Система искусственного интеллекта самоорганизуется для развития особенностей мозга сложных организмов

Прочитано: 415 раз(а)


Ученые из Кембриджа показали, что наложение физических ограничений на искусственно интеллектуальную систему – почти так же, как человеческий мозг должен развиваться и действовать в рамках физических и биологических ограничений – позволяет ему развивать особенности мозга сложных организмов, чтобы решать задания.

Иризин, индуцируемый физическими упражнениями, уменьшает патологию в головном мозге

По мере того как нервные системы , такие как мозг , организуются и устанавливают связи, им приходится балансировать конкурирующие потребности. Например, энергия и ресурсы необходимы для роста и поддержания сети в физическом пространстве , одновременно оптимизируя сеть для обработки информации. Этот компромисс формирует мозг всех видов внутри и между видами, что может помочь объяснить, почему многие мозги сходятся в схожих организационных решениях.

Яша Ахтерберг, научный сотрудник Гейтса из отдела познания и наук о мозге Совета медицинских исследований (MRC CBSU) Кембриджского университета, сказал: «Мозг не только отлично справляется с решением сложных задач, но и делает это, используя очень мало энергии . В новой работе мы показываем, что рассмотрение способностей мозга решать проблемы наряду с его целью тратить как можно меньше ресурсов может помочь нам понять, почему мозг выглядит так, как он есть».

Соведущий автор доктор Даньял Акарджа, также из MRC CBSU, добавил: «Это вытекает из широкого принципа, который заключается в том, что биологические системы обычно развиваются, чтобы максимально эффективно использовать имеющиеся у них энергетические ресурсы. часто очень элегантны и отражают навязанные им компромиссы между различными силами».

В исследовании, опубликованном в журнале Nature Machine Intelligence, Ахтерберг, Акарка и коллеги создали искусственную систему, предназначенную для моделирования очень упрощенной версии мозга и применили физические ограничения. Они обнаружили, что их система в дальнейшем развила определенные ключевые характеристики и тактики, аналогичные тем, которые обнаружены в человеческом мозге.

Вместо реальных нейронов система использовала вычислительные узлы. Нейроны и узлы схожи по функциям: каждый из них принимает входные данные, преобразует их и выдает выходные данные, а один узел или нейрон может соединяться с несколькими другими, при этом вся входная информация подлежит вычислению.

Однако в своей системе исследователи применили к системе «физические» ограничения. Каждому узлу было выделено определенное место в виртуальном пространстве, и чем дальше находились два узла, тем сложнее им было общаться. Это похоже на то, как организованы нейроны человеческого мозга.

Исследователи дали системе простую задачу для выполнения — в данном случае упрощенную версию задачи навигации по лабиринту, которую обычно задают таким животным, как крысы и макаки, ​​при изучении мозга, где ей приходится объединить несколько фрагментов информации, чтобы выбрать кратчайший путь. маршрут до конечной точки.

Одна из причин, по которой команда выбрала именно эту задачу, заключается в том, что для ее выполнения системе необходимо поддерживать ряд элементов — начальное местоположение, конечное местоположение и промежуточные шаги — и как только она научится выполнять задачу надежно, можно будет наблюдайте в разные моменты судебного разбирательства, какие узлы важны. Например, один конкретный кластер узлов может кодировать места завершения, а другие — доступные маршруты, и можно отслеживать, какие узлы активны на разных этапах задачи.

Изначально система не знает, как выполнить задачу, и допускает ошибки. Но когда ему дают обратную связь, он постепенно учится лучше справляться с задачей. Он учится, изменяя силу связей между своими узлами, подобно тому, как меняется сила связей между клетками мозга по мере нашего обучения. Затем система повторяет задачу снова и снова, пока в конечном итоге не научится выполнять ее правильно.

Однако в их системе физические ограничения означали, что чем дальше находились два узла, тем труднее было построить соединение между двумя узлами в ответ на обратную связь. В человеческом мозгу создание и поддержание связей, охватывающих большие физические расстояния, обходится дорого.

Когда системе было предложено выполнить задачу при этих ограничениях, она использовала некоторые из тех же приемов, которые использует реальный человеческий мозг для решения задачи. Например, чтобы обойти ограничения, искусственные системы начали создавать хабы — узлы с высокой степенью связи, которые действуют как каналы для передачи информации по сети.

Однако более удивительным было то, что сами профили реагирования отдельных узлов начали меняться: другими словами, вместо того, чтобы иметь систему, в которой каждый узел кодирует одно конкретное свойство задачи лабиринта, например местоположение цели или следующий выбор, узлы разработал «гибкую схему кодирования». Это означает, что в разные моменты времени узлы могут активировать сочетание свойств лабиринта. Например, один и тот же узел может кодировать несколько мест лабиринта вместо того, чтобы нуждаться в специализированных узлах для кодирования определенных мест. Это еще одна особенность, наблюдаемая в мозге сложных организмов.

Ученые нашли способ использовать глубокую симуляцию мозга для выявления депрессии

Соавтор профессор Дункан Эстл с кафедры психиатрии Кембриджа сказал: «Это простое ограничение — труднее соединить узлы, находящиеся далеко друг от друга, — заставляет искусственные системы производить некоторые довольно сложные характеристики. Интересно, что это характеристики, общие для биологических систем, таких как человеческий мозг . Я думаю, это говорит нам нечто фундаментальное о том, почему наш мозг устроен именно так».

Понимание человеческого мозга

Команда надеется, что их система искусственного интеллекта сможет пролить свет на то, как эти ограничения формируют различия между мозгом людей и способствуют различиям, наблюдаемым у тех, кто испытывает трудности с когнитивными способностями или психическим здоровьем.

Соавтор профессор Джон Дункан из MRC CBSU сказал: «Эти искусственные мозги дают нам возможность понять богатые и сбивающие с толку данные, которые мы видим, когда активность реальных нейронов записывается в реальном мозге».

Ахтерберг добавил: «Искусственный «мозг» позволяет нам задавать вопросы, на которые было бы невозможно взглянуть в реальной биологической системе. Мы можем обучить систему выполнять задачи, а затем экспериментально поиграться с ограничениями, которые мы налагаем, чтобы увидеть, будут ли они начинает больше походить на мозг отдельных людей».

Последствия для проектирования будущих систем искусственного интеллекта

Результаты, вероятно, будут интересны и сообществу ИИ, поскольку они могут позволить разработать более эффективные системы, особенно в ситуациях, когда вероятны физические ограничения.

Доктор Акарка сказал: «Исследователи искусственного интеллекта постоянно пытаются придумать, как создать сложные нейронные системы, которые могут гибко и эффективно кодировать и работать. Мы думаем, что для достижения этой цели нейробиология даст нам много вдохновения. Например, общая стоимость подключения созданной нами системы намного ниже, чем в типичной системе искусственного интеллекта».

Многие современные решения искусственного интеллекта предполагают использование архитектур, лишь внешне напоминающих мозг. Исследователи говорят, что их работа показывает, что тип проблемы, которую решает ИИ, будет влиять на то, какую архитектуру использовать наиболее эффективно.

Ахтерберг сказал: «Если вы хотите создать систему искусственного интеллекта, которая решает проблемы, аналогичные человеческим, то в конечном итоге система будет выглядеть гораздо ближе к реальному мозгу, чем системы, работающие на больших вычислительных кластерах, которые специализируются на совсем других задачах, чем те, которые Архитектура и структура, которые мы видим в нашем искусственном «мозге», существуют потому, что они полезны для решения конкретных задач, связанных с мозгом, с которыми он сталкивается».

Это означает, что роботы, которым приходится обрабатывать большое количество постоянно меняющейся информации с ограниченными энергетическими ресурсами, могли бы извлечь выгоду из структуры мозга, не отличающейся от нашей.

Ахтерберг добавил: «Мозги роботов, которые развернуты в реальном физическом мире, вероятно, будут больше похожи на наш мозг, потому что они могут столкнуться с теми же проблемами, что и мы».

«Им необходимо постоянно обрабатывать новую информацию, поступающую через их датчики, одновременно управляя своими телами, чтобы двигаться в пространстве к цели. Многим системам придется выполнять все свои вычисления с ограниченным запасом электрической энергии и, таким образом, чтобы сбалансировать эти энергетические ограничения с помощью учитывая количество информации, которое ему необходимо обработать, ему, вероятно, понадобится структура мозга, подобная нашей».

Исследование показало, что даже простые движения вызывают рябь в мозгу



Новости партнеров