Az MRC Brain Network Dynamics Unit és az Oxfordi Egyetem Számítástudományi Tanszékének kutatói úttörő felfedezéssel új tanulási elvet azonosítottak az emberi agyban - számol be a Cryptopolitan.
Ez a felfedezés rávilágít az agy azon képességére, hogy hatékonyabban tanul, mint a mesterséges intelligencia (MI) rendszerek. A Nature Neuroscience című szaklapban közzétett eredményeik jelentősen befolyásolhatják a jövőbeli mesterséges intelligencia fejlesztését.
A Rafal Bogacz professzor által vezetett kutatócsoport ezt az új elvet "perspektivikus konfigurációnak" nevezte el. Az elméletük szerint az emberi agy működése alapvetően különbözik a mesterséges intelligenciától. Míg a gépi tanulás gyakran egy visszacsatolási algoritmusra támaszkodik a hibák kijavításához, az emberi agy először eléri a neuronális aktivitás optimális egyensúlyát, mielőtt módosítaná a szinaptikus kapcsolatokat. Ez a megközelítés nemcsak felgyorsítja a tanulást, hanem meg is őrzi a meglévő tudást, megakadályozva a korábban elsajátított információk gyors leépülését.
Ez a különbség megmagyarázza, hogy az ember miért képes gyorsan, minimális expozícióval elsajátítani az új információkat, míg a mesterséges intelligencia rendszereknek széleskörű ismétlésre van szükségük.
Ráadásul, az emberi agy úgy szerez új ismereteket, hogy közben a régieket is megtartja, ami a mesterséges neuronhálózatoknak egyelőre még nem sikerült.
A perspektivikus konfiguráció felfedezése jelentős változást jelent az agyi funkciók megértésében. Új utakat nyit az agyi hálózatok kutatásában, de lehetőséget ad a gyorsabb, robusztusabb mesterséges intelligencia tanulási algoritmusok kifejlesztésére is.
Az agy tanulási mechanizmusának utánzásával a jövőbeli mesterséges intelligencia hatékonyabbá és adaptívabbá válhat, és közelebb kerülhet az emberi tanulási mintákhoz.
A perspektivikus konfiguráció elvének felfedezése mérföldkő az idegtudomány és a mesterséges intelligencia kutatásában. Nemcsak az emberi agy megértését segíti elő, hanem új irányt szab a mesterséges intelligencia fejlesztésének is. Ez a kutatás kikövezheti az utat a fejlettebb, hatékonyabb és emberhez hasonló mesterséges intelligenciarendszerek felé, ami a robotikától az adatelemzésig számos területet forradalmasíthat.
Ennek az új elvnek a jelenlegi mesterséges intelligencia modellekben való megvalósítása azonban kihívásokat jelent, mivel új típusú számítástechnikai rendszerekre és hardverekre van szükség, amelyek képesek gyorsan és hatékonyan megvalósítani ezt a tanulási megközelítést.
A kutatás folytatásával ennek az elvnek a mesterséges intelligencia rendszerekbe való integrálása a mesterséges intelligencia új korszakának kezdetét jelentheti, amely jobban tükrözi az emberi elme kifinomultságát és hatékonyságát.
