Minha Visão

Um Novo Cérebro de Inspiração Método de Aprendizagem por AI Economiza Memória e Energia

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


Apesar da freqüente de analogias, de hoje AI opera em princípios muito diferentes para o cérebro humano. Agora, os pesquisadores têm proposto uma nova aprendizagem método mais intimamente ligada à biologia, o que eles acham que poderia nos ajudar a abordagem do cérebro uma eficácia incomparável.

Moderno profunda de aprendizado é, no mínimo, biologicamente inspirado, de codificação de informações, na força das ligações entre as grandes redes individuais de computação em unidades conhecidas como neurônios. Provavelmente a maior diferença, porém, é a forma como esses neurônios se comunicam uns com os outros.

Redes neurais artificiais são organizadas em camadas, com cada neurônio normalmente conectado a todos os neurônios da camada seguinte. Informações passa entre as camadas, em um ambiente altamente forma sincronizada como números de cair em um intervalo que determina a força de ligação entre os pares de neurônios.

Biológica neurônios, por outro lado, se comunicar por e-disparar impulsos elétricos conhecido como picos, e cada neurônio faz isso em sua própria agenda. As conexões não são nitidamente dividida em camadas e apresentam muitos loops de feedback que significa que a saída de um neurônio, muitas vezes, acaba impactando a sua entrada em algum lugar abaixo da linha.

Esse pico baseado abordagem é muito mais eficiente de energia, que é a razão da formação a mais poderosa AI requer quilowatts de eletricidade enquanto o cérebro usa apenas 20 watts. Que levou a um interesse crescente no desenvolvimento de artificial spiking neural networks, bem como os chamados neuromorphic hardware—chips de computador que simulam a física organização e princípios do cérebro—que poderia executá-los de forma mais eficiente.

Mas a nossa compreensão desses spike abordagens de base ainda é fraca, e eles lutam para alcançar o desempenho dos mais convencionais de redes neurais artificiais. Agora, porém, pesquisadores da Universidade técnica de Graz, na Áustria, acho que eles podem ter encontrado uma maneira de aproximar o poder do aprendizado profundo usando um biológica plausível abordagem de aprendizagem que funciona com o spiking neural networks.

Em uma aprendizagem mais profunda a rede é treinada por começá-lo para fazer previsões sobre os dados e, em seguida, avaliar o quão longe ele está. Este erro é alimentado então para trás através da rede a guia de ajustes na força das conexões entre os neurônios. Este processo é chamado de backpropagation, e ao longo de muitas iterações irão sintonizar a rede até que ele faz previsões precisas.

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Uma abordagem semelhante pode ser aplicado para a fortificação das redes neurais, mas requer enormes quantidades de memória. É também claro que esta não é a forma como o cérebro resolve o problema de aprendizagem, porque requer que os sinais de erro a ser enviado para trás no tempo e espaço através de sinapses entre os neurônios, o que é claramente impossível.

Isso levou os pesquisadores, que fazem parte do Projeto Cérebro Humano, a olhar para duas características que tornaram-se claras em neurociência experimental de dados: cada neurônio manters uma memória da atividade anterior no formulário de marcadores moleculares que, lentamente, desaparecer com o tempo; e o cérebro fornece top-down de aprendizagem de sinais usando coisas como o neurotransmissor dopamina, que modulam as o comportamento de grupos de neurônios.

Em um papel A Natureza Das Comunicações, o Equipe austríaca descrevers como eles criamd artificial farmacêutica estas duas características para criar um novo paradigma de aprendizagem que eles chamam de e-prop. Enquanto a abordagem aprende mais lento do que o backpropagation com base em métodos, obtém desempenho comparável.

Mais importante ainda, permite a aprendizagem on-line. Isso significa que, em vez de processar grandes lotes de dados de uma só vez, o que exige constante de transferência para e da memória, que contribui significativamente para a aprendizagem de máquina é de contas de energia, a abordagem simplesmente aprende a partir de dados como ele se torna disponível. Que dramaticamente corta a quantidade de memória e a energia de que necessita, o que o torna muito mais prático para usar em-chip de aprendizagem em pequenos dispositivos móveis.

A equipe agora está trabalhando com pesquisadores da Intel para integrar a abordagem com a próxima versão da empresa neuromorphic chip Loihi, que é otimizado para a fortificação das redes. Eles também estão se unindo com os colegas de Projeto Cérebro Humano pesquisadores da Universidade de Manchester para aplicar e-prop para o neuromorphic supercomputador SpiNNaker.

Ainda há um longo caminho a percorrer antes que a técnica pode combinar o poder dos líderes de hoje AI. Mas, se nos ajuda a iniciar a abordagem da eficiência vemos em cérebros biológicos, pode não ser muito antes AI está em toda parte.

Crédito Da Imagem: Gerd Altmann de Pixabay

READ  Mundo cultivado pela primeira vez o bacon e a barriga de porco
cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *