Шабакаи нейронии "моеъ", ки пас аз мағзи махлуқоти ночиз модел шудааст, соли гузашта аз ҷониби муҳаққиқони MIT кашф шуда буданд. Барои вазифаҳои амалӣ ва муҳими бехатарӣ, ба монанди ронандагӣ ва парвоз, мо дар бораи як синфи моделҳои мустаҳкам ва мутобиқшавандаи омӯзиши мошинҳо сухан меронем, ки метавонанд дар кор омӯхта шаванд ва ба шароити тағйирёбанда мутобиқ шаванд. Мутобиқсозии ин шабакаҳои нейронии "моеъ" иртиботи ҷаҳони ба ҳам алоқаманди моро мустаҳкам мекунад, ки маънои қабули қарорҳои беҳтарро барои як қатор вазифаҳои серталаби маълумот ба монанди мониторинги дил ва майна, пешгӯии обу ҳаво ва нархгузории саҳмияҳоро дорад.
Аммо, бо зиёд шудани шумораи нейронҳо ва синапсҳо дар ин моделҳо, онҳо аз ҷиҳати ҳисоббарорӣ гарон мешаванд ва барои ҳалли математикаи мураккаби аслӣ барномаҳои компютерии вазнинро талаб мекунанд. Ва мисли бисёр падидаҳои физикӣ, ҳалли ҳамаи ин арифметика бо андоза душвортар мешавад, ки барои расидан ба ҳалли он ҳисоб кардани қадамҳои хурди зиёдеро талаб мекунад.
Худи ҳамон як гурӯҳи олимон роҳи коҳиш додани ин мушкилотро тавассути ҳалли муодилаи дифференсиалии пайвасти ду нейрон тавассути синапсҳо барои ошкор кардани синфи нави системаҳои зуд ва самараноки AI пайдо карданд. Гарчанде ки ин режимҳо нисбат ба шабакаҳои нейронии моеъ хеле тезтар ва миқёспазиранд, онҳо ҳамон хусусиятҳои чандир, сабабӣ, устувор ва фаҳмондашавандаро мубодила мекунанд.
Дар натиҷа, азбаски онҳо ҳатто пас аз омӯзиш хурд ва чандир мебошанд - бар хилофи бисёре аз моделҳои анъанавии собит - ин навъи шабакаи нейронро барои ҳама гуна вазифаҳое истифода бурдан мумкин аст, ки бо мурури замон фаҳмиши маълумотро дар бар мегирад.
Моделҳои шабакаи нейронии "вақти пӯшида" (CfC) аз ҳамтоёни муосири худ дар вазифаҳои гуногун, аз ҷумла коркарди пайдарпайи тасвир дар асоси ҳодиса, моделсозии динамикаи физикии роботи пиёдагардии моделиронӣ ва шинохти фаъолияти инсон аз сенсорҳои ҳаракат. Масалан, моделҳои нав дар намунаи 8.000 беморон барои пешгӯии тиббӣ 220 маротиба тезтар буданд.
Ба гуфтаи профессори MIT Даниэла Рус, директори лабораторияи илмҳои компютерӣ ва зеҳни сунъӣ (CSAIL) ва муаллифи калони мақолаи нав, “Моделҳои нави омӯзиши мошинҳо, ки мо онҳоро “CfCs” меномем, ба ҳамгироии ададӣ тамаркуз карда, муодилаи дифференсиалиро иваз мекунанд. ки хисобу китоби нейронро бо усули пушида тавсиф мекунад, хосиятхои зебои торхои моеъро бе зарурат нигох медорад. "Моделҳои CfC барои омӯзиш ва пешгӯӣ муассир, сабабӣ, конденсатсионӣ ва фаҳмонданд. Онҳо дарро ба омӯзиши боэътимоди мошинсозӣ барои барномаҳое, ки барои амният заруранд, мекушоянд.”
Мо метавонем бо истифода аз муодилаҳои дифференсиалӣ ҳолати тағирёбии ҷаҳон ё падидаро бо мурури замон ҳисоб кунем, аммо мо метавонем инро танҳо бо мурури замон қадам ба қадам иҷро кунем. Даста халтаҳои ҳиллаҳои риёзиро аз назар гузаронд, то ҳалли комилро пайдо кунад.
Ҳалли "шакли пӯшида", ки тамоми тавсифи тамоми системаро дар як қадами ҳисоббарорӣ модел мекунад, то падидаҳои табииро бо мурури замон моделсозӣ кунад ва рафтори гузашта ва ҳозираро дарк кунад, ба монанди шинохти фаъолияти инсон ё роҳи робот.
Модели онҳо имкон медиҳад, ки ин муодила дар ҳама гуна нуқтаи гузашта ё оянда ҳисоб карда шавад. На танҳо ин, ҳисобкунӣ хеле тезтар аст, зеро муодилаи дифференсиалӣ марҳила ба марҳила ҳал кардан лозим нест.
Тасаввур кунед, ки як шабакаи нейронии ба охир мерасад, ки камераеро, ки дар мошин сохта шудааст, барои таъмин кардани вуруди ронандагӣ истифода мебарад. Шабака барои истеҳсоли натиҷаҳо ба монанди кунҷи идоракунии мошин омӯзонида шудааст. Дар соли 2020, даста тавонист мошинеро созад, ки онро 19 нейрон ва модули хурди ҳассос бо истифода аз шабакаҳои нейронии моеъи 19 гиреҳ идора кунад. Ҳар як гиреҳи система бо муодилаи дифференсиалӣ тавсиф карда мешавад. Азбаски ҳалли шакли пӯшида наздикшавии хуби динамикаи воқеии система аст, тағир додани он дар ин тор ба рафторе, ки шумо меҷӯед, оварда мерасонад. Дар натиҷа, онҳо метавонанд мушкилотро бо нейронҳои камтар ҳал кунанд, ки ин равандро тезтар ва аз ҷиҳати ҳисоббарорӣ арзонтар мекунад.
Манбаъ ва хониши минбаъда: techxplore.com/news/2022-11-brain-dynamics-flexible-machine-learning.html
Günceleme: 21/11/2022 14:03
Аваллин эзоҳро диҳед