ニューロンクラスタリングはAIの学習戦略をシミュレートできる

人間や機械がタスクをよりうまく実行できるようになるたびに、証拠の痕跡が残ります。パフォーマンス向上の根底には、脳の細胞やアルゴリズムの数値に対する一連の物理的な変化があります。しかし、システムがどのような調整を行うべきかを正確に決定する方法は、決して小さな問題ではありません。これはクレジット割り当て問題と呼ばれ、脳または AI システムはパイプラインのどの部分がエラーの原因であるかを判断し、必要な変更を加える必要があります。簡単に言えば、これは誰のせいなのかを見つけ出す責任追及のゲームです。

AIエンジニアは、バックプロパゲーションと呼ばれるアルゴリズムを使用して、機械に信頼性を割り当てる問題を解決しました。バックプロパゲーションは、1986年にジェフリー・ヒントン、デビッド・ルメルハート、ロナルド・ウィリアムズの研究によって普及しました。現在、最も成功している AI システムにおける学習の主な原動力となっているのは、入力層と出力層の間に人工ニューロンの複数の層が隠されたディープ ニューラル ネットワークです。ネイチャー・ニューロサイエンス誌に掲載された論文によると、科学者たちはついに、生きた脳内でこれとリアルタイムで同等のものを発見したかもしれないという。

オタワ大学のリチャード・ナウド氏とマギル大学およびミラAI研究所のブレイク・リチャーズ氏が率いる研究チームは、バックプロパゲーションプロセスを模倣した脳の学習アルゴリズムの新しいモデルを発見した。非常にリアルに見えることから、実験神経科学者の注目を集め、彼らは現在、実際のニューロンを研究して、脳が実際にこれと同じことを行っているかどうかを調べることに興味を持っています。 「理論的なアイデアは難しい実験を強いることがあります。この論文はその基準を超えていると思います。生物学的に妥当であり、大きな影響を与える可能性があります」と、ベルリンのフンボルト大学の実験神経科学者マシュー・ラーカム氏は言う。