حافظه ی هوش مصنوعی: چه چیز سبب میشود یک شبکه ی عصبی به یاد بیاورد؟
ویژه علوم اعصاب
7 مارس 2023
خلاصه: محققان با استفاده از یک شبکه ی عصبی کلاسیک، یک مدل هوش مصنوعی جدید بر اساس یافتههای بیولوژیکی اخیر، ایجاد کردهاند که عملکرد حافظه را بهبود میبخشد.
مدلهای کامپیوتری، ابزار مهمی برای مطالعه ی نحوه ی ساخت و ذخیرهسازی خاطرات و انواع دیگر اطلاعات پیچیده توسط مغز است. اما ایجاد چنین مدل هایی، یک کار دشوار است.
به نوعی، سمفونی سیگنالها؛ چه سیگنال های بیوشیمیایی و یا سیگنال های الکتریکی و درهمتنیدگی اتصالات بین نورونها و انواع دیگر سلولها، سختافزاری بیولوژیک را برای تسخیر خاطرات ایجاد میکند.
با این حال، چون دانشمندان علوم اعصاب به طور کامل بیولوژی زیربنایی مغز را درک نمی کنند، رمزگذاری این فرآیند در یک مدل کامپیوتری به منظور مطالعه بیشتر آن، یک چالش بوده است.
اکنون، محققان مؤسسه علم و فناوری اوکیناوا (OIST) یک مدل رایج رایانه ای از حافظه به نام شبکه هاپفیلد Hopfield را به گونه ای تغییر داده اند که با الهام گرفتن از زیست شناسی، عملکرد را بهبود می بخشد. آنها دریافتند که شبکه ی جدید نه تنها نحوه ی اتصال نورون ها و سلول های دیگر را در مغز بهتر منعکس می کند، همچنین می تواند خاطرات بیشتری را در خود نگه دارد.
توماس برنز، دانشجوی دکترا در گروه پروفسور توموکی فوکای- که سرپرست واحد کدگذاری عصبی و محاسبات مغزی OIST است- میگوید: پیچیدگی اضافه شده به شبکه، آن را واقعیتر میکند.
چرا زیست شناسی این همه پیچیدگی دارد؟ آقای برنز می گوید ظرفیت حافظه ممکن است یک دلیل باشد.
شبکه های هاپفیلد حافظه ها را به عنوان الگوهایی از اتصالات سنجیده شده بین نورون های مختلف در سیستم، ذخیره می کنند.
شبکه برای رمزگذاری این الگوها آموزش دیده است، سپس محققان می توانند حافظه ی خود را از آنها با ارائه یک سری الگوهای مبهم یا ناقص، آزمایش کنند و ببینند آیا شبکه می تواند آنها را به عنوان الگوهایی که قبلاً می شناسد تشخیص دهد.
با این حال، در شبکههای کلاسیک هاپفیلد، نورونهای مدل، بهطور متقابل به نورونهای دیگر در شبکه متصل میشوند تا مجموعهای را از آنچه اتصالات «جفتی» نامیده میشوند تشکیل دهند.
اتصالات زوجی نشان دهنده ی نحوه اتصال دو نورون در یک سیناپس یعنی یک نقطه اتصال بین دو نورون در مغز است.
اما در واقعیت، نورونها ساختارهای شاخهدار پیچیدهای به نام دندریت دارند که نقاط متعددی را برای اتصال فراهم میکنند، بنابراین مغز برای انجام کارهای شناختی خود به آرایش بسیار پیچیدهتری از سیناپسها متکی است. علاوه بر این، اتصالات بین نورون ها توسط انواع سلول های دیگر به نام آستروسیت تعدیل می شود.
آقای برنز توضیح میدهد: «این که فقط اتصالات زوجی بین نورونها در مغز وجود داشته باشد، واقع بینانه نیست.
او یک شبکه هاپفیلد اصلاح شده، ایجاد کرد که در آن نه تنها جفتهای نورون، بلکه مجموعهای از سه، چهار یا بیشتر نورونها نیز میتوانند به هم متصل شوند، و این، مانند آن چیزی است که شاید از طریق آستروسیتها و درختان دندریتیک در مغز رخ دهد. اگر چه شبکه جدید این اتصالات، به اصطلاح «مجموعهای» را مجاز میکرد، اما در مجموع شامل همان تعداد اتصالات قبلی بود.
محققان دریافتند که شبکه ای حاوی ترکیبی از اتصالات زوجی و تنظیمی، بهترین عملکرد را داشته و بیشترین تعداد حافظه را حفظ می کند. آنها تخمین می زنند که عملکرد آن، بیش از دو برابر شبکه ی سنتی هاپفیلد است.
آقای برنز میگوید: «به نظر میرسد که شما واقعاً به ترکیبی از ویژگیها در تعادل نیاز دارید. شما باید سیناپس های جداگانه داشته باشید، اما باید تعدادی درخت دندریتیک و تعدادی آستروسیت هم داشته باشید.
آنها دریافتند که شبکه جدید نه تنها نحوه اتصال نورون ها و سلول های دیگر در مغز را بهتر منعکس می کند، بلکه می تواند به طور چشمگیری خاطرات بیشتری را در خود نگه دارد.
شبکههای هاپفیلد برای مدلسازی فرآیندهای مغز مهم هستند، اما کاربردهای قدرتمند دیگری هم دارند. به عنوان مثال، انواع بسیار مشابه شبکهها به نام Transformers، زیربنای ابزارهای زبان مبتنی بر هوش مصنوعی مانند ChatGPT هستند، بنابراین پیشرفتهایی که آقای برنز و پروفسور فوکای شناسایی کردهاند ممکن است چنین ابزارهایی را قویتر کند.
آقای برنز و همکارانش قصد دارند به کار با شبکه های هاپفیلد اصلاح شده ی خود، ادامه دهند تا آنها را همچنان قدرتمندتر کنند. به عنوان مثال، در مغز، نقاط قوت اتصالات بین نورونها معمولاً در هر دو جهت یکسان نیست، بنابراین آقای برنز به این فکر میکند که آیا این ویژگی عدم تقارن، ممکن است عملکرد شبکه را هم بهبود بخشد. علاوه بر این، او مایل است راههایی را برای ایجاد تعامل خاطرات شبکه با یکدیگر یعنی روشی که در مغز انسان انجام میدهند بررسی
کند.
آقای برنز می گوید: «خاطرات ما چند وجهی و گسترده است. ما هنوز چیزهای زیادی برای کشف داریم.
https://neurosciencenews.com/biological-neural-network.../
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031