洛杉磯-(2020年12月16日)讓計算機(jī)像人一樣思考是人工智能的圣杯，但人腦很難跟上。人的大腦是一個大師，他把以前學(xué)過的東西應(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)使用大腦活動的計算模型比以前更精確地模擬了這個過程。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)計提供信息。
Salk計算神經(jīng)生物學(xué)實驗室負(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)，可能會讓這些系統(tǒng)學(xué)東西更快，或者找到解決問題的新方法?！边@項新工作發(fā)表在2020年11月24日的《美國國家科學(xué)院院刊》上。
人類和其他哺乳動物的大腦以其快速處理刺激(如視覺和聲音)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。長期以來，這種將知識應(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)計機(jī)器學(xué)習(xí)程序或人工大腦時的目標(biāo)。歷史上，當(dāng)一臺機(jī)器被教會完成一項任務(wù)時，機(jī)器很難學(xué)會如何將這些知識應(yīng)用于類似的任務(wù)。相反，每一個相關(guān)的過程都必須單獨教授。
在目前的研究中，Sejnowski的團(tuán)隊設(shè)計了一個新的計算模型框架，用于在認(rèn)知測試(稱為威斯康星卡片分類測試)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。在這項任務(wù)中，參與者必須根據(jù)顏色、符號或數(shù)字對卡片進(jìn)行分類，并隨著卡片分類規(guī)則的變化不斷調(diào)整答案。這項測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評估他們的大腦計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任務(wù)中表現(xiàn)不佳。然而，Sejnowski團(tuán)隊的框架整合了神經(jīng)元如何通過門控控制整個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整個網(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)請聯(lián)系刪除！