infos.ro

Inteligența artificială folosește somnul artificial pentru a învăța sarcini noi, fără a uita ultima

Autor:, www.newscientist.com

Multe IA pot deveni bune doar la o sarcină, uitând tot ce știu dacă învață alta. O formă de somn artificial ar putea ajuta să împiedice acest lucru să se întâmple


Tehnologie


10 noiembrie 2022

Persoana care doarme

Ar putea avea nevoie și de AI să doarmă

Shutterstock/Imagine la sol

Inteligența artificială poate învăța și aminti cum să facem mai multe sarcini, imitând modul în care somnul ne ajută să cimentăm ceea ce am învățat în timpul orelor de veghe.

„Există o tendință uriașă acum de a aduce idei din neuroștiință și biologie pentru a îmbunătăți învățarea automată existentă – iar somnul este unul dintre ele”, spune Maxim Bazhenov la Universitatea din California, San Diego.

Mulți AIEi pot stăpâni doar un set de sarcini bine definite – nu pot dobândi cunoștințe suplimentare mai târziu fără a pierde tot ceea ce au învățat anterior. „Problema apare dacă doriți să dezvoltați sisteme care sunt capabile de așa-numita învățare pe tot parcursul vieții”, spune Pavel Sanda la Academia Cehă de Științe din Republica Cehă. Învățarea pe tot parcursul vieții este modul în care oamenii acumulează cunoștințe pentru a se adapta și a rezolva provocările viitoare.

Bazhenov, Sanda și colegii lor s-au antrenat un pic Retea neurala – o grilă conectată de neuroni artificiali care seamănă cu structura creierului uman – pentru a învăța două sarcini diferite fără a suprascrie conexiunile învățate de la prima sarcină. Ei au realizat acest lucru prin intercalarea perioadelor de antrenament concentrate cu perioade asemănătoare somnului.

Cercetătorii au simulat somnul în rețeaua neuronală activând neuronii artificiali ai rețelei într-un model zgomotos. De asemenea, s-au asigurat că zgomotul inspirat de somn se potrivește aproximativ cu modelul de declanșare a neuronilor în timpul sesiunilor de antrenament – ​​o modalitate de a relua și de a consolida conexiunile învățate din ambele sarcini.

Echipa a încercat mai întâi să antreneze rețeaua neuronală cu privire la prima sarcină, urmată de a doua sarcină și apoi a adăugat o perioadă de somn la sfârșit. Dar și-au dat repede seama că această secvență încă ștergea conexiunile rețelei neuronale învățate de la prima sarcină.

În schimb, experimentele ulterioare au arătat că este important să „ai sesiuni de antrenament și somn care se alternează rapid” în timp ce AI învață a doua sarcină, spune Erik Delanois la Universitatea din California, San Diego. Acest lucru a ajutat la consolidarea conexiunilor de la prima sarcină care altfel ar fi fost uitată.

Experimentele au arătat cum o rețea neuronală cu vârf antrenată în acest mod ar putea permite unui agent AI să învețe două modele diferite de hrană în căutarea particulelor de hrană simulate, evitând în același timp particulele otrăvitoare.

„O astfel de rețea va avea capacitatea de a combina cunoștințele învățate consecutiv în moduri inteligente și de a aplica această învățare în situații noi – la fel cum fac animalele și oamenii”, spune Hava Siegelmann la Universitatea din Massachusetts Amherst.

Rețelele neuronale în creștere, cu designul lor complex, inspirat din punct de vedere biologic, nu s-au dovedit încă practice pentru utilizare pe scară largă, deoarece este dificil să le antrenezi, spune Siegelmann. Următorii pași mari pentru a demonstra utilitatea acestei metode ar necesita demonstrații cu sarcini mai complexe pe rețele neuronale artificiale utilizate în mod obișnuit de companiile de tehnologie.

Un avantaj al rețelelor neuronale în creștere este că acestea sunt mai eficiente din punct de vedere energetic decât alte rețele neuronale. „Cred că în următorul deceniu sau cam asa ceva va exista un fel de mare impuls pentru o tranziție la o tehnologie de rețea mai puternică”, spune Ryan Golden la Universitatea din California, San Diego. „Este bine să înțelegi aceste lucruri devreme.”

Referința jurnalului: PLOS Biologie Computațională, DOI: 10.1371/journal.pcbi.1010628

Mai multe despre aceste subiecte:

You might also like