Текущий успех искусственных нейронных сетей (ИНС) потряс общество не только из-за задач, которые оно уже может решить, но и из-за обещаний, которые этот интеллект сможет выполнять в ближайшем будущем, если его прогресс и развитие будут продолжать расти. с той же скоростью. Хотя этот водоворот искусственного интеллекта получил широкое освещение в СМИ, показывая нам использование, неправильное использование, будущее использование и не очень убедительное использование этой технологии. Фундаментальный вопрос «Как мы учимся?» Остается открытым. Кажется парадоксальным читать в новостях заголовок вроде «Мы можем программировать машины, которые могут учиться», когда мы даже не знаем, как мы учимся. Теперь можно наивно сказать: «Ну, это легко, мы учимся, подражая». Несмотря на то, что это правда, это всего лишь небольшая часть сложного способа обучения животных. А. М. Задор, американский нейробиолог из лаборатории Колд-Спринг-Харбор, делится своими мыслями на эту тему в интересной статье, озаглавленной: «Критика чистого обучения и того, чему искусственные нейронные сети могут научиться у мозга животных». В этих параграфах Задор формирует картину того, что означает «обучение», и различия между этими концепциями, среди прочего, в психологии и информатике. Из этих обсуждений возникает концепция «обучения с учителем» и, как следствие, концепция «обучения без учителя». Хотя обучение без учителя кажется конечной целью схем обучения алгоритмов, это не самая последняя цель. Связывая эволюцию и то, как развивается геном, с тем, как мы обучаем алгоритмам, Задор устанавливает, что может стать следующим ключевым ингредиентом для скачка в производительности ИНС.
Аннотация:
«Искусственные нейронные сети (ИНС) претерпели революцию, вызванную улучшенными контролируемыми алгоритмами обучения. Однако, в отличие от молодых животных (включая людей), для обучения таких сетей требуется огромное количество размеченных примеров, что приводит к убеждению, что животные должны полагаться в основном на обучение без учителя. Здесь мы утверждаем, что большая часть поведения животных не является результатом умных алгоритмов обучения - контролируемых или неконтролируемых - а закодирована в геноме. В частности, животные рождаются с высоко структурированной связью мозга, которая позволяет им очень быстро учиться. Поскольку монтажная схема слишком сложна, чтобы ее можно было явно указать в геноме, ее нужно сжать через «узкое место в геноме». Узкое место в геноме предлагает путь к ИНС, способным к быстрому обучению ».
Вы можете прочитать статью полностью здесь.
Об авторе:
Игнасио Альвизу Фидлер, исследователь глубокого обучения в Brighter AI.
Brighter AI разработал инновационное решение для обеспечения конфиденциальности визуальных данных: Deep Natural Anonymization. Решение заменяет идентифицирующую личность информацию, такую как лица и номерные знаки, искусственными объектами, что позволяет использовать все варианты использования ИИ и аналитики, например беспилотные автомобили и умная розничная торговля. В 2018 году NVIDIA назвала немецкую компанию Самым популярным стартапом в области искусственного интеллекта в Европе.
