大脑如何与人工智能竞争
•
2024-01-16 15:05:25
摘要 神经网络学习技术源于大脑的动态。然而，脑学习和深度学习这两种场景有着本质上的不同。最显着的差异之一是每个人拥有的层数。深度学习架构...
神经网络学习技术源于大脑的动态。然而，脑学习和深度学习这两种场景有着本质上的不同。最显着的差异之一是每个人拥有的层数。深度学习架构通常由多个层组成，这些层可以增加到数百个，从而能够有效学习复杂的分类任务。相比之下，大脑由很少的层组成，尽管其结构较浅且动态嘈杂且缓慢，但它可以有效地执行复杂的分类任务。
推动新研究的关键问题是大脑高效浅层学习的可能机制，这种机制使其能够以与深度学习相同的精度执行分类任务。在今天发表在Physica A上的一篇文章中，以色列巴伊兰大学的研究人员展示了这种浅层学习机制如何与深度学习竞争。巴伊兰物理与贡达系的 Ido Kanter 教授(Goldschmied )多学科脑研究中心，领导了这项研究。
“当架构变得更深、层数更多时，正确分类对象的能力就会增强。相比之下，大脑的浅层机制表明更广泛的网络可以更好地对物体进行分类，”本科生、这项工作的主要贡献者之一罗尼特·格罗斯(Ronit Gross)说。“更宽和更高的架构代表了两种互补的机制，”她补充道。然而，要实现模仿大脑动力学的非常宽的浅层架构，需要改变先进的 GPU 技术的特性，该技术能够加速深层架构，但在实现宽浅层架构时却失败了。
版权声明：本文由用户上传，如有侵权请联系删除！
标签：