Artificial intelligence

Neuron nhân tạo được dạy để học 100 mẫu

Trong tất cả các cơ quan của cơ thể, chúng ta ít hiểu về não nhất. Chưa hết, đây là cơ quan có những bí mật ngăn chặn tốt nhất sự phát triển của trí tuệ nhân tạo. Một trong những bí mật này bao gồm mê cung của các mạng lưới thần kinh sinh học – các kết nối trong não cho phép thông tin được xử lý, chia sẻ và ghi lại. Trong những năm gần đây, sự hiểu biết khoa học về mạng lưới thần kinh đã cho phép các kỹ sư tạo ra các hệ thống nhân tạo hoạt động theo những cách tương tự (mặc dù không hoàn toàn giống) não người. Trong một quá trình được gọi là học sâu, mạng nơ-ron nhân tạo có thể phân tích thông tin trong kho dữ liệu khổng lồ để nhận ra các mẫu ngôn ngữ và đặc điểm khuôn mặt. Và mặc dù mạng nơ-ron nhân tạo được mô phỏng từ những mạng lưới trong não của chúng ta, nhưng cả hai không giống nhau lắm. Trong đó mạng lưới thần kinh của chúng ta có hàng nghìn khớp thần kinh phân nhánh từ mọi dây thần kinh, mạng thần kinh nhân tạo chỉ có một số ít. Tại sao? Bởi vì không ai thực sự chắc chắn tại sao bộ não của chúng ta lại cần nhiều kết nối đến vậy. Mạng nơ-ron nhân tạo dường như hoạt động tốt mà không có hàng nghìn nút phân nhánh với nhau. Thật vậy, việc bao gồm quá nhiều nút có thể chỉ làm phức tạp các quy trình. Vì vậy, mặc dù chức năng thiết yếu của chúng có thể giống nhau nhưng chúng không bằng nhau – bộ não của chúng ta so với một mạng lưới thần kinh nhân tạo giống như một chiếc ô tô thể thao cạnh tranh với một chiếc xe đạp. Cách tiếp cận này được thiết lập để thay đổi mặc dù nhờ vào hai doanh nhân có công ty khởi nghiệp ở Thung lũng Silicone, Numenta, muốn mở khóa và khai thác các sắc thái rộng lớn của quá trình xử lý thông tin sinh học. Tóm lại, Jeff Hawkins và Subutai Ahmad đã phát triển một lý thuyết mới (được xuất bản trên arXic) nhằm mục đích cách mạng hóa cách tiếp cận của chúng ta đối với mạng nơ-ron – một lý thuyết mà khi được áp dụng có thể đưa AI vào một kỷ nguyên mới. Nhưng trước khi đi sâu vào lý thuyết của chúng, chúng ta hãy xem nhanh các nơron. Các tế bào thần kinh của não bộ của chúng ta bao gồm một thân tế bào (soma), một số phần mở rộng gần (các đuôi gai gần) và một số phần mở rộng ở xa (các đuôi gai xa) được nối với nhau bằng một sợi cáp dài. Những đuôi gai này phục vụ hàng nghìn kết nối được gọi là khớp thần kinh, khi kết hợp với nhau sẽ giúp chuyển tín hiệu thành suy nghĩ. Và mặc dù các khớp thần kinh gần được hiểu là để giúp các tế bào thần kinh “học” các mô hình nhất định, vai trò của các khớp thần kinh ở xa lại ít được hiểu rõ hơn. Hawkins và Ahmad cho rằng – giống như những người hàng xóm gần của chúng – các khớp thần kinh ở xa giúp tế bào thần kinh nhận ra các mẫu nhưng quan trọng hơn là giúp tế bào thần kinh chuẩn bị và dự đoán các tín hiệu sắp tới. Khi các đuôi gai gần bắt lửa khi một mẫu được nhận ra, các đuôi gai ở xa dự đoán những mẫu nào có thể xảy ra tiếp theo tùy thuộc vào kinh nghiệm trước đó. Do đó, Hawkins và Ahmad cho rằng, các tế bào thần kinh đều nhận biết các mẫu và dự đoán trình tự của các mẫu với sự trợ giúp của các đuôi gai ở xa. Số lượng lớn các khớp thần kinh là cần thiết để tế bào thần kinh thực hiện cả hai chức năng – nhận dạng và dự đoán mẫu – một cách nhanh chóng và liền mạch. Trong một bước tiến đột phá khác, Hawkins và Ahmad khẳng định rằng điều quan trọng nhất trong việc dự đoán các mẫu không phải là tổng lượng tín hiệu và nhiễu nhận được, mà là sự khác biệt nhỏ giữa tín hiệu và nhiễu đằng sau các mẫu. Sử dụng mô hình này, hai doanh nhân đã có thể dạy một tế bào thần kinh nhân tạo nhận ra hàng trăm mẫu. Nếu lý thuyết của họ được coi là chính xác, Hawkins và Ahmad có thể giúp các nhà robot và kỹ sư AI phát triển một hệ thống tinh vi hơn để nhận dạng các mẫu. Khi các lý thuyết về mạng nơ-ron được thiết lập ưu tiên nhận dạng mẫu, thì chìa khóa có thể là xem xét dự đoán mẫu để giúp các hệ thống hoạt động và phản ứng trơn tru hơn. Hawkins đã phát minh ra Palm Pilot trong 1990 nên anh ấy không phải là người mới làm quen với công nghệ. Nhưng kể từ đó, anh ấy tập trung hơn vào khoa học thần kinh và tinh thần kinh doanh, đồng sáng lập Numenta với Ahmad và một mchine để “dẫn đầu một kỷ nguyên mới của trí tuệ máy móc”. Với nghiên cứu mới của họ và sự hiểu biết rõ ràng đã được khai sáng về cách thức hoạt động của các tế bào thần kinh, có thể không lâu nữa cho đến khi các mạng thần kinh nhân tạo không thể phân biệt được với mạng lưới thần kinh của chúng ta. Tín dụng: Shutterstock, Numenta

  • Trang chủ
  • Trí tuệ nhân tạo
  • Chuyên viên phân tích kinh doanh
  • Thông tin kinh doanh
  • Khoa học dữ liệu
  • Back to top button