Des scientifiques de l'Imperial College de Londres ont confirmé leur hypothèse selon laquelle l'utilisation de différents types de neurones artificiels (unités de calcul) dans la création de systèmes d'intelligence artificielle (IA) augmente l'efficacité des réseaux de neurones. Cette idée a été poussée aux scientifiques par la structure du cerveau humain et des flocons de neige.
Dans la nature, il n'y a pas deux flocons de neige identiques, ni des neurones identiques dans le cerveau des mammifères. Selon des scientifiques britanniques, précisément parce que les réseaux artificiels ont exactement les mêmes neurones, le cerveau humain surpasse encore l'IA à bien des égards - il apprend plus rapidement, s'adapte aux conditions changeantes, passe d'une tâche à une autre.
Le neuroscientifique computationnel Daniel Goodman, qui a participé à l'étude publiée dans la revue Nature Communications, a expliqué à NEO.LIFE la différence entre apprendre et s'adapter aux circonstances changeantes du cerveau humain et de l'IA.
L'IA peut être entraînée, par exemple, dans le célèbre jeu vidéo d'arcade Pong. « Il y a deux raquettes se déplaçant le long des bords du terrain et frappant alternativement la balle. Une IA entraînée jouera parfaitement à ce jeu. Mieux qu'humain, dit Goodman. "Cependant, cela vaut la peine de rapprocher les palettes d'au moins un pixel les unes des autres, et l'IA ne pourra pas y jouer, car elle n'est entraînée que pour des paramètres spécifiques du jeu et ne peut en gérer aucun, même le le plus insignifiant, des changements dans celui-ci." Un tel problème n'existe pas chez l'homme, et la raison, selon le scientifique, réside dans le fait que tous les neurones du cerveau humain sont différents.
L'Imperial College Intelligent Systems and Networks Lab a légèrement modifié chaque composant du réseau de neurones, sur le modèle du cerveau, ce qui a augmenté l'efficacité et la précision de son travail de 20 %. De plus, les scientifiques ont essayé de reproduire le plus précisément possible le travail impulsionnel des réseaux cérébraux, ce qui a également augmenté l'efficacité du réseau de neurones : les performances de l'IA en matière de reconnaissance vocale, de réception et d'interprétation des commandes vocales se sont améliorées. De plus, la modification du temps d'activation des neurones artificiels a permis d'augmenter l'efficacité de l'exécution de tâches avec une composante temporelle, comme la reconnaissance de nombres prononcés à la suite.
À son tour, Parta Mitra, neuroscientifique du laboratoire Cold Spring Harbor à New York, estime qu'il s'agit plutôt de savoir comment les neurones sont organisés. Et selon la façon dont les neurones sont alignés (même s'ils sont identiques), ils peuvent être utilisés pour résoudre différents problèmes.
Mitra et son collègue britannique Goodman pensent que dans un avenir proche, il y aura des systèmes d'IA en plastique construits sur des puces avec divers neurones artificiels - des systèmes neuromorphiques. Et grâce à la plasticité, une caractéristique importante des réseaux de neurones naturels, l'IA sera capable d'apprendre, par exemple, à jouer avec précision au Pong avec des paramètres changeants, selon les scientifiques.
2021-11-25 06:30:52
Auteur: Vitalii Babkin