Σίγουρα ο...ύπνος δεν είναι κάτι που σκέφτεται κανείς όταν αναλογίζεται τις ανάγκες μιας τεχνητής νοημοσύνης, αλλά ίσως τελικά ακόμα και η Α.Ι. να χρειάζεται περιόδους ξεκούρασης προκειμένου να αποκομίσει οφέλη αντίστοιχα με αυτά που έχουν οι ζωντανοί εγκέφαλοι, σύμφωνα με νέα έρευνα του Los Alamos National Laboratory.
Σίγουρα ο...ύπνος δεν είναι κάτι που σκέφτεται κανείς όταν αναλογίζεται τις ανάγκες μιας τεχνητής νοημοσύνης, αλλά ίσως τελικά ακόμα και η Α.Ι. να χρειάζεται περιόδους ξεκούρασης προκειμένου να αποκομίσει οφέλη αντίστοιχα με αυτά που έχουν οι ζωντανοί εγκέφαλοι, σύμφωνα με νέα έρευνα του Los Alamos National Laboratory.
«Μελετούμε νευρωνικά δίκτυα, που είναι συστήματα τα οποία μαθαίνουν σχεδόν όπως και οι ζωντανοί εγκέφαλοι» είπε η Γιτσίνγκ Γουάτκινς, επιστήμονας υπολογιστών του Los Alamos National Laboratory. «Μας συνάρπασε η προοπτική της εκπαίδευσης ενός νευρομορφικού επεξεργαστή με τρόπο ανάλογο αυτού με τον οποίο οι άνθρωποι και άλλα βιολογικά συστήματα μαθαίνουν από το περιβάλλον τους κατά την ανάπτυξή τους στην παιδική ηλικία».
Η Γουάτκινς και οι συνεργάτες της διαπίστωσαν πως οι προσομοιώσεις δικτύων γίνονταν ασταθείς μετά από συνεχείς περιόδους εκμάθησης άνευ επίβλεψης. Όταν τα δίκτυα εκτέθηκαν σε καταστάσεις που είναι ανάλογες αυτών που βιώνουν οι εγκέφαλοι κατά τον ύπνο, η σταθερότητα επανήλθε. «Ήταν σαν να δώσαμε στα νευρωνικά δίκτυα το ανάλογο ενός καλού νυχτερινού ύπνου» είπε η ίδια.
Η ανακάλυψη αυτή έλαβε χώρα καθώς η ομάδα των ερευνητών δούλευε πάνω στην ανάπτυξη νευρωνικών δικτύων που προσομοιώνουν πώς οι άνθρωποι και άλλα βιολογικά συστήματα μαθαίνουν να βλέπουν. Αρχικά δυσκολεύτηκαν με τη σταθεροποίηση των νευρωνικών δικτύων που προσομοιώνονταν ενώ περνούσαν εκπαίδευση άνευ επίβλεψης, κάτι που περιλαμβάνει την καταχώρηση/ χαρακτηρισμό αντικειμένων χωρίς να υπάρχουν προηγούμενα παραδείγματα για σύγκριση.
«Το ζήτημα του πώς θα εμποδίσουμε τα συστήματα εκμάθησης να γίνουν ασταθή στην πραγματικότητα εμφανίζεται μόνο όταν επιχειρούμε να αξιοποιήσουμε βιολογικά ρεαλιστικούς, spiking νευρομορφικούς επεξεργαστές, ή όταν προσπαθούμε να κατανοήσουμε την ίδια τη βιολογία» είπε άλλος ένας εκ των συντελεστών, ο Γκάρετ Κένον. «Η συντριπτική πλειονότητα του machine learning, του deep learning και των ερευνητών τεχνητής νοημοσύνης ποτέ δεν αντιμετωπίζουν αυτό το πρόβλημα επειδή στα συστήματα που μελετούν έχουν την πολυτέλεια να πραγματοποιούν μαθηματικές διεργασίες που έχουν ως αποτέλεσμα τη ρύθμιση των συνολικών δυναμικών κερδών του συστήματος».
Οι επιστήμονες χαρακτηρίζουν την απόφαση να δοκιμάσουν να βάλουν τα δίκτυα σε «ύπνο» ως μια τελευταία, ύστατη προσπάθεια σταθεροποίησής τους. Σε αυτό το πλαίσιο πειραματίστηκαν με διάφορα είδη «θορύβου», και τα καλύτερα αποτελέσματα προέκυψαν όταν χρησιμοποιήθηκαν κύματα Γκαουσιανού θορύβου, που περιλαμβάνουν ένα μεγάλο εύρος συχνοτήτων και ευρών. Όπως εκτιμούν, ο θόρυβος αυτός μιμείται input που λαμβάνεται από τους βιολογικούς νευρώνες κατά τον ύπνο.
Επόμενος στόχος είναι η εφαρμογή του αλγορίθμου στο νευρομορφικό τσιπ Loihi της Intel, προκειμένου να «κοιμάται» κατά καιρούς ώστε να επεξεργάζεται με σταθερότητα πληροφορίες από μια κάμερα σε πραγματικό χρόνο.