Yapay Zeka Yazılımını İnsan Beyni Gibi Çalışacak Şekilde Ayarlamak Bilgisayarın Öğrenme Yeteneğini Geliştirir

Yapay Zeka Yazılımını İnsan Beyni Gibi Çalışacak Şekilde Ayarlamak Bilgisayarın Öğrenme Yeteneğini Geliştirir

    İnsan görsel öğrenimini yansıtmak için tasarlanmış böyle bir model tasarlayan iki sinirbilimci, bilgisayar tabanlı yapay zekanın, yeni nesneleri öğrenmek için çok daha hızlı bir teknik kullanmak üzere programlandığında daha çok insan zekası gibi işlev görebileceğini söylüyor.

    Riesenhuber, ‘Modelimiz, yapay sinir ağlarının yeni görsel kavramları az sayıda örnekten öğrenmesi için biyolojik olarak makul bir yol sağlıyor’ diyor. ‘Önceki öğrenmeden beynin yaptığını yansıttığını düşündüğümüz bir şekilde yararlanarak bilgisayarların birkaç örnekten çok daha iyi öğrenmesini sağlayabiliriz.’

    İnsanlar yeni görsel kavramları seyrek verilerden hızlı ve doğru bir şekilde öğrenebilirler - bazen sadece tek bir örnek. Üç ila dört aylık bebekler bile zebraları tanımayı ve onları kedilerden, atlardan ve zürafalardan ayırt etmeyi kolayca öğrenebilirler. Ancak Riesenhuber, bilgisayarların ne olduğunu bilmek için genellikle aynı nesnenin birçok örneğini ‘görmesi’ gerektiğini açıklıyor.

    Riesenhuber, ihtiyaç duyulan büyük değişikliğin, yalnızca şekil ve renk gibi düşük seviyeli ve orta düzey bilgileri kullanarak bir nesneyi tanımlamaya yönelik daha standart bir yaklaşımı denemek yerine, tüm görsel kategoriler arasındaki ilişkileri tanımlamak için yazılım tasarlamak olduğunu söylüyor.

    "Beynin hiyerarşisinin hesaplama gücü, nesnelerle ilgili kavramlarla dolu olduğu gibi, bir veri bankasından önceden öğrenilmiş temsilleri kullanarak öğrenmeyi basitleştirme potansiyelinde yatıyor" diyor.

    Riesenhuber ve Rule, nesneleri daha önce öğrenilen kavramlar açısından temsil eden yapay sinir ağlarının yeni görsel kavramları önemli ölçüde daha hızlı öğrendiğini buldu.

Yapay Zeka Yazılımını İnsan Beyni Gibi Çalışacak Şekilde Ayarlamak Bilgisayarın Öğrenme Yeteneğini Geliştirir

    Kural şöyle açıklıyor: "Düşük seviyeli görsel özellikler açısından üst düzey kavramları öğrenmek yerine, yaklaşımımız onları diğer üst düzey kavramlar açısından açıklıyor. Bir ornitorenk biraz ördek, kunduz gibi göründüğünü söylemek gibidir. ve bir su samuru. "

    İnsan görsel kavram öğreniminin altında yatan beyin mimarisi, nesne tanıma ile ilgili sinir ağları üzerine kuruludur. Beynin ön temporal lobunun, şeklin ötesine geçen "soyut" kavram temsilleri içerdiği düşünülmektedir. Görsel tanıma için bu karmaşık sinirsel hiyerarşiler, insanların yeni görevleri öğrenmesine ve en önemlisi önceki öğrenmeden yararlanmasına olanak tanır.

    Riesenhuber, "Bu kavramları yeniden kullanarak, yeni kavramları ve zebranın sadece farklı bir şeritten bir at olduğu gerçeği gibi yeni anlamları daha kolay öğrenebilirsiniz" diyor.

    Bilim adamları, yapay zekadaki ilerlemelere rağmen, insan görsel sisteminin birkaç örnekten genelleme, görüntü varyasyonlarıyla sağlam bir şekilde başa çıkma ve sahneleri anlama yeteneği açısından hala altın standart olduğunu söylüyor.

    Riesenhuber, "Bulgularımız yalnızca bilgisayarların daha hızlı ve verimli öğrenmesine yardımcı olabilecek teknikler önermekle kalmıyor, aynı zamanda insanların nasıl bu kadar çabuk öğrendiğini anlamayı amaçlayan gelişmiş sinirbilim deneylerine de yol açabiliyor, ki bu henüz tam olarak anlaşılamamıştır."

    Bu çalışma kısmen Lawrence Livermore Ulusal Laboratuvarı ve Ulusal Bilim Vakfı ( 1026934 ve 1232530 ) Lisansüstü Araştırma Bursu Hibeleri tarafından desteklenmiştir.

 

Önceki KonuÇin Seddi
Sonraki KonuTürkgücü Münih, 3. Lig'de Göçmen Futbol Kulüplerine Tarih Yazıyor
Bu yazıya henüz yorum yapılmamış, ilk yorum yapan siz olun...
Yorum Yapın
E-posta hesabınız yayınlanmıyacaktır.
Web site zorunlu değildir.
Güvenlik kodu