على الرغم من أن بنية الدماغ ضحلة جدًا ، إلا أن قدرات التعلم للشبكات العصبية الاصطناعية المستوحاة من الدماغ يمكن أن تتفوق على التعلم العـ..

بناء نوع جديد من الذكاء الاصطناعي الفعال مستوحى من الدماغ

على الرغم من أن بنية الدماغ ضحلة جدًا ، إلا أن قدرات التعلم للشبكات العصبية الاصطناعية المستوحاة من الدماغ يمكن أن تتفوق على التعلم العميق.

تقليديا ، ينبع الذكاء الاصطناعي من ديناميكيات الدماغ البشري. ومع ذلك ، فإن تعلم الدماغ مقيد في عدد من الجوانب المهمة مقارنة بالتعلم العميق (DL). أولاً ، تتكون هياكل (أبنية) الأسلاك الفعالة من عدة عشرات من طبقات التغذية الأمامية (المتتالية) ، بينما تتكون ديناميكيات الدماغ من بضع طبقات تغذية فقط. ثانيًا ، تتكون معماريات DL عادةً من العديد من طبقات المرشحات المتتالية ، والتي تعد ضرورية لتحديد إحدى فئات الإدخال. إذا كان الإدخال عبارة عن سيارة ، على سبيل المثال ، فإن الفلتر الأول يحدد العجلات ، والثاني يحدد الأبواب ، والثالث يضيء وبعد العديد من المرشحات الإضافية يتضح أن كائن الإدخال هو بالفعل سيارة. على العكس من ذلك ، تحتوي ديناميكيات الدماغ على مرشح واحد يقع بالقرب من شبكية العين.

هل يمكن للدماغ ، بإدراكه المحدود للعمليات الحسابية الدقيقة ، أن ينافس أنظمة الذكاء الاصطناعي المتقدمة المطبقة على أجهزة كمبيوتر سريعة ومتوازية؟ من تجربتنا اليومية ، نعلم أنه بالنسبة للعديد من المهام ، الإجابة هي نعم! لماذا هذا ، وبالنظر إلى هذه الإجابة الإيجابية ، هل يمكن للمرء أن يبني نوعًا جديدًا من الذكاء الاصطناعي الفعال المستوحى من الدماغ؟ في مقال نُشر اليوم (30 كانون الثاني) في مجلة Scientific Reports 

“لقد أظهرنا أن التعلم الفعال على بنية شجرة اصطناعية ، حيث يكون لكل وزن مسار واحد إلى وحدة الإخراج ، يمكن أن يحقق معدلات نجاح تصنيف أفضل مما حققته سابقًا معماريات DL التي تتكون من طبقات وفلاتر أكثر. قال البروفيسور إيدو كانتر ، من قسم الفيزياء في بار إيلان ومركز جوندا (Goldschmied) متعدد التخصصات لأبحاث الدماغ ، الذي قاد البحث ، إن هذا الاكتشاف يمهد الطريق لأجهزة وخوارزميات ذكاء اصطناعي جديدة فعالة ومستوحاة بيولوجيًا.

وأضاف: “تمثل معماريات الأشجار شديدة التقليم خطوة نحو تحقيق بيولوجي معقول لتعلم الشجرة التغصنية بكفاءة بواسطة خلية عصبية واحدة أو عدة خلايا عصبية ، مع تقليل التعقيد واستهلاك الطاقة ، والإدراك البيولوجي لآلية التكاثر العكسي ، والتي تعد حاليًا التقنية المركزية في الذكاء الاصطناعي ،” يوفال مئير ، طالب دكتوراه ومساهم في هذا العمل.

يعتمد التعلم الفعال للأشجار التغصنية على بحث سابق أجراه كانتر وفريقه البحثي التجريبي – والذي أجراه الدكتور روني فاردي – مما يشير إلى وجود دليل على التكيف دون التغصني باستخدام الثقافات العصبية ، جنبًا إلى جنب مع الخصائص الأخرى متباينة الخواص للخلايا العصبية ، مثل الأشكال الموجية المتصاعدة المختلفة ، المقاومة للحرارة فترات ومعدلات الإرسال القصوى .

يتطلب التنفيذ الفعال للتدريب على الأشجار شديدة التقليم نوعًا جديدًا من الأجهزة يختلف عن وحدات معالجة الرسومات الناشئة التي تتلاءم بشكل أفضل مع استراتيجية DL الحالية. مطلوب ظهور أجهزة جديدة لتقليد ديناميكيات الدماغ بكفاءة.

شاهد أيضاً

اختراق في تكنولوجيا النانو: غشاء رقيق للغاية للكهرباء الفيروكهربائية لإطلاق العنان لأجهزة إلكترونية أصغر حجمًا وأكثر كفاءة

اختراق في تكنولوجيا النانو: غشاء رقيق للغاية للكهرباء الفيروكهربائية لإطلاق العنان لأجهزة إلكترونية أصغر حجمًا وأكثر كفاءة

قام باحثو جامعة ناغويا بتصنيع أنحف صفائح نانوية BaTiO 3 على الإطلاق عند 1.8 نانومتر ، متغلبين على …

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *