Спасибо. Прослушайте эту статью, используя плеер выше.
Хотите послушать эту статью бесплатно?
Заполните форму ниже, чтобы разблокировать доступ ко всем аудиостатьям.
Представьте, что вы находитесь посреди неизвестного города. Даже если ваше окружение поначалу незнакомо, вы можете изучить его и в конечном итоге создать мысленную карту вашего окружения, где здания, улицы, знаки и т. д. существуют по отношению друг к другу. Эта способность строить пространственные карты в мозгу является основой для более продвинутых типов познания у людей: например, язык предположительно закодирован в структуре мозга, напоминающей карту.
Несмотря на все, на что способен продвинутый искусственный интеллект и нейронные сети, они не способны строить карты с нуля.
«Есть ощущение, что даже современные модели искусственного интеллекта все еще не очень умны», — говорит он. «Они не решают проблемы так, как мы; они не могут доказать недоказанные математические результаты или генерировать новые идеи. Мы думаем, что это потому, что они не могут ориентироваться в концептуальном пространстве; решение сложных проблем похоже на перемещение в пространстве концепций. как навигация. Что касается интеллекта: «Искусственный интеллект действует скорее как механическое заучивание: вы вводите ему информацию, он дает вам ответ, но он не способен синтезировать разрозненные идеи».
участие в Технологические сети«Ежедневный информационный бюллетень, каждый день доставляющий последние научные новости прямо на ваш электронный ящик.
Новое исследование лаборатории Томпсона показало, что нейронные сети могут быть спроектированы для построения пространственных карт с использованием алгоритма, называемого предиктивным кодированием. Исследование появилось в журнале Разум природы и машины 18 июля.
Под руководством аспиранта Джеймса Джернета были созданы две игровые среды. Мэн Крафт, который включает в себя сложные элементы, такие как деревья, реки и пещеры. Они записали видео игрока, случайно прогуливающегося по территории, и использовали это видео для обучения нейронной сети алгоритму прогнозирующего кодирования. Они обнаружили, что нейронная сеть способна изучать, как объекты движутся внутри нее. Мэн Крафт Команда смогла «предсказать» окружающую среду, которая появляется при движении в космосе. Более того, команда «открыла» нейронную сеть (нотационный эквивалент «проверки под капотом») и увидела, что представления различных объектов хранятся пространственно относительно друг друга – другими словами, они увидели карту различных объектов. . Мэн Крафт Окружающая среда хранится в нейронной сети.
Нейронные сети могут перемещаться по картам, данным им дизайнерами-людьми, подобно тому, как беспилотные автомобили используют GPS, но впервые показано, что нейронная сеть способна создавать свою собственную карту. Эта способность хранить информацию и организовывать ее в пространстве может в конечном итоге помочь нейронным сетям стать «умнее», что позволит им решать действительно сложные проблемы, как это делают люди.
Джорнет учится на факультете вычислительных и нейронных систем (ЦНС) Калифорнийского технологического института, который занимается нейробиологией, машинным обучением, математикой, статистикой и биологией.
«Программа CNS действительно дала Джеймсу место для выполнения уникальной работы, которая была бы невозможна где-либо еще», — говорит Томпсон. «Мы применяем биологический подход к машинному обучению, который позволяет нам перепроектировать свойства мозга в искусственные нейроны. сетях, и мы надеемся узнать о мозге в статье «У нас в Калифорнийском технологическом институте очень восприимчивое сообщество к такого рода работе».
ссылка: Джорнет Дж., Томпсон М. Автоматизированное построение когнитивных карт с использованием визуального предсказательного кодирования. Нат Мах Интел. 2024. Дои:
Эта статья была переиздана со следующего сайта МатериалПримечание. Материал мог быть отредактирован по объему и содержанию. Для получения дополнительной информации, пожалуйста, свяжитесь с указанным источником. С нашей политикой пресс-релизов можно ознакомиться по адресу: здесь.
