دانشمندان با تحقیقات گسترده ای که در زمینه هوش مصنوعی انجام داده اند دریافته اند که تنوع بین سلول‌های مغز ممکن است سرعت یادگیری و بهبود عملکرد مغز و هوش مصنوعی را در آینده افزایش دهد. مطالعه جدید نشان داد که با تغییر خواص الکتریکی سلول های منفرد در شبیه سازی شبکه های مغزی ، شبکه ها سریع تر از شبیه سازی با سلول های یکسان یاد می گیرند.
این تحقیقات همچنان نشان داد که شبکه ها برای به دست آوردن نتایج مشابه به سلول های بهینه سازی شده کمتری نیاز دارند و این روش نسبت به مدل هایی با سلول های یکسان انرژی کمتری مصرف می کند.
نکته مهم اینجا است که این نتایج می تواند عامل اصلی یادگیری در سلول های مغزی را شناسایی کند. بنابراین می تواند به ما کمک کند تا سیستم‌های هوشمند مصنوعی بهتری مانند دستیارهای دیجیتالی که می‌توانند صداها و چهره‌ها را تشخیص دهند یا فناوری خودروهای خودران بسازیم.
به گفته سرپرست این تحقیقات که نیکلاس پرز نام دارد و دانشجوی دکترا رشته مهندسی برق و الکترونیک دانشگاه امپریال لندن است می گوید: مغز احتیاج به انرژی بالایی دارد. ضمن این که مسئول تجزیه و تحلیل و درک همه داده هایی است که از اندام ها به آن می رسد. بنابراین این تحقیقات نشان می دهد که داشتن تنوعی از نورون ها در هم مغز و هم سیستم های هوش مصنوعی هر دو این الزامات را برآورده می کنند و می توانند باعث تقویت یادگیری باشند
چرا یک نورون شبیه دانه برف است؟
مغز از میلیاردها سلول به نام نورون تشکیل شده است که توسط “شبکه های عصبی” وسیعی به هم متصل شده اند که به ما امکان می دهد در مورد جهان بیاموزیم ، حس کنیم و دنیای پیرامون خود را درک کنیم. نورون‌ها مانند دانه های برف هستند: آنها از دور یکسان به نظر می رسند، اما با بررسی بیشتر مشخص می‌شود که هیچ دو نورونی دقیقا شبیه به هم نیست. در مقابل ، هر سلول در یک شبکه عصبی مصنوعی – فناوری که هوش مصنوعی مبتنی بر آن است – یکسان است و فقط اتصال آنها متفاوت است. علی رغم سرعتی که فناوری هوش مصنوعی در حال پیشرفت است ، شبکه های عصبی آن ها به اندازه مغز انسان دقیق یا سریع نیستند و در مورد آموزش و درک بسیار کندتر از انسان عمل می کنند. اکنون مشخص شده است که عدم تنوع سلولی مهم ترین علت این رخداد است.
آنها به بررسی این موضوع پرداختند که آیا تقلید از مغز با ویژگی های سلولی شبکه عصبی متفاوت می تواند یادگیری در هوش مصنوعی را تقویت کند یا خیر و در نتیجه دریافتند که تنوع در سلول ها باعث بهبود یادگیری آنها و کاهش مصرف انرژی می شود.
این مسئله می تواند آینده یادگیری را در انسان ها نیز دچار تحولات بسیاری کند. به طور مثال در میزان یادگیری ریاضیات یا درک مسائل جبر در انسان ها تاثیرگذار باشد ، بنابراین این فرضیه ایجاد می شود که با تغییرات ژنتیکی در این زمینه و ایجاد سلول هایی که توانایی درک و تحلیل را افزایش می دهند انسان هایی با قابلیت فوق العاده خلق کرد. این مسئله در مورد هوش مصنوعی نیز کاربرد دارد.
با توجه به اهمیتی که این تحقیقات دارد و نتایج خارق العاده ای که از آن به دست آمده است به نظر می رسد که آموزش دروس بسیار مهم و کاربردی چون ریاضیات، فیزیک، جبر و مثلثات دچار تحول عظیمی می شود.
زمان بندی اصلاح شده
برای انجام این مطالعه ، محققان بر روی تغییر “ثابت زمانی” تمرکز کردند – یعنی اینکه هر سلول با چه سرعتی در مورد آنچه سلول های متصل به آن انجام می دهند، تصمیم می گیرد که واکنش انجام دهد. برخی از سلول‌ها خیلی سریع تصمیم می‌گیرند و فقط به واکنش اخیر سلول های مجاور اهمیت می دهند. سلول‌های دیگر کندتر واکنش نشان می‌دهند ، و تصمیم خود را بر اساس آنچه سلول‌های دیگر برای مدت طولانی انجام داده اند اتخاد می کنند.
پس از تغییر ثابت های زمانی سلول ها ، آنها شبکه را موظف به انجام برخی از وظایف یادگیری ماشینی معیار کردند: به طور مثال طبقه بندی تصاویر لباس ها و ارقام دست نویس. تشخیص حرکات انسان ؛ و برای شناسایی ارقام و دستورات گفتاری. نتایج نشان می‌دهد که با اجازه دادن به شبکه برای ترکیب اطلاعات کند و سریع ، بهتر می توان وظایف را در تنظیمات پیچیده تر و در دنیای واقعی حل کرد.
هنگامی که آنها میزان تغییر پذیری را در شبکه های شبیه سازی شده تغییر دادند ، دریافتند شبکه هایی که بهترین عملکرد را داشتند با میزان تغیی رپذیری مشاهده شده در مغز مطابقت داشتند ، که نشان می‌دهد مغز ممکن است به گونه ای تکامل یافته باشد که مقدار مناسبی از تنوع را برای یادگیری بهینه به صورت غریزی داشته باشد.
این تحقیقات نشان داد که هوش مصنوعی را می توان با تقلید از ویژگی های خاص مغز به نحوه عملکرد مغزمان نزدیک کرد. با این حال ، سیستم های هوش مصنوعی فعلی از دستیابی به سطح بهره وری انرژی که در سیستم های بیولوژیکی می یابیم فاصله زیادی دارند.
شاید بتوان با کمک چنین نتایجی انسان های باهوش تری در علم ریاضیات در آینده داشت. همچنین می توان امید داشت که هوش مصنوعی بسیار سریعتر از آنچه امروز شاهد هستیم به کمک چنین فناوری هایی ایجاد شود و بتوان امید داشت که هوش مصنوعی هوشمندتر از انسان را به خدمت گرفت.
