Нови проучвания подкрепят идеята, че мозъкът използва процес, подобен на  подхода на машинно обучение, известно като “самоконтролирано обучение” (self-supervised learning). Този тип машинно обучение позволява на изчислителните модели да научават за визуални сцени единствено въз основа на приликите и разликите между тях, без етикети или друга информация.

За да си проправим път през света, нашият мозък трябва да развие интуитивно разбиране на физическия свят около нас, което използваме, за да интерпретираме сетивната информация, постъпваща в мозъка.

Как мозъкът развива това интуитивно разбиране? Много учени смятат, че той може да използва процес, подобен на това, което е известно като „самоконтролирано обучение“. Този тип машинно обучение, първоначално разработено като начин за създаване на по-ефективни модели за компютърна визуализация, позволява на изчислителните модели да учат за визуални сцени въз основа единствено на приликите и разликите между тях, без етикети или друга информация.

Две проучвания на K. Lisa Yang от Центъра за интегративна изчислителна невронаука (ICoN) в Масачузетския технологичен институт предлагат нови доказателства в подкрепа на тази хипотеза. Изследователите откриха, че когато обучават модели, известни като невронни мрежи, използвайки определен тип самоконтролирано обучение, получените модели генерират модели на активност, много подобни на тези, наблюдавани в мозъците на животни, които изпълняват същите задачи като моделите.

Резултатите предполагат, че тези модели са в състояние да се научат да пресъздават физическия свят, които репрезентации могат да използват, за да направят точни прогнози за това какво ще се случи в този свят, и че мозъкът на бозайниците може да използва същата стратегия, твърдят изследователите.

„Темата на работата ни е изкуственият интелект, предназначен да помага за изграждането на по-добри роботи, в крайна сметка се оказва и рамка за по-добро разбиране на мозъка като цяло“, казва Аран Найеби, доктор в ICoN Center. „Все още не можем да кажем дали това е целият мозък, но в мащаби и различни области на мозъка, нашите резултати изглежда предполагат организиращ принцип.“.

И двете проучвания ще бъдат представени на Конференцията за системи за обработка на невронна информация (NeurIPS) през декември 2023 г.

Моделиране на физическия свят

Ранните модели на компютърно зрение разчитат главно на обучение под наблюдение. Използвайки този подход, моделите се обучават да класифицират изображения, всяко от които е обозначено с име – котка, кола и т.н. Получените модели работят добре, но този тип обучение изисква много данни, маркирани от хора.

За да създадат по-ефективна алтернатива, през последните години изследователите се обърнаха към модели, изградени чрез техника, известна като контрастно самоконтролирано обучение. Този тип обучение позволява на алгоритъма да се научи да класифицира обекти въз основа на това колко подобни са един на друг, без да се предоставят външни етикети.

„Това е много мощен метод, защото сега можете да използвате много големи съвременни набори от данни, особено видеоклипове, и наистина да отключите потенциала им“, казва Найеби. „Голяма част от съвременния AI, който виждате сега, особено през последните няколко години с ChatGPT и GPT-4, е резултат от обучение на самоконтролирана обективна функция върху широкомащабен набор от данни, за да се получи много гъвкаво представяне.“

Тези видове модели, наричани още невронни мрежи, се състоят от хиляди или милиони процесорни единици, свързани помежду си. Всеки възел има връзки с различна сила към други възли в мрежата. Тъй като мрежата анализира огромни количества данни, силните страни на тези връзки се променят, докато мрежата се учи да изпълнява желаната задача.

Тези видове модели, наричани още невронни мрежи, се състоят от хиляди или милиони процесорни единици, свързани помежду си. Всеки възел има връзки с различна сила към други възли в мрежата. Тъй като мрежата анализира огромни количества данни, силните страни на тези връзки се променят, докато мрежата се научава да изпълнява желаната задача.

Тъй като моделът изпълнява определена задача, моделите на активност на различни единици в рамките на мрежата могат да бъдат измерени. Дейността на всяка единица може да бъде представена като модел на задействане, подобен на моделите на задействане на невроните в мозъка. Предишна работа на Найеби и други показа, че самоконтролираните модели на зрението генерират активност, подобна на тази, наблюдавана в системата за визуална обработка на мозъците на бозайници.

Превод: Иванка Давчева

Източник: ScienceDaily https://www.sciencedaily.com/releases/2023/10/231030194459.htm