمامًا.

على النقيض من ذلك ، فإن كل خلية في الشبكة العصبية الاصطناعية - التكنولوجيا التي يعتمد عليها الذكاء الاصطناعي - متطابقة ، مع اختلاف اتصالها فقط. على الرغم من السرعة التي تتقدم بها تقنية الذكاء الاصطناعي ، فإن شبكاتها العصبية لا تتعلم بدقة أو بسرعة مثل الدماغ البشري - وتساءل الباحثون عما إذا كان افتقارهم إلى التباين الخلوي هو السبب.

شرعوا في دراسة ما إذا كان محاكاة الدماغ عن طريق تغيير خصائص خلايا الشبكة العصبية يمكن أن يعزز التعلم في الذكاء الاصطناعي. ووجدوا أن التباين في الخلايا أدى إلى تحسين تعلمهم وتقليل استهلاك الطاقة.

قال المؤلف الرئيسي الدكتور دان جودمان ، من قسم الهندسة الكهربائية والإلكترونية في إمبريال: "لقد منحنا التطور وظائف دماغية مذهلة - معظمها بدأنا للتو في فهمه. يقترح بحثنا أنه يمكننا تعلم دروس حيوية من دروسنا علم الأحياء لجعل الذكاء الاصطناعي يعمل بشكل أفضل بالنسبة لنا "..

ضبط الوقت

لإجراء الدراسة ، ركز الباحثون على تعديل "ثابت الوقت" - أي مدى السرعة التي تقرر بها كل خلية ما تريد القيام به بناءً على ما تفعله الخلايا المتصلة بها. ستقرر بعض الخلايا بسرعة كبيرة، بالنظر فقط إلى ما فعلته الخلايا المتصلة للتو. ستكون الخلايا الأخرى أبطأ في التفاعل، بناءً على قرارها بموجب ما كانت تفعله الخلايا الأخرى لفترة من الوقت.

بعد تغيير الثوابت الزمنية للخلايا ، كلفوا الشبكة بأداء بعض مهام التعلم الآلي المعيارية: لتصنيف صور الملابس والأرقام المكتوبة بخط اليد؛ للتعرف على الإيماءات البشرية؛ وللتعرف على الأرقام والأوامر المنطوقة.

تظهر النتائج أنه من خلال السماح للشبكة بجمع المعلومات البطيئة والسريعة ، كانت قادرة بشكل أفضل على حل المهام في إعدادات أكثر تعقيدًا في العالم الحقيقي.

عندما قاموا بتغيير مقدار التباين في شبكات المحاكاة ، وجدوا أن تلك التي تحقق أداءً أفضل تتطابق مع مقدار التباين الملحوظ في الدماغ ، مما يشير إلى أن الدماغ قد تطور ليكون لديه المقدار المناسب من التباين للتعلم الأمثل.

وأضاف نيكولاس: "لقد أظهرنا أنه يمكن تقريب الذكاء الاصطناعي من كيفية عمل أدمغتنا من خلال محاكاة بعض خصائص الدماغ. ومع ذلك ، فإن أنظمة الذكاء الاصطناعي الحالية بعيدة كل البعد عن تحقيق مستوى كفاءة الطاقة الذي نجده في الأنظمة البيولوجية.

"بعد ذلك ، سننظر في كيفية تقليل استهلاك الطاقة لهذه الشبكات لتقريب شبكات الذكاء الاصطناعي من الأداء بكفاءة مثل الدماغ."


تم تمويل هذا البحث من قبل مجلس أبحاث الهندسة والعلوم الفيزيائية ومنحة رئيس جامعة إمبريال كوليدج لدرجة الدكتوراة


________________________________________

Story Source:

Materials provided by Imperial College London. Original written by Caroline Brogan. Note: Content may be edited for style and length.

________________________________________

Journal Reference:

1.    Nicolas Perez-Nieves, Vincent C. H. Leung, Pier Luigi Dragotti, Dan F. M. Goodman. Neural heterogeneity promotes robust learning. Nature Communications, 2021; 12 (1) DOI: 10.1038/s41467-021-26022-3

ترجمة: د. سالم موسى القحطاني

3/11/2021