学习进展可能类人脑AI进入智能手机

在《自然》杂志的一项新研究机器智能,研究者Bojian阴和桑德Bohte HBP伙伴荷兰国家研究所的数学和计算机科学(地板)演示向人工智能的一个重要步骤,可以使用在VR-like本地设备如智能手机和应用程序,同时保护隐私。他们展示类人脑神经元结合新颖的学习方法使训练速度和节能飙升大规模神经网络。潜在的应用范围从可穿戴人工智能语音识别和增强现实。

而现代人工神经网络是当前人工智能革命的骨干,他们只是松散的灵感来自网络,生物神经元,如我们的大脑。大脑是一个更大的网络,更节能,可以由外部事件触发时反应超快的。飙升是特殊类型的神经网络,神经网络更真实的模拟生物神经元的工作:神经系统的神经元通过交换交流电脉冲,他们很少这样做。

在芯片中实现,称为神经形态硬件,这样飙升神经网络持有的承诺使AI规划更接近用户——他们自己的设备。这些当地的解决方案是很好的隐私,鲁棒性和响应性。应用范围从语音识别在玩具和电器,卫生保健监测和无人机导航到本地监控。

激增就像标准的人工神经网络,神经网络需要训练来执行这样的任务。然而,这种网络交流的方式提出了严峻的挑战。“所需的算法需要大量的计算机内存,只允许我们火车小网络模型主要用于较小的任务。这个拥有许多实用的人工智能应用程序到目前为止,”桑德说Bohte证照的机器学习小组。在人类大脑计划,他工作在体系结构层次认知过程和学习方法。

模仿学习的大脑

这些算法的学习方面是一个很大的挑战,他们无法与我们大脑的学习能力。大脑可以轻松学习立即从新的体验,通过改变连接,甚至通过新的。大脑也需要更少的例子来学习一些东西,它更节能。“我们想要开发更接近我们的大脑学习的方式,“Bojian阴说。

阴解释说这是如何工作的:在驾驶课如果你犯了错,你立即从中学习。马上你正确的行为,而不是一个小时之后。“你学习,,同时在新的信息。我们想要模仿,通过给每个神经元的神经网络不断更新的信息。这样,网络学习信息如何更改并没有记住前面的所有信息。这是最大的区别从当前网络,必须与所有之前的更改。目前的学习方法需要巨大的计算能力,因此大量的内存和能量。”

六百万个神经元

学习的新的在线学习算法可以直接从数据,使神经网络更大的飙升。加上你埃因霍温的研究人员和研究伙伴霍尔斯特中心Bohte和阴演示了这一系统用于识别和定位对象。阴显示了繁忙的街道在阿姆斯特丹的一个视频:潜在的神经网络飙升,SPYv4,一直训练以这样一种方式,它可以区分骑自行车,行人和汽车,表明他们在哪儿。

“以前,我们可以训练神经网络与10000个神经元;现在,我们可以做同样的事情很容易与超过六百万个神经元网络,“Bohte说。”,我们可以训练高度能强化神经网络像我们¬¬SPYv4。”

未来

这一切导致在哪里?现在拥有这样强大的人工智能解决方案基于神经网络的激增,芯片正在开发能够运行这些人工智能课程以非常低的力量,最终会出现在许多智能设备,如助听器和扩充或虚拟现实眼镜。

参考B:阴,使得科拉迪F, Bohte SM。准确的在线培训动态飙升神经网络通过向前传播。Nat马赫智能。5月8日在线发表2023:1-10。doi:10.1038 / s42256 - 023 - 00650 - 4