AI Bulgaria

Ново проучване сочи, че AI моделите, които “спят” и “сънуват”, са по-ефективни

WSCL

Според ново проучване създаването на изкуствен интелект, който спи и сънува, може да доведе до по-добри резултати и по-надеждни модели.

Опитвайки се да възпроизведат архитектурата и поведението на човешкия мозък изследователи от Университета в Катания, представиха нов метод за обучение на изкуствен интелект (AI), вдъхновен от начина, по който човешкият мозък формира дълготрайни спомени по време на сън.

Докато спим, ние предаваме своите краткосрочни спомени от преживяванията и уроците, научени през деня, в нашата дългосрочна памет. По време на този процес мозъкът ни възпроизвежда и укрепва невронните връзки, свързани с наученото в будно състояние.

Според учените този метод на обучение може да се приложи към всеки съществуващ изкуствен интелект.

Предложеният от тях метод, наречен “Wake-Sleep Consolidated Learning” (WSCL), има за цел да преодолее явление, наречено “катастрофално забравяне”, при което AI моделите, обучени на нови задачи, губят способността си да изпълняват предишни такива. Например, модел, обучен да разпознава животни, може да се научи да разпознава различни видове риби, но в следствие на това неволно да загуби способността си да разпознава птици.

Италианските учени са установили, че ако позволят на изкуствения интелект да премине през фази, подобни на сън, между сесиите за обучение, той е в състояние да научи нови задачи, без да забравя предходните. Моделите, използващи WSCL, се обучават по обичайния начин във фаза “будно” състояние. След това те преминават в периоди на “сън”, в които използват изцяло нови данни, получени от смесването на предишни концепции.

Изследването показва, че моделите, обучени чрез този метод, запомнят стари задачи по-добре от традиционно обучените такива. Освен това, процесът на “сънуване” позволява на модела да се подготви за бъдещи знания. Според учените, това води и до повишаване на точността на AI моделите в разпознаването на изображения, като вероятността за правилна идентификация се увеличава с между 2 и 12 процента.

В заключение, новият подход, представен от италианските учени, използва идеи от когнитивната неврология за подобряване на способността за непрекъснато обучение на изкуствените невронни мрежи.

Можете да научите повече тук.

Последвайте ни в социалните мрежи – FacebookInstagramX и LinkedIn!

Остави коментар


The reCAPTCHA verification period has expired. Please reload the page.

Абонирайте се за нашите седмични бюлетини

Получавайте всяка неделя в 10:00ч последно публикуваните в сайта статии

Бюлетини: