Феномен ЧЕЛОВЕКа

64 подписчика

Свежие комментарии

  • Геннадий
    ...всего лишь человек. А Марко Поло, Магеллан, Николо Тесла, Коперник,- и ещё, и ещё великое множество "не мессий"? П...Rag'n'Bone Man - ...
  • Ирина Лучик
    Спасибо. Я пару тезисов возьму для своей новой заметки, как стержень. Кстати, самая умная в мире обезьяна Коко. И...Самотрансценденци...
  • НАТАЛЬЯ Тиханская (Чинарова)
    Думаю,что для Истины и Мудрости-времени не существует.О созидании душев...

Успехи в области искусственного интеллекта и нейробиологии

Успехи в области искусственного интеллекта и нейробиологии

Положительное обучение искусственного интеллекта

Прошлый год принёс огромный успех в области искусственного интеллекта и машинного обучения. Историческая победа AlphaGo против одной из лучших компаний, LeeSedol, стала лучшей в области ИИ, и особенно в технике для глубокого обучения с подкреплением.

Обучение с подкреплением опирается на то, как животные узнают, что определенное поведение ведет к положительному или отрицательному результату. Используя этот подход, компьютер может выяснить, как перемещаться по лабиринту с пробами и ошибками, а затем сопоставить положительный результат с лабиринтом. Это позволяет машине учиться без инструкций или даже явных примеров. Идея существует уже несколько десятилетий, но сочетается с большими (или глубокими) нейронными сетями.

В 2018 году мы, скорее всего, увидим попытки применить обучение с подкреплением к таким проблемам, как автоматическое вождение и промышленная робототехника. Google собирается использовать глубокое обучение с подкреплением, чтобы повысить эффективность своих центров обработки данных.

Дуэльные нейронные сети

В Барселоне состоялась конференция по обработке информации нейронными сетями. Там обсуждались новая технология машинного обучения, известной как генеративно-состязательная сеть.

Генеративно — состязательную сеть описал Ян Гудфеллоу, ученый-исследователь OpenAI. Генеративно — состязательная сеть, или GAN, является системами одной и той же сети, одни из которых генерируют новые данные после обучения из учебного набора, а другие пытаются различать реальные и поддельные данные. Работая вместе, эти сети могут создавать очень реалистичные синтетические данные.

Йошуа Бенджио, один из ведущих мировых экспертов по компьютерному обучению, сказал в NIPS, что этот подход является особенно интересным, потому что он предоставляет широкие возможности для компьютеров. Этот подход может быть ключом для созданияв будущем более умных компьютеров.

http://neuronus.com/overview.html/1361-obzor-5-prognozov-ob-iskusstvennom-intellekte-v-2018-godu.html

Нейробиологи при помощи алгоритмов искусственных нейронных сетей анализируют человеческий мозг

Как рождается сознание? Исследователи подозревают, что ответ на этот вопрос лежит в связи между нейронами. Однако, к сожалению, мало известно о нейронах головного мозга. Это связано также с проблемой времени: отслеживание связей между нейронами в собранных данных потребует огромное количество человеко-часов. На сегодняшний день, ни один компьютер не смог идентифицировать нейронные контакты клеток достаточно хорошо. Ученые из института нейробиологии Макса Планка в Мартинсрид планируют изменить это с помощью искусственного интеллекта. Они обучили несколько искусственных нейронных сетей и тем самым позволили значительно ускорить анализ реальных нейронных цепей.

Нейроны нуждаются в группе. По отдельности эти клетки могут мало чего достичь, но когда они объединяются то образуют единую мощную сеть, которая контролирует даже поведение человека. Как часть этого процесса, клетки обмениваются информацией через свои точки соприкосновения, синапсы. Информация о том, как нейроны соединены друг с другом, имеет решающее значение для нашего понимания основных функций головного мозга и вышестоящих процессов, таких как обучение, память, сознание и расстройство нервной системы. Исследователи подозревают, что ключ ко всему лежит в связях 100 млрд. клеток в человеческом мозге.

Чтобы использовать этот ключ нужно понимать что каждый нейрон в мозге имеет тысячи контактов и партнерских клеток. Буквально несколько лет назад, перспектива достижения этого казалось нереальным. Однако ученые из института Макса Планка отказываются пугаться понятия, что что-то «нереально». Таким образом, за последние несколько лет, они развивали и совершенствовали методы окрашивания и микроскопию, которые могут быть использованы для преобразования образцов ткани головного мозга в трехмерные электронно-микроскопические изображения. Их последний микроскоп, который используется департаментом в качестве прототипа, сканирует поверхность образца с 91 пучками. По сравнению с предыдущей моделью, это увеличивает скорость сбора данных с коэффициентом более 50 . В результате чего, целый головной мозг можно изучать в течение нескольких лет, а не десятилетий.

Йошуа Бенджио, один из ведущих мировых экспертов по компьютерному обучению, сказал в NIPS, что этот подход является особенно интересным, потому что он предоставляет широкие возможности для компьютеров. Этот подход может быть ключом для созданияв будущем более умных компьютеров.

Обучение нейронных сетей

На сегодняшний день, ученые из института Макса Планка, возглавляемом Юргеном Корнфельд уже сейчас преодолевают это препятствие при помощи искусственных нейронных сетей. Эти алгоритмы способны обучаться и делать обобщения на основе этих знаний. Уже сейчас они очень успешно применяются в обработке изображений и распознавания образов. «Это было очень правильным решением применять искусственные нейронные сети для изучения реальной нейронной сети», — говорит руководитель исследования Йорген Корнфельд. Тем не менее, это было не совсем просто, как кажется на первый взгляд. В течение нескольких месяцев ученые обучали и тестировали так называемые, сверточные нейронные сети, для распознавания клеток, компонентов клеток и синапсов и способность отличать их друг от друга.

После краткого этапа обучения, в результате чего сеть SyConn теперь способна идентифицировать эти структуры самостоятельно и точно. Ее использование показало, что SyConn настолько надежна, что нет необходимость проверять ее на наличие ошибок. «Это абсолютно фантастика! Мы даже не ожидали достичь такой высокой точности!», — говорит Корнфельд с явным восхищением успеха SyConn, который является частью его докторских исследований. И он имеет все основания быть в восторге, так как разработанная нейронная сеть позволяет разгрузить нейробиологов, сэкономив тысячи часов монотонной работы в будущем.

http://neuronus.com/stat/1292-izuchenie-chelovecheskogo-mozga-pri-pomoshchi-iskusstvennykh-nejronnykh-setej.html

Успехи в области искусственного интеллекта и нейробиологии

Ученые создали искусственный синапс, который способен автономно обучаться

Исследователи из Франции и университета Арканзаса создали искусственный синапс (компонент искусственного интеллекта) способный автономному обучению. Это открытие открывает двери к построению больших сетей, которые будут работать подобно человеческому мозгу.

Результат работы были опубликованы 3 апреля в журнале Nature communications.

«Это исследование является существенным шагом вперед», — сказал Бин Сюй, научный сотрудник университета Арканзас.

Мозг различает синапсы соединенные между нейронами. Соединения различаются по силе, соотносящейся с сильной памятью и улучшенной обучаемостью. Это понятие называется синоптической пластичностью, и исследователи рассматривают его как модель для продвижения машинного обучения.

Команда французских ученых, спроектировала и построила искусственный синапс, называемый мемристором. Изготовлена она из сверхтонких сегнетоэлектрических туннельных переходов, которые могут быть настроены для проводимости импульсов напряжения. Материал, зажатый между электродами, и изменчивость в ее проводимости определяет, является ли связь между электродами сильной или слабой.

Сюй и Лоран Bellaiche, уважаемые профессоры кафедры физики, помогают обеспечить микроскопическое понимание того, как функции устройства позволят в будущем исследователям создать более крупные и мощные самообучающиеся сети.

Мемристоры не новая разработка, но до сих пор их принципы работы не были правильно исследованы. Исследование дает четкое объяснение физического механизма, лежащего в основе искусственных синапсов. Исследователи из университета Арканзас, провели компьютерное моделирование, что прояснило механизм переключения в сегнетоэлектрических туннельных переходов, резервного копирование измерения, проведенного французскими учеными.

http://neuronus.com/news-tech/1314-uchenye-sozdali-iskusstvennyj-sinaps-kotoryj-sposoben-avtonomno-obuchatsya.html

Эмуляция функций человеческого мозга

Создание искусственного интеллекта, который бы полностью эмулировал функции человеческого мозга давно была мечтой ученых. Мозг имеет множество улучшенных функций по сравнению с супер-ЭВМ, имеет легкий вес, небольшой объем, и потребляет крайне мало энергии. Построение искусственной нейронной сети, требует огромное количество (1014) синапсов.

Совсем недавно были предприняты значительные усилия для реализации синаптической функции в одном электронном устройстве, такие как использование резистивная памяти с произвольным доступом (RRAM), изменение фазы памяти, токопроводящие мостики, и синаптические транзисторы.

Профессор Тэ-Ву ли и доктор Сун Ен мин с кафедры материаловедения и инженерии в POSTECH преуспели в изготовлении органических нановолокон (ОНФ) для электронных устройств, которые эмулируют не только важные принципы работы и потребления энергии в биологических синапсов, но и морфологии. Недавно они опубликовали результаты своих научных исследований.

Морфология ОНФ очень похожа на нервные волокна, которые образуют перекрещивающиеся сетки для обеспечения высокой плотности памяти человеческого мозга. Эта морфология потенциально позволяет будущей конструкции обладать высокой плотностью памяти.

Важные принципы работы биологического синапса составляли: парные импульсы по упрощению формальностей (ППФ), кратковременная пластичность (СТП), длительная пластичность (ЛТП), Спайк-передне зависимая пластичность (СТДП), а Спайк-ставка зависит от пластичности (ПРЗ). Самое удивительно, потребление энергии устройством может быть снижена до уровня femtojoule в синаптическом событии, это величина намного ниже чем в предыдущих экспериментах! Кроме того, органические искусственные синапсы не только обеспечивают новое научное направление в нейроморфной электронике, но даже открывают новую эру органической электроники.

http://neuronus.com/news-tech/1183-emulyatsiya-funktsij-chelovecheskogo-mozga.html

Картина дня

))}
Loading...
наверх