Mensimulasikan fungsi otak, model AI ini benar-benar mencapai pembelajaran berterusan seperti manusia

Seperti yang ditunjukkan oleh penemuan dalam pelbagai bidang AI seperti pemprosesan imej, penjagaan kesihatan pintar, kereta pandu sendiri dan bandar pintar, pembelajaran mendalam sudah pasti mengalami zaman kegemilangan. Sepanjang dekad yang akan datang, sistem AI dan komputer akhirnya akan mempunyai keupayaan pembelajaran dan pemikiran seperti manusia untuk memproses aliran maklumat yang berterusan dan berinteraksi dengan dunia sebenar.

Walau bagaimanapun, model AI semasa mengalami kehilangan prestasi apabila dilatih secara berterusan mengenai maklumat baharu. Ini kerana apabila data baharu dijana, ia ditulis di atas data sedia ada, memadamkan maklumat sebelumnya. Kesan ini dipanggil "pelupaan bencana." Dilema kestabilan-keplastikan mengakibatkan keperluan model AI untuk mengemas kini ingatan mereka untuk terus menyesuaikan diri dengan maklumat baharu sambil mengekalkan kestabilan pengetahuan semasa. Isu ini menghalang model SOTA AI daripada terus belajar daripada maklumat dunia sebenar.

Sementara itu, sistem pengkomputeran tepi membenarkan pengkomputeran dialihkan daripada storan awan dan pusat data lebih dekat dengan sumber asal, seperti peranti yang disambungkan ke Internet of Things. Mengaplikasikan pembelajaran berterusan secara cekap pada peranti pengkomputeran tepi terhad sumber kekal sebagai cabaran, walaupun banyak model pembelajaran berterusan telah dicadangkan dalam lapangan untuk menyelesaikan masalah ini. Model tradisional memerlukan kuasa pengkomputeran yang tinggi dan kapasiti storan yang besar.

Baru-baru ini, pasukan penyelidik dari Universiti Teknologi dan Reka Bentuk Singapura (SUTD) mereka bentuk model baharu yang boleh mencapai sistem pembelajaran berterusan yang sangat cekap tenaga, mengkaji "Continual Learning Electrical Conduction in Resistive- Bahan Bertukar-Memori" ” diterbitkan dalam jurnal Advanced Theory and Simulation.

Alamat kertas: https://onlinelibrary.wiley.com/doi/abs/10.1002/adts.202200226

The Pasukan itu mencadangkan model yang diilhamkan oleh otak, Brain-Inspired Replay (BIR), yang secara semula jadi boleh menjalankan pembelajaran berterusan. Model BIR adalah berdasarkan rangkaian saraf tiruan dan pengekod auto variasi untuk mensimulasikan fungsi otak manusia, dan juga boleh berfungsi dengan baik dalam senario pembelajaran tambahan tanpa data yang disimpan. Penyelidik juga menggunakan model BIR untuk mewakili pertumbuhan filamen konduktif menggunakan arus elektrik dalam sistem ingatan digital.

Kiri atas rajah di bawah menunjukkan tetapan main balik generatif, bahagian kanan atas menunjukkan latihan rangkaian saraf tiruan dengan main balik generatif kiri bawah dan kanan bawah menunjukkan ketepatan arus yang dinormalkan dan model BIR masing-masing.

Penolong Profesor Loke, salah seorang pengarang kertas kerja yang sepadan, menjelaskan, “Di BIR, pengetahuan disimpan dalam model terlatih, dengan itu memperkenalkan tugas tambahan. Ini meminimumkan kehilangan prestasi dan tidak memerlukan rujukan kepada data daripada kerja terdahulu "

Beliau juga menambah, "Tanpa menyimpan data, Mencapai 89% ketepatan SOTA pada cabaran pematuhan tugas pembelajaran semasa, iaitu. kira-kira dua kali lebih tinggi daripada model pembelajaran berterusan tradisional, dan mencapai kecekapan tenaga yang tinggi 》

Selain itu, untuk membolehkan model BIR memproses maklumat lapangan dunia sebenar secara bebas, pasukan merancang untuk. mengembangkan penyesuaiannya dalam fasa penyelidikan seterusnya.

Loke berkata penyelidikan itu berdasarkan demonstrasi berskala kecil dan masih di peringkat awal. Walau bagaimanapun, mengambil pendekatan ini menjanjikan untuk membolehkan sistem AI kelebihan berkembang secara bebas tanpa kawalan manusia.

Atas ialah kandungan terperinci Mensimulasikan fungsi otak, model AI ini benar-benar mencapai pembelajaran berterusan seperti manusia. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!