Как нейробиология и искусственный интеллект могут помочь друг другу

За последние десятилетия исследования мозга открыли много нового о физическом строении мозга и о том, как нервная система воспринимает информацию и обрабатывает ее. Но многое еще предстоит открыть.

При этом, достижения в сфере компьютерных алгоритмов, программного и аппаратного обеспечения вывели машинное обучение на невиданный ранее уровень. Многие исследователи понимают тот факт, что дополнительная информация о работе мозга может помочь программистам транслировать концепции человеческого мышления из мира биологии в совершенно новые формы машинного обучения в цифровом мире.

Системы машинного обучения лучше людей находят сложные и тонкие закономерности в огромных наборах данных.

Эти системы повсюду - в беспилотных автомобилях, программном обеспечении распознавания лиц, обнаружении финансового мошенничества, робототехнике, диагностике. Но на самом деле, все они -- вариации единого статистического алгоритма.

Искусственные нейронные сети, наиболее распространенный подход к машинному обучению, представляют собой взаимосвязанные сети цифровых процессоров, которые принимают входные данные, обрабатывают измерения этих входных данных и генерируют выходные данные.

Если вы хотите, чтобы система машинного обучения отображала текст “ Это корова”, когда ей показывают фотографию коровы, сначала нужно предоставить ей огромное количество разных фотографий коров. Если вы покажете этой системе фотографию кошки, она будет знать только то, что это определенно не корова, но не сможет сказать, что это на самом деле.

В свою очередь, мозг обрабатывает информацию совсем по-другому. Он принимает сравнительно небольшие объемы входных данных - например, фотографию коровы. Имея небольшое количество примеров даже малыш поймет, как выглядит корова, и сможет идентифицировать ее на новых изображениях, с разных ракурсов и в разных цветах.

Поскольку мозг и системы машинного обучения используют принципиально разные алгоритмы, каждый из них превосходит друг друга в каких-то аспектах. Например, мозг эффективнее принимает решения в незнакомых ситуациях или стремительно меняющихся условиях.

Когда человек смотрит на мятую или рваную фотографию коровы, он все равно видит там корову. Тоже происходит когда при наличии частичной информации, человек делаете прогнозы и решения на основе уже известных знаний и предыдущем опыте.

Не менее впечатляющим является то, как мозг восстанавливается после физических проблем, перестраивает свои связи для адаптации после травмы или инсульта. Например, как у пациентов с тяжелыми заболеваниями после удаления части мозга, со времен восстанавливаются нормальные когнитивные и физические функции. А теперь представьте, нормально ли будет работать компьютер, если удалить половину его функций.

Помимо открытий того, как работает мозг, до сих пор непонятно, какие процессы в мозгу могут хорошо работать в качестве алгоритмов машинного обучения. Один из способов узнать это -- сосредоточиться на исследованиях в обоих направлениях, от науки о мозге до искусственного интеллекта.