Как они вдохновляют и продвигаются вместе, чтобы приносить пользу друг другу
Поскольку на карту поставлено так много, необходимость объединения нейробиологии и искусственного интеллекта сейчас как никогда актуальна. - DeepMind
В этой статье мы собираемся исследовать эту тему двумя способами. Как нейробиология вдохновляет ИИ и как ИИ продвигает нейробиологию.
Как нейробиология вдохновляет ИИ
Неврология сыграла ключевую роль в истории искусственного интеллекта. Это послужило источником вдохновения для создания ИИ, подобного человеческому. Есть два способа, которыми нейробиология вдохновляет нас на создание систем искусственного интеллекта. Один - имитирует человеческий интеллект, второй - создает нейронные сети, имитирующие структуру мозга.
Системы искусственного интеллекта, имитирующие человеческий интеллект.
Последние достижения в области искусственного интеллекта берут штурмом СМИ, демонстрируя впечатляющие достижения, такие как:
- надежное распознавание объектов, например, беспилотные автомобили Tesla.
- Играть в видеоигры, чтобы превзойти лучших игроков StarCraft
- Обнаружение рака груди быстрее и лучше врачей
Эти машины могут выполнять задачи и решать проблемы лучше, чем мы, достигая производительности, которая не уступает человеческим возможностям или даже превосходит их. Какими бы впечатляющими они ни казались, они созданы только для того, чтобы превосходно выполнять свои предназначенные функции. Мы все еще далеки от создания искусственного интеллекта человека.
Несмотря на их биологическое вдохновение и достижения в производительности, эти системы искусственного интеллекта во многом отличаются от человеческого интеллекта. Чтобы машина могла учиться или думать как человек, она должна уметь:
- объяснять и понимать проблемы
- обучение для приобретения знаний
- обобщать знания на новые задачи и ситуации
В исследовании KAIST исследователи разработали вычислительный и нейронный механизм для обучения человека мета-подкреплением. Как люди, мы можем адаптироваться к сложности и неопределенности, когда принимаем решения.
Исследователи стремятся создавать модели, которые могут принимать решения, как мы, и решать проблемы так же, как это делают люди. Их открытия открыли возможность того, что достижения в области технологий могут привести к созданию машин, более похожих на людей.
Это постоянное стремление к созданию машин, которые обладают поистине человеческими способностями к обучению и познанию, которые могут учиться и думать так же, как мы. Например, даже с закрытыми глазами мы все равно можем хорошо играть на гитаре. Но для системы искусственного интеллекта, способной играть на гитаре в новой среде (то есть с закрытыми «глазами»), это может не подойти.
Создавайте нейронные сети, имитирующие структуру мозга.
Мы позаимствовали вдохновение из структуры человеческого мозга, чтобы разработать нейронные сети, которые мы знаем сегодня. Идея о нейронах в нейронных сетях имеет сходные характеристики с биологическими нейронами в головном мозге.
Человеческий мозг содержит около 86 миллиардов нейронов, каждый из которых индивидуально связан с другими нейронами. Биологические нейроны - это клетки: когда один из них активируется, он генерирует спайк и посылает сигналы другим нейронам.
Как и человеческий мозг, нейронная сеть машинного обучения также состоит из взаимосвязанных нейронов. Когда нейрон получает входные данные, он активируется и отправляет информацию другим нейронам.
Пластичность нашего мозга позволяет нам учиться и совершенствовать свои навыки. Каждый раз, когда мы узнаем что-то новое, мы создаем и укрепляем связи между нейронами. Вот почему, когда мы выполняем задачу, мы становимся лучше.
Точно так же нейронная сеть обучается, когда мы загружаем ее большим количеством данных. Каждое соединение в нейронной сети связано с весом, который определяет важность между нейронами. В процессе обучения веса настраиваются соответственно, чтобы усилить или ослабить связь между нейронами.
Например, когда мы смотрим на изображение кошки, мы знаем, что это кошка, потому что мы видели достаточно кошек в своей жизни. Точно так же, если мы предоставим нашей нейронной сети достаточное количество изображений кошек, она начнет распознавать кошек.
После понимания того, как нейробиология вдохновляет ИИ на имитацию человеческого интеллекта и построение нейронных сетей, имитирующих структуру мозга; мы собираемся изучить, как ИИ, в свою очередь, способствует развитию нейробиологии.
Как ИИ продвигает нейробиологию
Искусственный интеллект быстро становится бесценным инструментом нейробиологии. Это помогает нам понять, как работает человеческий мозг, и ускорить развитие нейробиологии.
ИИ помогает нам понять, как работает наш мозг.
Нейробиологи изучают, как человеческий мозг обрабатывает мысли и как он движет нашим телом. Зная больше о мозге, мы можем лучше диагностировать психические заболевания и позволить людям с ограниченными возможностями улучшить двигательные способности.
Развитие систем искусственного интеллекта может помочь продвинуть неврологию вперед и раскрыть секреты мозга. Это позволяет нейробиологам и исследователям создавать более совершенные модели для моделирования человеческого мозга.
Нейронные сети действуют как «виртуальный мозг», который фиксирует изображение нашего мозга. Этот виртуальный мозг может создавать паттерны нейронной активности, напоминающие паттерны, записанные в головном мозге. Эти шаблоны позволяют нейробиологам проверять гипотезы и наблюдать за результатами моделирования, прежде чем вкладывать больше ресурсов в реальные испытания на животных и людях.
Однако способ работы систем искусственного интеллекта сильно отличается от нашего мозга. Нейронные сети - это лишь приблизительная аналогия того, как работает мозг, они моделируют нейроны как числа в матрице большой размерности. Но на самом деле наш мозг представляет собой сложный биологический механизм, который использует химическую и электрическую активность. Это отличает нас от машин.
ИИ ускоряет развитие и открытия нейробиологии.
Основная сила машинного обучения заключается в способности распознавать закономерности в сложных данных. Сложность особенно актуальна, когда речь идет об анализе нашего человеческого разума. Сигналы от мозга действительно сложные. С развитием машинного обучения нейробиологи раскрывают секреты совместной работы миллиардов нейронов мозга.
Функциональная магнитно-резонансная томография измеряет активность нашего мозга, обнаруживая изменения в кровотоке. Каждую секунду он создает многомерные снимки мозговой активности. Использование машинного обучения для анализа данных помогает выявить закономерности в деятельности мозга, что ускоряет исследовательскую работу.
Машинное обучение также помогает нам разрабатывать приложения, которые раньше считались невозможными. Korean University разработал экспериментальную среду для управления экзоскелетом нижних конечностей. Пользователи могут управлять экзоскелетом, сосредотачивая свое внимание, глядя на мигающие огни.
Неврология и искусственный интеллект
Человеческий мозг является главным источником вдохновения для создания искусственного интеллекта, подобного человеческому. Исследователи ИИ используют идеи нейробиологии для создания новых алгоритмов.
С другой стороны, искусственный интеллект ускоряет исследования в области нейробиологии. Нейробиологи учатся на поведении искусственных агентов интерпретировать наш мозг.
Естественно, эти две дисциплины подходят друг другу и будут продолжать опираться на идеи друг друга.
Я с оптимизмом смотрю на будущее этого партнерства между нейробиологией и искусственным интеллектом.
Мы призываем исследователей в области нейробиологии и искусственного интеллекта найти общий язык, обеспечивающий свободный обмен знаниями, который позволит непрерывно прогрессировать в обоих направлениях. - DeepMind
