Deep Learning und das menschliche Gehirn

Deep Learning ist eine Teilmenge des maschinellen Lernens, das das menschliche Gehirn simuliert, indem es große Datenmengen aufnimmt und versucht, daraus zu lernen. In IBMs Definition des Begriffs ermöglicht Deep Learning es Systemen, „Daten zu aggregieren und Vorhersagen mit unglaublicher Genauigkeit zu treffen.“ So unglaublich Deep Learning auch ist, weist IBM ausdrücklich darauf hin, dass es nicht auf die Fähigkeit des menschlichen Gehirns zugreifen kann, Informationen zu verarbeiten und zu lernen .

Deep Learning und DNN (Deep Neural Networks) werden eingesetzt, um komplexe reale Probleme wie Wettervorhersage, Gesichtserkennung und Chatbots zu lösen und andere Arten komplexer Datenanalysen durchzuführen. Laut Allied Market Research wird der globale Deep-Learning-Markt bis 2030 von 6,85 Milliarden US-Dollar im Jahr 2020 auf fast 180 Milliarden US-Dollar anwachsen. Eine weitere Studie von Allied Market Research ergab, dass der globale Markt für neuronale Netze bis 2030 voraussichtlich fast 153 Milliarden US-Dollar erreichen wird, angetrieben durch das Wachstum im Bereich der künstlichen Intelligenz und die steigende Nachfrage nach Daten und fortschrittlichen Analysetools.

Ein besseres Verständnis von Deep Learning wird künftigen Anwendungen künstlicher Intelligenz und auf maschinellem Lernen basierender Technologien zugute kommen, einschließlich vollständig autonomer Fahrzeuge und virtueller Assistenten der nächsten Generation. In Zukunft könnte sich Deep Learning zu unbeaufsichtigtem Lernen entwickeln und mehr Einblicke in die Funktionsweise des menschlichen Gehirns liefern. Es war diese zweite Verfolgung, die Forscher der Universität Glasgow dazu veranlasste, zu untersuchen, wie ähnlich DNNs dem menschlichen Gehirn sind. Nach Angaben der Universität Glasgow ist das derzeitige Verständnis der DNN-Technologie relativ begrenzt und niemand versteht vollständig, wie tiefe neuronale Netze Informationen verarbeiten.

Um das Verständnis der wissenschaftlichen Gemeinschaft weiter zu vertiefen, haben Forscher in der kürzlich veröffentlichten „Algorithmische Äquivalenz zwischen dem Gehirn und seinem DNN-Modell“ eine Methode vorgeschlagen und getestet, um zu verstehen, wie Modelle der künstlichen Intelligenz Informationen im Vergleich zur Methode des Gehirns verarbeiten Vergleich. Ziel ist es herauszufinden, ob DNN-Modelle ähnliche Rechenschritte verwenden, um Dinge wie das menschliche Gehirn zu erkennen. Diese Arbeit identifiziert Ähnlichkeiten und Unterschiede zwischen Modellen der künstlichen Intelligenz und dem menschlichen Gehirn und macht damit einen Schritt in Richtung der Schaffung einer Technologie für künstliche Intelligenz, die Informationen so nah wie möglich an das menschliche Gehirn verarbeitet.

Philippe Schyns, Leiter der Forschungstechnologie an der Universität Glasgow, sagte: „Ein besseres Verständnis darüber, ob das menschliche Gehirn und seine DNN-Modelle Dinge auf die gleiche Weise erkennen, wird präzisere reale Anwendungen mithilfe von DNNs ermöglichen.“ Wir gewinnen ein tieferes Verständnis der Erkennungsmechanismen im menschlichen Gehirn und können dieses Wissen auf DNNs übertragen, was wiederum dazu beitragen wird, die Art und Weise zu verbessern, wie DNNs in Anwendungen wie der Gesichtserkennung verwendet werden, die derzeit nicht immer genau sind

Wenn das Ziel darin besteht, einen möglichst menschenähnlichen Entscheidungsprozess zu schaffen, dann muss Technologie in der Lage sein, Informationen zu verarbeiten und Entscheidungen mindestens so gut wie Menschen zu treffen – im Idealfall sogar besser als Menschen. Am Ende des veröffentlichten Artikels listet der Autor eine Reihe offener Fragen auf, die auf der Forschung basieren, darunter: „Wie sagen DNNs die Vielfalt des menschlichen Entscheidungsverhaltens voraus?“ Dies ist ebenfalls eine Frage, die es wert ist, untersucht zu werden, da nicht jeder damit konfrontiert ist Die gleiche Situation führt dazu, dass alle Eingaben die gleiche Entscheidung treffen – und auf welche Weise würde ein menschlicheres KI-Modell dieser Vielfalt Rechnung tragen?

Das obige ist der detaillierte Inhalt vonDeep Learning und das menschliche Gehirn. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!