Software AI përmirëson aftësinë e të mësuarit të kompjuterit

Inteligjenca artificiale e bazuar në kompjuter mund të funksionojë më shumë si inteligjenca njerëzore kur programohet të përdorë një teknikë shumë më të shpejtë për të mësuar objekte të reja, thonë dy neuroshkencëtarët që krijuan një model të tillë që ishte krijuar për të pasqyruar të mësuarit vizual të njeriut.

Në revistën Frontiers in Computational Neuroscience, Maximilian Riesenhuber, Ph.D., profesor i neuroshkencës, në Qendrën Mjekësore të Universitetit Georgetown dhe Joshua Rule, Ph.D., një studiues postdoktoraturë në UC Berkeley, shpjegojnë se si qasja e re përmirëson jashtëzakonisht aftësia e software-it AI për të mësuar shpejt koncepte të reja vizuale.

“Modeli ynë siguron një mënyrë biologjikisht të besueshme për rrjetet nervore artificiale për të mësuar koncepte të reja vizuale nga një numër i vogël shembujsh”, thotë Riesenhuber. “Ne mund t’i marrim kompjuterat të mësojnë shumë më mirë nga disa shembuj duke shfrytëzuar mësimin paraprak në një mënyrë që të mendojmë se pasqyron atë që bën truri.”

Njerëzit mund të mësojnë shpejt dhe saktë koncepte të reja vizuale nga të dhëna të rralla – ndonjëherë vetëm një shembull i vetëm. Edhe foshnjat tre-katër muajshe lehtë mund të mësojnë të njohin zebrat dhe t’i dallojnë ato nga macet, kuajt dhe gjirafat. Por kompjuterët zakonisht duhet të “shohin” shumë shembuj të të njëjtit objekt për të ditur se çfarë është, shpjegon Riesenhuber.

Ndryshimi i madh i nevojshëm ishte në hartimin e software-it për të identifikuar marrëdhëniet midis kategorive të tëra vizuale, në vend që të provonte qasjen më standarde të identifikimit të një objekti duke përdorur vetëm informacione të nivelit të ulët dhe të ndërmjetëm, të tilla si forma dhe ngjyra, thotë Riesenhuber.

“Fuqia llogaritëse e hierarkisë së trurit qëndron në potencialin për të thjeshtuar të mësuarit duke përdorur përfaqësime të mësuara më parë nga një bankë të dhënash, si të thuash, plot koncepte rreth objekteve.

Riesenhuber dhe Rule zbuluan se rrjetet nervore artificiale, të cilat përfaqësojnë objekte në kuptim të koncepteve të mësuara më parë, mësuan koncepte të reja vizuale shumë më shpejt.

Rule shpjegon, “Në vend që të mësojmë koncepte të nivelit të lartë në aspektin e tipareve vizuale të nivelit të ulët, qasja jonë i shpjegon ato në terma të koncepteve të tjera të nivelit të lartë. Eshtë si të thuash që një platipus duket pak si rosë, kastor “.

Arkitektura e trurit që qëndron në themel të të mësuarit të konceptit vizual njerëzor bazohet në rrjetet nervore të përfshira në njohjen e objektit. Lobi i përkohshëm i trurit mendohet të përmbajë përfaqësime konceptuale “abstrakte” që shkojnë përtej formës. Këto hierarki komplekse nervore për njohjen vizuale lejojnë njerëzit të mësojnë detyra të reja dhe, në mënyrë thelbësore, të përdorin mësimin paraprak.

“Duke ripërdorur këto koncepte, ju mund të mësoni më lehtë koncepte të reja, kuptime të reja, siç është fakti që një zebër është thjesht një kal i një shiriti tjetër,” thotë Riesenhuber.

Pavarësisht nga përparimet në AI, sistemi vizual i njeriut është ende standardi i artë për sa i përket aftësisë për të përgjithësuar nga disa shembuj, për t’u marrë me forcë me variacione të imazhit dhe për të kuptuar skena, thonë shkencëtarët.

“Gjetjet tona jo vetëm sugjerojnë teknika që mund të ndihmojnë kompjuterët të mësojnë më shpejt dhe me efikasitet, ato gjithashtu mund të çojnë në përmirësimin e eksperimenteve të neuroshkencës që synojnë të kuptojnë se si njerëzit mësojnë kaq shpejt, gjë që nuk është kuptuar ende mirë”, përfundon Riesenhuber.