Nieuw onderzoek: kan AI leren zoals wij?
AmsterdamKunstmatige intelligentie (AI) wordt steeds beter in het nabootsen van menselijke handelingen. Het kan lezen, praten en grote hoeveelheden data verwerken. Daarnaast kan het advies geven bij zakelijke beslissingen. Desondanks kent AI nog belangrijke beperkingen. Een groot probleem is de interactie met de fysieke wereld. Huidige AI-systemen hebben miljoenen trainingsvoorbeelden nodig om specifieke taken uit te voeren, zoals het oplossen van wiskundeproblemen of het schrijven van essays.
Kyle Daruwalla is een NeuroAI Scholar aan het Cold Spring Harbor Laboratory (CSHL) die AI probeert te verbeteren. Hij onderzoekt nieuwe methoden voor het ontwerpen van AI. Zijn nieuwste idee richt zich op hoe AI omgaat met data. Moderne AI verbruikt veel energie omdat data over grote afstanden moet reizen. Daruwalla haalt zijn inspiratie uit de werking van het menselijk brein.
Hier zijn enkele belangrijke punten over zijn nieuwe ontwerp:
- Geïnspireerd door het menselijk brein
- Maakt gegevensverplaatsing efficiënter
- Stelt AI-neuronen in staat zich direct aan te passen
- Integreert werkgeheugen in het AI-proces
In de hersenen zijn verbindingen voortdurend aan het veranderen en zich aan het aanpassen. Daruwalla paste dit concept toe om een systeem te ontwerpen waarbij AI-neuronen directe feedback krijgen en onmiddellijk aanpassingen maken. Hierdoor kan data direct verwerkt worden zonder verre afstanden af te leggen.
Onderzoek wijst op een verband tussen werkgeheugen en leerprestaties of academisch succes. Werkgeheugen stelt ons in staat om geconcentreerd te blijven terwijl we opgeslagen informatie ophalen. Het model van Daruwalla ondersteunt dit idee door aan te tonen dat elke AI-synaps een werkgeheugensysteem in de buurt moet hebben voor aanpassingen.
Het nieuwe model van Daruwalla zou kunnen helpen om AI op een mensachtige manier te laten leren. Dit zou AI effectiever en gebruiksvriendelijker kunnen maken. Dit is belangrijk omdat de neurowetenschap al lange tijd waardevolle informatie aan AI levert. Het model van Daruwalla zou een verbetering voor beide vakgebieden kunnen betekenen.
21 november 2024 · 08:55
Nvidia imponeert, maar Aziatische beurs reageert aarzelend op concurrentie.
Het nieuwe ontwerp vernieuwt het systeem stukje bij beetje zonder alles stil te leggen. Dit stelt de AI in staat om gegevens te verwerken op een manier die lijkt op menselijke leren. Het is een belangrijke vooruitgang in het ontwikkelen van AI die leert zoals mensen dat doen.
AI heeft de laatste tijd grote vooruitgangen geboekt, maar heeft nog steeds moeite met fysieke taken en het oplossen van complexe problemen. Daruwalla heeft een nieuw idee dat hier verandering in kan brengen. Hij wil de menselijke hersenen als model gebruiken om AI-systemen te ontwikkelen die natuurlijker en efficiënter werken.
NeuroAI is een onderzoeksgebied dat neurowetenschappen en kunstmatige intelligentie combineert. Het werk van Daruwalla in dit vakgebied kan bijdragen aan het verbeteren van hoe AI-systemen leren en zich aanpassen.
Zijn ontwerp benadrukt efficiënt gegevensbeheer en continue aanpassingen. Dit zou enkele beperkingen van de huidige AI-technologieën kunnen oplossen.
Kyle Daruwalla's nieuwe AI-ontwerp is gebaseerd op de werking van het menselijk brein. Het helpt om gegevens efficiënter te verplaatsen en te verwerken. Zijn model bevat werkgeheugen, wat de AI flexibeler maakt. Dit is een belangrijke stap richting het creëren van AI die leert zoals mensen, en zou kunnen leiden tot toekomstige verbeteringen in zowel AI als neurowetenschappen.
De studie is hier gepubliceerd:
http://dx.doi.org/10.3389/fncom.2024.1240348en de officiële citatie - inclusief auteurs en tijdschrift - is
Kyle Daruwalla, Mikko Lipasti. Information bottleneck-based Hebbian learning rule naturally ties working memory and synaptic updates. Frontiers in Computational Neuroscience, 2024; 18 DOI: 10.3389/fncom.2024.124034820 november 2024 · 01:02
AI onderweg: compacte taalmodellen voor betere prestaties op mobiele apparaten
18 november 2024 · 14:36
Precieze gedragsstudies bij muizen dankzij AI: minder dieren en snellere resultaten
Deel dit artikel