Học tập não bộ của con người để xây dựng mô hình AI tiên tiến
09:47 - 04/05/2022
Chỉ cần một tế bào thần kinh duy nhất cũng có thể nhận ra các thuật toán học sâu, trong khi trước đây yêu cầu một mạng lưới nhân tạo phức hợp bao gồm hàng nghìn tế bào thần kinh được kết nối. Khám phá này có ý nghĩa quan trọng đối với phần cứng AI trong tương lai.
ĐỘT PHÁ MỚI TRONG NGHIÊN CỨU BÓNG BÁN DẪN NANO
PHƯƠNG PHÁP ĐỌC MÃ QR TRÊN BỀ MẶT KHÔNG BẰNG PHẲNG
NGHIÊN CỨU BIẾN CHẤT THẢI NÔNG NGHIỆP THÀNH NHIÊN LIỆU HÀNG KHÔNG BỀN VỮNG
ROBOT KIRIGAMI SIÊU NHỎ
Bộ não là một mạng lưới phức tạp chứa hàng tỷ tế bào thần kinh. Mỗi tế bào thần kinh giao tiếp đồng thời với hàng nghìn tế bào khác thông qua khớp thần kinh (liên kết) của chúng và thu thập các tín hiệu đến thông qua một số “cánh tay” cực dài, nhiều nhánh, được gọi là cây đuôi gai.
Trong 70 năm qua, một giả thuyết cốt lõi của khoa học thần kinh cho rằng khả năng học tập của não xảy ra bằng cách điều chỉnh sức mạnh của các khớp thần kinh sau khi bị kích hoạt tương đối bởi các tế bào thần kinh kết nối với chúng. Giả thuyết này là cơ sở cho các thuật toán học máy và học sâu ngày càng ảnh hưởng đến hầu hết các khía cạnh của cuộc sống. Nhưng sau 7 thập kỷ, giả thuyết tồn tại lâu dài này giờ đã bị đặt dấu hỏi.
Trong một bài báo đăng trên tạp chí Scientific Reports, các nhà nghiên cứu từ Đại học Bar-Ilan ở Israel tiết lộ rằng não bộ học hoàn toàn khác với những gì đã được giả định từ thế kỷ 20. Các quan sát thực nghiệm mới cho thấy rằng việc học tập chủ yếu được thực hiện ở các cây đuôi gai thần kinh, nơi thân và cành của cây thay đổi sức mạnh của chúng, trái ngược với việc chỉ điều chỉnh sức mạnh của các khớp thần kinh (lá đuôi gai), như người ta vẫn nghĩ trước đây. Những quan sát này cũng chỉ ra rằng nơ-ron thực sự là một phần tử phức tạp, năng động và có năng lực tính toán hơn nhiều so với một phần tử nhị phân chỉ có thể kích hoạt hoặc không. Chỉ cần một tế bào thần kinh duy nhất có thể nhận ra các thuật toán học sâu, vốn trước đây yêu cầu một mạng phức hợp nhân tạo bao gồm hàng nghìn tế bào thần kinh và khớp thần kinh được kết nối.
Các nhà nghiên cứu đã chỉ ra rằng việc học hiệu quả trên cây đuôi gai của một tế bào thần kinh đơn lẻ có thể đạt được tỷ lệ thành công tiến gần đến khả năng nhận dạng chữ số viết tay. Phát hiện này mở đường cho một loại thuật toán và phần cứng AI mới lấy cảm hứng sinh học. Cơ chế học tập đơn giản này thể hiện một bước tiến tới sự hiện thực hóa sinh học của các thuật toán lan truyền ngược, hiện đang là kỹ thuật trung tâm trong AI.
Việc học hiệu quả trên cây đuôi gai dựa trên bằng chứng thực nghiệm của nhóm nghiên cứu về sự thích nghi của cây đuôi gai bằng cách sử dụng nuôi cấy tế bào thần kinh, cùng với các đặc tính dị hướng khác của tế bào thần kinh, như dạng sóng nhọn khác nhau, giai đoạn chưa phản hồi và tốc độ truyền tối đa.
Xung nhịp của bộ não chậm hơn một tỷ lần so với các GPU song song hiện có, nhưng có tỷ lệ thành công tương đương trong nhiều tác vụ cảm giác. Kết quả mới về học tập hiệu quả trên cây đuôi gai mở ra các phương pháp tiếp cận mới trong nghiên cứu não bộ, cũng như thế hệ phần cứng đối ứng nhằm triển khai các thuật toán AI tiên tiến. Chi tiết tham khảo tại:
Shiri Hodassman, Roni Vardi, Yael Tugendhaft, Amir Goldental, Ido Kanter. Efficient dendritic learning as an alternative to synaptic plasticity hypothesis. Scientific Reports, 2022; 12 (1) DOI: 10.1038/s41598-022-10466-8
(Sưu tầm)
VIỆN IMC
Tòa nhà IMC Tower, Số 176 Trường Chinh, Phường Khương
Thượng, Quận Đống Đa, Thành phố Hà Nội, Việt Nam
Tel/Fax : (+84) 24 3566 6232 / 24 3566 6234
Email: contact@imc.org.vn Website: https://imc.org.vn