Cờ Caro cho Android Cờ Caro cho iOS

13/01/2021

Quay về trang chính

Tinh chỉnh lập trình giúp phần mềm AI bắt chước cách học trực quan của con người

Các nhà nghiên cứu đã lập trình một mạng nơ-ron nhân tạo để sử dụng một phương pháp tiếp cận phức tạp hơn để xử lý và học tập trực quan, cho phép nó nhận dạng các đối tượng nhanh hơn. File Photo của iunewind / Shutterstock Ngày 12 tháng 1 (UPI) - Sử dụng một tinh chỉnh lập trình mới lạ, một cặp nhà khoa học thần kinh đã cố gắng tái tạo cách học trực quan của con người trong trí thông minh nhân tạo dựa trên máy tính. Sự tinh chỉnh, được mô tả hôm thứ Ba trên tạp chí Frontiers in Computational Neuroscience, mang lại một mô hình có khả năng học các đối tượng mới nhanh hơn các chương trình AI trước đó. Quảng cáo Maximilian Riesenhuber, tác giả chính của nghiên cứu cho biết: “Mô hình của chúng tôi cung cấp một cách hợp lý về mặt sinh học để các mạng nơ-ron nhân tạo học các khái niệm thị giác mới từ một số lượng nhỏ các ví dụ. Riesenhuber, giáo sư khoa học thần kinh tại Trung tâm Y tế Đại học Georgetown cho biết: “Chúng ta có thể khiến máy tính học tốt hơn nhiều từ một vài ví dụ bằng cách tận dụng quá trình học trước đó theo cách mà chúng ta nghĩ phản ánh những gì bộ não đang làm. Khi được ba hoặc bốn tháng, trẻ sơ sinh của con người đang xây dựng các phạm trù để hiểu thế giới và nhiều đầu vào trực quan của nó. Ví dụ, với các ví dụ hạn chế, em bé có thể học cách nhận biết và phân biệt ngựa vằn với các động vật khác. Mặt khác, máy tính phải xử lý một số lượng lớn các ví dụ trực quan về một đối tượng trước khi chúng có thể nhận ra nó. Các mô hình học tập AI truyền thống dựa trên thông tin cơ bản, như hình dạng và màu sắc. Nhưng để cải thiện quá trình học tập AI, Riesenhuber và đối tác nghiên cứu Joshua Rule, một học giả sau tiến sĩ tại Đại học California, Berkeley, đã lập trình một mô hình AI để bỏ qua dữ liệu cấp thấp và thay vào đó tập trung vào mối quan hệ giữa toàn bộ danh mục hình ảnh. Riesenhuber nói: “Sức mạnh tính toán của hệ thống phân cấp của não nằm ở tiềm năng đơn giản hóa việc học bằng cách tận dụng các biểu diễn đã học trước đó từ một cơ sở dữ liệu, với đầy đủ các khái niệm về các đối tượng. Các nhà nghiên cứu đã lập trình mạng nơ-ron nhân tạo của họ để sử dụng một cách tiếp cận phức tạp hơn để xử lý và học tập trực quan, dựa trên kiến ​​thức thị giác đã thu được trước đó. Tinh chỉnh lập trình của họ đã giúp mạng AI học cách nhận ra các đối tượng mới nhanh hơn nhiều. LIÊN QUAN Các nhà khoa học lập trình bầy robot để tạo ra nghệ thuật Rule nói: “Thay vì tìm hiểu các khái niệm cấp cao dưới dạng các tính năng hình ảnh cấp thấp, phương pháp của chúng tôi giải thích chúng theo các khái niệm cấp cao khác. "Giống như nói rằng thú mỏ vịt trông hơi giống vịt, hải ly và rái cá biển." Dựa trên các thí nghiệm hình ảnh não bộ và nhận dạng vật thể với đối tượng là con người, các nhà khoa học thần kinh trước đây đã đưa ra giả thuyết rằng thùy thái dương trước của não có khả năng nhận biết các khái niệm thị giác trừu tượng. Điều này cho phép con người tìm hiểu các đối tượng mới bằng cách phân tích mối quan hệ giữa toàn bộ các danh mục trực quan. Thay vì bắt đầu lại từ đầu mỗi khi con người được giao nhiệm vụ học các đối tượng mới, hệ thống phân cấp thần kinh phức tạp này cho phép con người tận dụng quá trình học trước đó. Riesenhuber nói: “Bằng cách sử dụng lại những khái niệm này, bạn có thể dễ dàng học các khái niệm mới, ý nghĩa mới, chẳng hạn như ngựa vằn chỉ đơn giản là một con ngựa có sọc khác. Máy tính đã được lập trình để đánh bại con người ở cờ vua và các trò chơi logic phức tạp khác, nhưng khả năng xử lý thông tin hình ảnh nhanh chóng của bộ não con người vẫn chưa từng có. Riesenhuber cho biết: “Phát hiện của chúng tôi không chỉ gợi ý các kỹ thuật có thể giúp máy tính học nhanh và hiệu quả hơn mà còn có thể dẫn đến các thí nghiệm khoa học thần kinh được cải thiện nhằm tìm hiểu cách mọi người học nhanh đến vậy, điều mà người ta vẫn chưa hiểu rõ”.
Nguồn bài