Bar-Ilanova univerzita v rámci izraelského týmu vědců představila nový pokrok v oblasti neuronových sítí, který je zaměřená na co nejvyšší efektivitu. Celý koncept algoritmů přitom vychází z principů lidského mozku a jeho práce s informacemi na různých úrovních.
Základní strojové učení už se začalo vyvíjet v polovině minulého století, teprve před pár lety ale nastal velký skok v podobě hlubokých neuronových sítí, které v mnoha oblastech dokáží poskytnout stejné nebo dokonce lepší výsledky, než lidský mozek. Jejich struktura ale není příliš podobná mozku, což je možná důvod různých omezení, na která se naráží.
Vědci se tentokrát zaměřili právě na neurovědu a nejnovější zjištění v oblasti lidského mozku, pomocí kterých vyvinuli nový typ umělé neuronové sítě. A výsledky se opravdu dostavily.
Efektivní mozek
Dle vědců už dnešní běžné domácí počítače pracují s množstvím bitů větším, než je počet neuronů v mozku, přičemž se samotnou výpočetní rychlostí v reálném čase je mozek také výrazně pozadu - jeho frekvence rozhodně není v gigahertzích jako současné moderní procesory nebo další čipy a mozek se tak podobá spíše prvním čipům z minulého století. I přes to je v mnoha oblastech jako je třeba učení mnohem komplikovanější a výkonnější než současné nejlepší neuronové sítě.
Biologický mozek pracuje s asynchronními vstupy a frekvence není sychronizována napříč všemi neurony. Typickým příkladem je jízda v autě, kdy mozek tímto způsobem rozeznává objekty postupně - například v jednom „snímku“ zpracuje objekty v podobě stromů, v dalším auta, v dalším lidi, v dalším snímku semafory a tak dále.
Tento systém vychází ze samotného učení, které je také asynchronní. Lidský mozek tak v tomto směru funguje zcela opačně, než nejmodernější neuronové sítě a umělé inteligence, které jsou určené třeba právě pro autonomní řízení vozidla. Tyto systémy totiž pracují se synchronními vstupy a každý snímek je zpracováván kompletně a najednou - v každém snímku dochází k rozpoznání všech objektů, u kterých je to možné.
Superrychlé učení
Vědci v novém systému neuronové sítě napodobili tento komplikovanější asynchronní přístup a vyvinuli neuronovou síť na zcela jiných algoritmech. Výsledná neuronová sítě se pyšní vysokou rychlostí učení a překonává i ty nejlepší algoritmy pro učení neuronových sítí, které jsou aktuálně k dispozici.
Jedná se přitom o samoučení, takže neuronová síť nedostává zadání, co se má učit. Stejně jako lidský mozek, používá „pomalý“ přístup práce s daty s využitím asynchronní dynamiky, ale v konečném důsledku se učí mnohem rychleji než standardní systémy. U synchronních systémů jednotlivé kroky vyžadují aktualizací všech vah, zatímco asynchronní systém je v tomto směru efektivnější a připomíná například „učení“ v rámci jednotlivých lidských synapsí, kde dochází k asynchronnímu nastavení vah.
Nový objev by měl vést k vývoji nových pokročilých umělých inteligencí, které budou rychlé, efektivní a jejich architektura se bude mnohem více blížit tomu, jak pracuje lidský mozek.
