Kunstmatige intelligentie (AI) heeft nog veel te leren van dierlijke hersenen, zegt Cold Spring Harbor Laboratory (CSHL) neurowetenschapper Anthony Zador. Nutsvoorzieningen, hij hoopt dat lessen uit de neurowetenschappen de volgende generatie kunstmatige intelligentie kunnen helpen om een ​​aantal bijzonder moeilijke barrières te overwinnen.

Anthony Zador, MD, doctoraat, heeft zijn carrière besteed aan het beschrijven, tot aan het individuele neuron, de complexe neurale netwerken waaruit een levend brein bestaat. Maar hij begon zijn carrière met het bestuderen van kunstmatige neurale netwerken (ANN's). ANN's, welke de computersystemen achter de recente AI-revolutie zijn, zijn geïnspireerd op de vertakkende netwerken van neuronen in dierlijke en menselijke hersenen. Echter, dit brede concept is meestal waar de inspiratie eindigt.

In een perspectiefstuk dat onlangs is gepubliceerd in Natuurcommunicatie , Zador beschrijft hoe verbeterde leeralgoritmen AI-systemen in staat stellen bovenmenselijke prestaties te leveren bij een toenemend aantal complexere problemen zoals schaken en poker. Nog, machines staan ​​nog steeds versteld van wat wij beschouwen als de eenvoudigste problemen.

Door deze paradox op te lossen, kunnen robots eindelijk leren hoe ze zoiets organisch kunnen doen als het besluipen van een prooi of het bouwen van een nest, of zelfs zoiets menselijks en alledaags als de afwas doen - een taak die Google-CEO Eric Schmidt ooit "letterlijk het belangrijkste verzoek... maar een buitengewoon moeilijk probleem" voor een robot noemde.

"De dingen die we moeilijk vinden, zoals abstract denken of schaken, zijn eigenlijk niet het moeilijke voor machines. De dingen die we gemakkelijk vinden, zoals interactie met de fysieke wereld, dat is wat moeilijk is, " legde Zador uit. "De reden dat we denken dat het gemakkelijk is, is dat we een half miljard jaar evolutie hebben gehad die onze circuits heeft bedraad zodat we het moeiteloos kunnen doen."

Daarom schrijft Zador dat het geheim van snel leren misschien niet een geperfectioneerd algemeen leeralgoritme is. In plaats daarvan, hij suggereert dat biologische neurale netwerken die door evolutie zijn gevormd, een soort ondersteuning bieden om het snel en gemakkelijk leren van specifieke soorten taken te vergemakkelijken - meestal die die cruciaal zijn om te overleven.

Bijvoorbeeld, Zador wijst naar je achtertuin.

"Je hebt eekhoorns die binnen een paar weken na de geboorte van boom naar boom kunnen springen, maar we hebben geen muizen die hetzelfde leren. Waarom niet?' zei Zador. 'Omdat iemand genetisch bepaald is om een ​​in bomen levend wezen te worden.'

Zador suggereert dat een resultaat van deze genetische aanleg het aangeboren circuit is dat helpt bij het vroege leren van een dier. Echter, deze steigernetwerken zijn veel minder algemeen dan het waargenomen wondermiddel van machine learning dat de meeste AI-experts nastreven. Als ANN's soortgelijke circuits hebben geïdentificeerd en aangepast, Zador stelt, de huishoudrobots van de toekomst zullen ons misschien ooit verrassen met schone vaat.