سیستم شبیه سازی شده می تواند به توسعه هوش مصنوعی بهتر ، درمان اختلالات مغزی کمک کند – ScienceDaily

[ad_1]

واداشتن رایانه ها به انسان مانند “فکر کردن” جاذبه مقدس هوش مصنوعی است ، اما دنبال کردن مغز آن دشوار است. مغز انسان در استفاده از دانش قبلی آموخته شده در موقعیت های جدید و بهبود مستمر آموخته ها استاد است. تولید این توانایی در سازگاری دشوار است.

محققان سالک اکنون از یک مدل محاسباتی فعالیت مغز برای شبیه سازی دقیق تر این روند از قبل استفاده کرده اند. مدل جدید تقلید می کند که چگونه قشر پیشانی از پدیده معروف به “بسته شدن” برای کنترل جریان اطلاعات بین مناطق مختلف نورون ها استفاده می کند. نه تنها مغز انسان را روشن می کند ، بلکه می تواند در مورد طراحی برنامه های جدید هوش مصنوعی نیز اطلاع رسانی کند.

ترنس سینووسکی ، رئیس محاسبات گفت: “اگر ما بتوانیم از این مدل برای استفاده در سیستم های پیچیده هوش مصنوعی استفاده كنیم ، می تواند به آن سیستم ها اجازه دهد سریعتر یاد بگیرند یا راه حل های جدیدی برای حل مشکلات پیدا كنند.” آزمایشگاه نوروبیولوژی سالک و نویسنده ارشد اثر جدید منتشر شده در 24 نوامبر سال 2020 ، در اطلاعیه های آکادمی ملی علوم.

مغز انسان و سایر پستانداران به دلیل توانایی در پردازش سریع محرکها – به عنوان مثال مناظر و صدا – و ادغام هرگونه اطلاعات جدید با چیزهایی که مغز از قبل می داند ، شناخته شده است. این انعطاف پذیری برای استفاده از دانش در موقعیت های جدید و یادگیری مادام العمر از مدت ها پیش محققان در حال توسعه برنامه های یادگیری ماشین یا مغز مصنوعی بوده اند. از لحاظ تاریخی ، هنگامی که به ماشینی برای انجام یک کار آموزش داده می شود ، یادگیری چگونگی انطباق این دانش با چنین کاری برای آن مشکل است. در عوض ، هر فرآیند مرتبط باید به صورت جداگانه آموزش داده شود.

در مطالعه حاضر ، گروه Seinovsky چارچوبی جدید برای مدل سازی محاسباتی برای تکرار نحوه رفتار سلولهای عصبی در قشر پیشانی – ناحیه مغز مسئول تصمیم گیری و حافظه فعال – در طی یک آزمون شناختی معروف به آزمون مرتب سازی نقشه ایجاد کردند. ویسکانسین در این کار ، شرکت کنندگان باید کارتها را بر اساس رنگ ، نماد یا تعداد مرتب کنند – و هنگام تغییر قانون مرتب سازی کارت ، دائماً پاسخهای خود را تنظیم کنند. این آزمایش از نظر بالینی برای تشخیص زوال عقل و بیماری های روانی استفاده می شود ، اما همچنین توسط محققان هوش مصنوعی برای ارزیابی اینکه مدل های محاسباتی مغز آنها چگونه می تواند رفتار انسان را تولید کند ، مورد استفاده قرار می گیرد.

مدل های قبلی قشر پیشانی با این کار عملکرد ضعیفی داشته اند. با این حال ، چارچوب تیم Sejnowski ادغام می کند که چگونه نورون ها با بسته شدن ، اطلاعات مختلف را به بخشهای مختلف شبکه کنترل می کنند. تصور بر این بود که گیتینگ در مقیاس کوچک مهم است – برای کنترل جریان اطلاعات در خوشه های کوچک سلول های مشابه – اما این ایده هرگز در مدل های شبکه متصل نشد.

شبکه جدید نه تنها به همان اندازه قابل اعتماد است که افرادی که وظیفه مرتب سازی نقشه ها را در ویسکانسین دارند ، بلکه از خطاهای مشاهده شده در برخی بیماران نیز تقلید می کند. هنگامی که قسمتهایی از مدل برداشته شد ، سیستم همان خطاهایی را که در بیماران با آسیب قشر پیش پیشانی مشاهده شده نشان داد همانهایی که ناشی از ضربه یا زوال عقل است.

بن تسودا ، دانشجوی سالک و اولین نویسنده مقاله جدید گفت: “من فکر می کنم یکی از جالب ترین قسمت های این امر این است که استفاده از این نوع چارچوب مدل سازی به ما ایده بهتری از چگونگی سازماندهی مغز می دهد.” “این پیامدهایی هم در یادگیری ماشینی و هم در درک بهتر برخی از این بیماریها که قشر پیشانی را تحت تأثیر قرار می دهند ، دارد.”

وی افزود اگر محققان درک بهتری از نحوه همکاری مناطق قشر جلوی مغز داشته باشند ، این به راهنمایی مداخلات برای درمان آسیب مغز کمک می کند. به عنوان مثال می تواند مناطقی را برای هدف قرار دادن با تحریک عمیق مغز پیشنهاد کند.

کی تای ، استاد آزمایشگاه سیستم های عصب شناسی و کرسی Salk’s Systems ، گفت: “وقتی به راههایی فکر می کنید که مغز هنوز از شبکه های یادگیری عمیق مدرن پیشی می گیرد ، یکی از این راه ها انعطاف پذیری و عموم وظایف با قوانین مختلف است.” وایلی وال. “در این کار جدید ، ما نشان می دهیم که چگونه جمع آوری اطلاعات می تواند مدل جدید و بهبود یافته قشر پیشانی ما را تقویت کند.”

این تیم سپس می خواهد شبکه را برای انجام کارهای پیچیده تر از آزمون مرتب سازی کارت گسترش دهد و تعیین کند که آیا دامنه شبکه در همه شرایط بهتر به قشر پیشانی مصنوعی قشر مغز می دهد. اگر رویکرد جدید در سناریوهای یادگیری گسترده کار کند ، آنها گمان می کنند که این امر منجر به بهبود سیستم های هوش مصنوعی می شود که می توانند با شرایط جدید سازگارتر باشند.

منبع تاریخچه:

مواد تهیه شده توسط موسسه سالک. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.

[ad_2]

منبع: unbox-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>