Körbe ért a mély tanulás

A mesterséges intelligencia területén dolgozó kutatók gyakran merítettek ihletet az emberi agyról szerzett ismeretekből. Azonban mostanra látszólag a mesterséges intelligenciák viszonozzák a szívességet.

Annak ellenére, hogy nem kifejezetten ebből a célból hozták létre őket, bizonyos mesterséges intelligencia rendszerek sokkal jobban megközelítik az agy működését mint korábban gondolták. Ez arra utal, hogy az MI-knek és az agynak is hasonló problémákat kellet megoldania és mindezt hasonló módon közelítették meg. Amennyiben ez igaznak bizonyul, a mesterséges intelligenciák működésének megfigyelésével a kutatók jobban megérthetik az agyunk működésének rejtélyeit is.

“Itt valódi kapcsolat van,” mondta Daniel Yamins, a Stanford Egyetem pszichológia docense és az egyetem  idegtudományos intézetének kutatója, akinek a laboratóriuma kiemelten a számítástechnikai idegtudománnyal és a mesterséges intelligenciákkal foglalkozik.

A mesterséges intelligenciák a kezdetektől fogva mélyen merítettek az emberi agyból és ennek hatására fejlesztették ki a neurális hálózatot, ami az idegrendszer leegyszerűsített változata. Ezeket az algoritmusokat gyakran kritizálták, mivel a működésük biológiailag lehetetlen lenne – köszönhetően a túlzott egyszerűségüknek. Azonban a számítástechnikai kutatókat nem érdekelte a biológusok aggályai, így elkezdtek azon dolgozni, hogy a rendszereket kiterjesszék, hogy az algoritmusok képesek legyenek bizonyos feladatok megoldására – ezt nevezzük ma mély tanulásnak (deep learning).

2012-ben nagy meglepetés történt. Egy mély tanulásos neurális hálózatnak képes volt olyan pontossággal tárgyakat felismerni, mint egy ember. Ez felvetette a kérdést, ‘mégis, hogyan sikerülhetett ez?’

A válasz: ugyanolyan módon mint, ahogy az agynak. 2014-ben Yamins munkatársaival megmutatta, hogy a módszer, amivel a rendszer azonosítja a tárgyakat valójában nagyon hasonlított arra, ahogyan az agy a vizuális információkat feldolgozza. Valójában a rendszer számításai jobban lemodellezték az agy vizuális folyamatait, mint bármely korábbi modell – melyeket egyébként direkt erre a célra fejlesztettek ki.

Ebben az időben más kutatócsapatok is hasonló következtetésekre jutottak – a látást a mozgással is kiegészítve – és igazolták a felfedezést, miszerint az agy és a mély tanulás hasonló módokat dolgoztak ki a problémák megoldására. A legújabb felfedezés pedig, hogy a hallási rendszereknél is hasonlóságok figyelhetőek meg.

Amíg ez nem egy nagy meglepetés, ha arra gondolunk, hogy a technológia alapjait éppen az agy adta. Viszont a technológiák sikere egy másik okra vezethető vissza, mégpedig a kutatócsapatok döntésére, hogy a céljuk nem az idegrendszer és annak működésének pontos lemásolása legyen, hanem hogy a rendszerek célja egy adott probléma megoldása legyen – például egy képen lévő tárgy azonosítása. Miután a rendszer kidolgozta a probléma megoldásának a módját, csak azután kezdett igazán hasonlítani arra ahogy az agy is megoldana egy hasonló problémát.

A kutatók szerint a hasonlóság az evolúció és a természetes kiválasztódás hozománya, mivel az állatoknál rendkívül nagy jelentősége volt a tárgyak felismerésének. Emiatt az ősi állatok valószínűleg hasonló fejlődésen mentek keresztül, mint amin most a számítógépes algoritmusok.

Azonban az okoktól függetlenül, a kutatók szerint nagy jelentősége lehet ezeknek a célorientált algoritmusoknak az idegrendszer különböző részeinek a lemodellezésében – és ezáltal azok jobb megértésében is. A 2014-es kutatás óta a csapat több más irányba is kiterjesztette a kutatást – például megvizsgálták a rágcsálók bajszából jövő idegi válaszreakciókat.

Az eddigi legambiciózusabb projektjükben pedig azt vizsgálták, hogy az újszülöttek hogyan tanulnak a játékon keresztül. Az újszülötteket szimuláló egyszerű számítógépes algoritmusokat egyedül a kíváncsiság motiválta. Ez az algoritmus a környezetet és különböző tárgyakat megvizsgálva fedezte fel, hogy milyen következményei vannak a mozdulatainak – például mi történik, ha meglök egy labdát. Mindeközben az algoritmus képes volt megállapítani, hogy melyek azok a dolgok, amiket nem ért és ezért minden erejével azon volt, hogy kiderítse azt.

Amíg a számítógépes szimulációnál az ‘élet’ úgy kezdődik, hogy lényegébe véve semmit nem tud a világról, viszont idővel rájön, hogy hogyan csoportosíthat tárgyakat és mit csinálhat velük. Jelenleg még nem sok értelme lenne ezt a neurális hálózatot újszülöttekhez hasonlítani, azonban még így is segíthet a modell jobban megérteni, hogy a gyerekek hogyan tanulnak a játékkal.

Másrészről a mesterséges intelligencia segíthet abban is, hogy kiderítsék az agy eddig ismeretlen funkciójú részeit – például a vizuális agykéreg bizonyos struktúráit, amelyek különböző fajta tárgyakra reagálnak. Az egyik ilyen struktúra az arcok felismeréséért felelős és szinte csak akkor aktiválódik, amikor épp egy arcra nézünk.

Azonban annak ellenére, hogy bizonyos struktúrák funkciója ismert, az egyáltalán nem tisztázott, hogy miért is léteznek, mivel például az agynak nincs szüksége az arc struktúrára, hogy arcokat ismerjen fel. Azonban mivel a tárgyak felismerésének feladata már megoldott, ezért a kutatók már elkezdhetik megválaszolni, hogy milyen előnyei vannak ennek a szerveződésnek az állatok számára.

Viszont még más problémákat is meg kell oldani. Jelenleg a MI-knek még lényegesen több tréningre van szükségük ahhoz, hogy felismerjenek egy tárgyat – és ez felveti a kérdést, hogy az emberek miért ilyen sikeresek ennyivel kevesebb adattal.

A másik kérdés pedig, hogy hogyan tudnak majd továbblépni az érzékeléstől. A kutatók szerint egy logikus következő lépés a bejövő információkból való döntéshozatal és az emlékezés lenne, ami kapcsolatot teremtene a különböző érzékelő rendszerek között.

Egy ilyen rendszer lehetővé tenné, hogy a mesterséges intelligenciák több különböző feladatot is el tudjanak látni és azok között értelem szerűen tudjanak váltani.

Ezekkel a fejlesztésekkel egy sokkal jobb képességű mesterséges intelligenciát kaphatunk, ami nem csak az idegkutatásban segíthet, hanem rengeteg más felhasználási terület is lehet.

Forrás: cell.com

Szerkesztő: arsratio

Oszd meg

Hozzászólás küldése

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöljük.