大脑Activity-Mimicking AIs可以学习更快

神经计算研究所的研究员鲁尔大学波鸿,德国,构造了一个计算机模型,学习空间信息在一个模式类似于啮齿动物。在这个过程中,个体在海马神经细胞活动序列反复回放根据特定的优先级。如果一个人工智能遵循相同的模式,学习空间信息更迅速比如果序列重复随机。程教授尼古拉斯·克曼和森他们的研究结果发表在《华尔街日报》从2023年3月14日eLife。

我们睡觉时大脑再次路线

海马记忆形成的大脑区域是非常重要的。这已经说明了病人的莫莱森等著名案例无法形成新的记忆,他大部分的海马体被移除。啮齿动物的研究已经证明了海马体的角色在空间学习和导航。一个重要的发现在这种情况下是细胞在特定位置,称为细胞。“他们扮演一个角色在一个迷人的现象称为回放,”尼古拉·迪克曼解释说:“当一个动物绕,某些地方细胞火一个接一个的动物的路线。之后,在休息或睡眠时,同一个地方的细胞可以激活相同的经历的顺序或倒序。”

重复序列期间观察到的不只是反映了早些时候的行为。序列也可以重组,他们能适应环境或代表的结构性变化的地方没有参观但观察。

“我们感兴趣的海马产生这样一个各种各样的重播类型有效地和他们服务的目的是什么,”概述了尼古拉斯·克曼。研究人员因此建立了一个计算机模型的人工智能学习空间信息。最终,他们研究人工智能代理的速度找到一个退出一个特定的空间环境。它知道得越好,就越快。

回放遵循一定的规则

人工智能代理也通过重复学习神经序列。然而,他们不是随机播放,而是根据一定的规则优先。“序列是随机回放根据他们的优先级,”迪克曼指出。熟悉的序列是优先考虑。职位相关的奖励也更频繁地回放。“我们的生物模型是合理的,生成一个可控的计算开销和学习速度比代理随机序列是重播,“总结尼古拉斯克曼。“这给了我们一个更详细的大脑是如何学习的。”

参考:程Diekmann N, s模型海马重播受经验和环境结构促进空间学习。eLife。2023;12:e82301。doi:10.7554 / eLife.82301

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。