Πρόσφατα πειράματα σε νευρωνικούς πολιτισμούς, όπως μέσα στον ανθρώπινο εγκέφαλο, οδήγησαν τους ερευνητές να εκτελούν προσομοιώσεις μεγάλης κλίμακας, οι οποίες έδειξαν ότι μπορούν να αναπτυχθούν αλγόριθμοι υπερφυσικής τεχνητής νοημοσύνης.
Αυτοί οι νέοι εξαιρετικά γρήγοροι αλγόριθμοι τεχνητής νοημοσύνης (εμπνευσμένοι από αργή δυναμική του εγκεφάλου) έχουν τη δυνατότητα να ξεπεράσουν όλα τα ποσοστά εκμάθησης που έχουν επιτευχθεί με τους πλέον σύγχρονους αλγορίθμους μάθησης μέχρι σήμερα. Μέσω αυτής της τεχνολογίας, οι επιστήμονες, από το πανεπιστήμιο Bar-Ilan, στοχεύουν στην ανοικοδόμηση μιας γέφυρας μεταξύ νευροεπιστήμης και προηγμένων αλγορίθμων τεχνητής νοημοσύνης, κάτι που προτάθηκε πριν από περίπου 70 χρόνια.
Ο επικεφαλής ερευνητής, καθηγητής Ido Kanter, σχολιάζοντας το θέμα, λέει : “Η τρέχουσα επιστημονική και τεχνολογική άποψη είναι ότι η νευροβιολογία και η μηχανική μάθηση είναι δύο ξεχωριστές ειδικότητες που προχωρούν ανεξάρτητα”. Οι Ισραηλινοί ερευνητές αμφισβήτησαν αυτή τη διχοτόμηση.
Οι ερευνητές υποστηρίζουν ότι αξίζει να μελετήσουμε τον βραδύτερο ανθρώπινο εγκέφαλο ακόμα και στην εποχή των υπερ-γρήγορων υπολογιστών, αφού ο ανθρώπινος εγκέφαλος είναι ακόμα ικανός να κάνει και να αντιληφθεί πολλά πράγματα που η τεχνητή νοημοσύνη δεν είναι σε θέση να εκτελέσει. Αν και ο ανθρώπινος εγκέφαλος υπολογίζει με πολύ πιο αργό ρυθμό από τους σύγχρονους υπολογιστές, είναι εξαιρετικά γρήγορος και αποτελεσματικός. Η καταγραφή αυτής της αποτελεσματικότητας θα μπορούσε να συμβάλει στην προώθηση της AI με νέους τρόπους.
Ένα παράδειγμα είναι η επεξεργασία ασύγχρονων εισροών και η δυνατότητα βελτίωσης των πληροφοριών, όπως η αξιολόγηση των αυτοκινήτων που κινούνται με διαφορετικές ταχύτητες σε ένα δρόμο, κινούνται κατά μήκος πεζών που κινούνται με διαφορετικές ταχύτητες κατά μήκος ενός δρόμου. Ένας συμβατικός αλγόριθμος τεχνητής νοημοσύνης βασίζεται σε σύγχρονες εισόδους, που σημαίνει ότι η AI μπορεί να αγωνιστεί για την ερμηνεία αντικειμένων που κινούνται με διαφορετικές ταχύτητες.
Με βάση αυτό, οι ερευνητές πιστεύουν ότι η ΑΠ μπορεί να εκπαιδευτεί με διάφορους τρόπους ώστε να μπορεί να λειτουργήσει περισσότερο σαν ανθρώπινος εγκέφαλος και αυτός ο διαφορετικός τρόπος δράσης και αντίληψης του κόσμου θα οδηγήσει σε ταχύτερους τρόπους αξιολόγησης κινούμενων αντικειμένων, προχωρώντας σε πράγματα όπως τα αυτόνομα οχήματα.
Οι ερευνητές καταλήγουν στο συμπέρασμα ότι ο εγκέφαλος «πρέπει να βρίσκεται ξανά στο επίκεντρο της μελλοντικής τεχνητής νοημοσύνης». Τα ευρήματα έχουν αναφερθεί στο περιοδικό Scientific Reports . Η έρευνα έχει τίτλο “Οι καμπύλες βιολογικής εκμάθησης ξεπερνούν τα υπάρχοντα σε αλγόριθμους τεχνητής νοημοσύνης”.