هوش مصنوعی از خواب مصنوعی برای یادگیری یک کار جدید بدون فراموش کردن آخرین مورد استفاده می کند

منبع: https://www.newscientist.com/article/2346597-ai-uses-artificial-sleep-to-learn-new-task-without-forgetting-the-last/?utm_campaign=RSS%7CNSNS&utm_source=NSNS&utm_medium=RSS&utm_content=home

محققان خواب را در شبکه عصبی با فعال کردن نورون های مصنوعی شبکه در یک الگوی نویز شبیه سازی کردند. آنها همچنین اطمینان حاصل کردند که صدای الهام گرفته از خواب تقریباً با الگوی شلیک نورون ها در طول جلسات تمرین مطابقت دارد – راهی برای پخش مجدد و تقویت ارتباطات آموخته شده از هر دو کار.

عکس شاتراستاک/زمین

یکی از مزایای شبکه های عصبی اسپیکی این است که نسبت به سایر شبکه های عصبی کارآمدتر انرژی هستند. می‌گوید: «من فکر می‌کنم در یک دهه آینده یک فشار بزرگ برای انتقال به فناوری شبکه‌های پیشرفته‌تر به جای آن وجود خواهد داشت. رایان گلدن در دانشگاه کالیفرنیا در سن دیگو. “خوب است که این چیزها را زودتر درک کنیم.”

می‌گوید: «چنین شبکه‌ای توانایی ترکیب دانش کسب‌شده متوالی را به روش‌های هوشمندانه و به کارگیری آن یادگیری در موقعیت‌های جدید خواهد داشت، درست مانند حیوانات و انسان‌ها». هاوا سیگلمن در دانشگاه ماساچوست در آمهرست.

بسیاری از هوش مصنوعی‌ها فقط می‌توانند بر مجموعه‌ای از وظایف به‌خوبی تعریف‌شده تسلط پیدا کنند – آنها نمی‌توانند دانش اضافی را بعداً بدون از دست دادن همه چیزهایی که قبلاً آموخته‌اند یاد بگیرند. می‌گوید: «اگر می‌خواهید سیستم‌هایی ایجاد کنید که به اصطلاح مادام‌العمر آموزش ببینند، مشکل پیش می‌آید پاول ساندا در آکادمی علوم چک در جمهوری چک. یادگیری مادام‌العمر نحوه جمع‌آوری دانش برای سازگاری و حل چالش‌های آینده است.

در عوض، آزمایش‌های بعدی نشان داد که “داشتن جلسات تمرین و خواب متناوب سریع” مهم است در حالی که هوش مصنوعی وظیفه دوم را یاد گرفته است. اریک دلانوا در دانشگاه کالیفرنیا در سن دیگو. این به استحکام پیوندهای اولین کار کمک کرد که در غیر این صورت نادیده گرفته می شد.

سیگلمن می‌گوید: شبکه‌های عصبی اسپایک، با طراحی پیچیده‌ای که از بیولوژیکی الهام گرفته‌اند، هنوز برای استفاده گسترده عملی نشده‌اند، زیرا آموزش آن‌ها دشوار است. گام های بزرگ بعدی برای نشان دادن سودمندی این روش مستلزم نمایش هایی با وظایف پیچیده تر در شبکه های عصبی مصنوعی است که معمولاً توسط شرکت های فناوری استفاده می شود.

توسط جرمی هسو