Uczenie maszynowe opiera się na dowodach dynamiki uczenia się w mózgu. Wykorzystując szybkość współczesnych komputerów i duże zestawy danych, algorytmy mogą dać wyniki porównywalne z tymi uzyskanymi przez ludzkich ekspertów. Jednakże dalej sporo nie wiemy na temat uczenia się przy wykorzystaniu neuronów.
Naukowcy z Uniwersytetu Bar-Ilan przeprowadzili zaawansowane eksperymenty na neuronach i symulacje na wielką skalę. Dzięki temu udało się im opracować nowy rodzaj ultraszybkich algorytmów SI.
Czytaj też: Słońce emituje wstrząsy międzyplanetarne rozchodzące się po całym Układzie Słonecznym
Algorytmy sztucznej inteligencji opierają się na wejściach synchronicznych, dlatego też różne taktowanie wejść tworzących tę samą ramkę jest zwykle ignorowane. Nowe badanie pokazuje, że te wejściowe stawki są identyczne dla małych i dużych sieci. Dlatego też skomplikowany schemat uczenia się mózgu jest jego zaletą. Innym odkryciem jest fakt, że uczenia może odbywać się bez etapów obejmujących samo dostosowanie zgodne z asynchronicznymi danymi wejściowymi.
Idea wydajnych algorytmów głębokiego uczenia się opartych na powolnej dynamice mózgu oferuje możliwość wdrożenia nowe klasy SI opartej o szybkie komputery. Dzięki temu możemy wkrótce otrzymać całkowicie nowe algorytmy wpływające na nasze życie.
Czytaj też: Klej wypełniony nanokrzemionką jest wykorzystywany w urządzeniach medycznych
Źródło: Techxplore
