بهبود یادگیری بصری هوش مصنوعی با عملکردی شبیه به مغز انسان

به گزارش مجله یک کامپیوتر، دو دانشمند مغز و اعصاب که مدلی بسیار شبیه به یادگیری بصری انسان طراحی نموده اند، می گویند: هوش مصنوعی کامپیوتری هنگامی که برای استفاده روشی سریع تر به منظور یادگیری اجسام جدید برنامه نویسی شد توانست عملکردی شبیه به مغز انسان داشته باشد.

بهبود یادگیری بصری هوش مصنوعی با عملکردی شبیه به مغز انسان

به نقل از یورک الرت، در مجله Frontiers in Computational Neuroscience ، ماکسیمیلیان رایزنهوبر(Maximilian Riesenhuber)، دکترای علوم اعصاب، در مرکز پزشکی دانشگاه جورج تاون(Georgetown) و جوشوا رول(Joshua Rule) فوق دکترا از دانشگاه یو سی برکلی شرح می دهند که چگونه این رویکرد جدید توانایی نرم افزار هوش مصنوعی را به سرعت بهبود می بخشد تا مفاهیم بصری جدید را یاد بگیرید.

رایزنهوبر می گوید: مدل ما روشی بیولوژیکی برای شبکه عصبی هوش مصنوعی فراهم می نماید تا بتواند مفاهیم بصری جدید را با تعداد کمی از نمونه ها یاد بگیرد. ما می توانیم به یادگیری هرچه بهتر کامپیوترها با استفاده نمونه های کم و با بکارگیری یادگیری های پیشین یاری کنیم و فکر می کنیم این همان کاری است که مغز انسان انجام می دهد.

رایزنهوبر شرح می دهد: انسان ها می توانند به سرعت و با دقت مفاهیم تصویری جدیدی را از داده های پراکنده بیاموزند. گاهی فقط به یک نمونه برای یادگیری احتیاج است. حتی نوزادان سه تا چهار ماهه به راحتی می توانند گورخرها را تشخیص دهند و آنها را از گربه ها، اسب ها و زرافه ها متمایز نمایند. اما رایانه ها معمولاً باید نمونه های بسیاری از یک شی معین را ببینند تا بتوانند آن را تشخیص دهند.

وی گفت: تغییر عظیم مورد احتیاج ما طراحی نرم افزاری بود که بتواند ارتباط میان دسته های مختلف بصری را تشخیص دهد به جای آن که رویکردی استانداردتر یعنی شناسایی یک شی براساس اطلاعات سطح پایین مانند شکل و رنگ را پیش بگیرد. قدرت محاسباتی مغز در ساده سازی یادگیری نهفته در توانایی استفاده از آموخته های قبلی است. مغز دارای یک بانک اطلاعاتی از مفاهیمی است که از پیش آموخته است.

رول و رایزنهوبر دریافتند که شبکه های عصبی مصنوعی که نمایانگر اجسامی از پیش آموخته شده بودند، مفاهیم بصری جدید را به طور قابل توجهی با سرعت بیشتر آموختند.

رول می گوید که قصد دارند مفاهیمی سطح بالا اما در نوعی متفاوت از قبل به آنها یاد دهند. به طور مثال آن که پلاتیپوس ها کمی شبیه اردک ها، سگ های آبی و سمورهای دریایی هستند.

رایزنهوبر اضافه کرد: با استفاده مجدد از این مفاهیم، می توانیم راحت تر مفاهیم جدید را به آنها بیاموزیم. مانند اینکه بگوییم گورخر اسب ساده ای است که خطوط راه راه دارد.

ساختار مغز که زیربنای قابلیت یادگیری مفاهیم بصری در انسان است، شامل شبکه عصبی است که در شناسایی اجسام نقش دارد و تصور می گردد که لوب گیجگاهی قدامی مغز نمایانگر مفاهیم انتزاعی است که چیزی فراتر از شکل اجسام است. این سیستم عصبی پیچیده به انسان در یادگیری وظایف جدید یاری می نماید و همچنین به فرد امکان به کارگیری آموخته های قبلی را می دهد.

دانشمندان می گویند، به رغم پیشرفت های زیاد در زمینه هوش مصنوعی هنوز سیستم بصری انسان استانداردترین و بهترین نوع برای تعمیم یک نمونه به نمونه های دیگر برای درک تصاویر و یادگیری است.

رایزنهوبر نتیجه گیری می نماید: یافته های ما نه تنها روش هایی را نشان می دهد که می توانند به کامپیوترها برای یادگیری سریع تر و کارآمدتر یاری نمایند، بلکه می تواند به بهبود آزمایش های علوم اعصاب با هدف درک چگونگی یادگیری سریع در افراد منجر گردد، موضوعی که هنوز به خوبی آن را درک نکرده ایم.

تور تایلند: تور تایلند ارزان قیمت، تور سامویی، تور پوکت، پاتایا، بانکوک، چیانگ مای، کرابی را با ما تجربه کنید.

آموزشگاه ما: آموزشگاه ما | آموزش باید برای همه در دسترس باشد

منبع: همگردی
انتشار: 18 شهریور 1400 بروزرسانی: 18 شهریور 1400 گردآورنده: 1com.ir شناسه مطلب: 51927

به "بهبود یادگیری بصری هوش مصنوعی با عملکردی شبیه به مغز انسان" امتیاز دهید

امتیاز دهید:

دیدگاه های مرتبط با "بهبود یادگیری بصری هوش مصنوعی با عملکردی شبیه به مغز انسان"

* نظرتان را در مورد این مقاله با ما درمیان بگذارید