Ученые из Университета Бар-Илан совместно с Междисциплинарным центром исследований мозга имени Гонды (Гольдшмид) провели исследование, результаты которого продемонстрировали, что временные задержки в работе мозга могут способствовать процессу обучения. Итоги этого исследования опубликованы в журнале Physica A: Statistical Mechanics and its Applications.
Научная группа под руководством профессора Идо Кантера установила, что задержки в работе мозга, ранее воспринимавшиеся как помехи, на самом деле могут стать полезными для процесса обучения. Исследователи обнаружили, что благодаря задержкам мозг способен осуществлять более эффективно обучение, при этом не изменяя свою структуру.
Источник: DALL-E
«Огромное преимущество наличия в системе временных задержек заключается в том, что динамика мозга может использовать их как достоинство. В отличие от искусственных нейронных сетей, требующих индивидуальных выходных блоков для распознавания, мозг может использовать один нейронный выход, где его активность во времени позволяет различать разные объекты. Проще говоря, мозг применяет время для обучения, тогда как компьютер прибегает к пространству», — объяснил профессор Кантер.
Это открытие способно пролить свет на то, как биологические механизмы, рассматриваемые ранее как ограничения, могут на самом деле улучшать динамику обучения, превосходя даже машинное обучение. Дальнейшее развитие этого исследования может привести к созданию более совершенных, быстрых и сложных систем искусственного обучения.
«Такая адаптивность делает мозг значительно более гибким к изменениям, не требуя перестройки архитектуры. Для изучения новых объектов требуется лишь добавление нового временного сигнала. Это также открывает возможность распознавания смеси объектов, например, лошадь распознается в одно время, человек — в другое, а человек, верхом на лошади, может быть выявлен в промежуточный момент», — добавил Ярден Цах, ведущий аспирант лаборатории.
Данное исследование может иметь существенные последствия для разработки новых систем искусственного обучения, которые будут более эффективными и гибкими, чем те, что существуют на данный момент.
Источник: iXBT
