In de laatste decennia, kunstmatige intelligentie blijkt op meerdere terreinen zeer goed te zijn in het bereiken van uitzonderlijke doelen. Schaken is er een van:in 1996 Voor de eerste keer, de computer Deep Blue versloeg een menselijke speler, schaakkampioen Garry Kasparov. Een nieuw onderzoek toont nu aan dat de hersenstrategie voor het opslaan van herinneringen kan leiden tot onvolmaakte herinneringen, maar op zijn beurt maakt het mogelijk om meer herinneringen op te slaan, en met minder gedoe dan AI. De nieuwe studie, uitgevoerd door SISSA-wetenschappers in samenwerking met Kavli Institute for Systems Neuroscience &Center for Neural Computation, Trondheim, Noorwegen, is zojuist gepubliceerd in Fysieke beoordelingsbrieven .

Neurale netwerken, echt of kunstmatig, leren door de verbindingen tussen neuronen aan te passen. Ze sterker of zwakker maken, sommige neuronen worden actiever, wat minder, totdat er een patroon van activiteit ontstaat. Dit patroon is wat we 'een herinnering' noemen. De AI-strategie is om complexe lange algoritmen te gebruiken, die de verbindingen iteratief afstemmen en optimaliseren. De hersenen doen het veel eenvoudiger:elke verbinding tussen neuronen verandert alleen op basis van hoe actief de twee neuronen tegelijkertijd zijn. In vergelijking met het AI-algoritme, Lange tijd werd gedacht dat dit de opslag van minder herinneringen mogelijk maakte. Maar, in termen van geheugencapaciteit en ophalen, deze wijsheid is grotendeels gebaseerd op het analyseren van netwerken uitgaande van een fundamentele vereenvoudiging:dat neuronen kunnen worden beschouwd als binaire eenheden.

Het nieuwe onderzoek, echter, laat anders zien:hoe minder herinneringen worden opgeslagen met behulp van de hersenstrategie, hangt af van een dergelijke onrealistische veronderstelling. Wanneer de eenvoudige strategie die door de hersenen wordt gebruikt om de verbindingen te veranderen, wordt gecombineerd met biologisch plausibele modellen voor de respons van afzonderlijke neuronen, die strategie presteert net zo goed, of nog beter, dan AI-algoritmen. Hoe zou dit het geval kunnen zijn? Paradoxaal genoeg, het antwoord ligt in het introduceren van fouten:wanneer een geheugen effectief wordt opgehaald, kan dit identiek zijn aan de originele invoer die moet worden onthouden of ermee gecorreleerd. De hersenstrategie leidt tot het ophalen van herinneringen die niet identiek zijn aan de oorspronkelijke invoer, het dempen van de activiteit van die neuronen die slechts nauwelijks actief zijn in elk patroon. Die tot zwijgen gebrachte neuronen, inderdaad, spelen geen cruciale rol bij het onderscheiden van de verschillende herinneringen die in hetzelfde netwerk zijn opgeslagen. Door ze te negeren, neurale bronnen kunnen worden gericht op die neuronen die er wel toe doen in een invoer die moet worden onthouden en een hogere capaciteit mogelijk maken.

Algemeen, dit onderzoek laat zien hoe biologisch plausibele zelfgeorganiseerde leerprocedures net zo efficiënt kunnen zijn als langzame en neuraal onwaarschijnlijke trainingsalgoritmen.