Исследователи из MRC Brain Network Dynamics Unit и департамента компьютерных наук Оксфордского университета разработали новый принцип, объясняющий, как мозг регулирует связи между нейронами во время обучения. Это новое понимание может послужить руководством для дальнейших исследований обучения в мозговых сетях и может вдохновить на создание более быстрых и надежных алгоритмов обучения в искусственном интеллекте.

Суть обучения заключается в точном определении того, какие компоненты в конвейере обработки информации ответственны за ошибку в выходных данных. В искусственном интеллекте это достигается обратным распространением: корректировкой параметров модели для уменьшения ошибки в выходных данных. Многие исследователи считают, что мозг использует аналогичный принцип обучения.

Однако биологический мозг превосходит современные системы машинного обучения. Например, мы можем узнать новую информацию, просто увидев ее один раз, в то время как искусственные системы нужно обучать сотни раз одним и тем же фрагментам информации, чтобы усвоить их. Более того, мы можем усваивать новую информацию, сохраняя при этом знания, которые у нас уже есть, в то время как изучение новой информации в искусственных нейронных сетях часто вмешивается в существующие знания и быстро ухудшает их.

Эти наблюдения побудили исследователей определить фундаментальный принцип, используемый мозгом во время обучения. Они рассмотрели некоторые существующие наборы математических уравнений, описывающих изменения в поведении нейронов и синаптических связях между ними. Они проанализировали и смоделировали эти модели обработки информации и обнаружили, что в них используется принципиально иной принцип обучения, чем в искусственных нейронных сетях.

В искусственных нейронных сетях внешний алгоритм пытается модифицировать синаптические связи, чтобы уменьшить ошибку, тогда как исследователи предполагают, что человеческий мозг сначала приводит активность нейронов в оптимальную сбалансированную конфигурацию, прежде чем корректировать синаптические связи. Исследователи утверждают, что на самом деле это эффективная особенность способа обучения человеческого мозга. Это потому, что это уменьшает вмешательство за счет сохранения существующих знаний, что, в свою очередь, ускоряет обучение.

(Источник: https://www.ox.ac.uk/news/2024-01-03-study-shows-way-brain-learns-different-way-artificial-intelligence-systems-learn)