В университете Карнеги-Меллон стартует проект по изучению «обратной разработки» человеческого мозга. Цель — раскрыть секреты нейронных схем и методов обучения, чтобы передать эти умения компьютеру.

Машинное обучение — важный шаг в развитии искусственного интеллекта, но его трудно совершить, не понимая, как думаем и учимся мы сами. Проект стоимостью в $12 млн призван ответить на этот вопрос.

Под руководством профессора университета Тай Синг Ли команда ученых займется усовершенствованием нейтронных связей в компьютерных моделях, использующих ИИ для целого ряда приложений — беспилотных автомобилей, автоматической торговли, распознавании речи и лиц.

«Сегодня нейронные сети используют алгоритмы, разработанные в основном в начале 1980-х, — говорит Ли. — Несмотря на их сложность они и близко не такие эффективные или сложные, как алгоритмы человеческого мозга».

Компьютеру приходится показывать тысячи помеченных образцов, чтобы он научился распознавать объект. Человеку достаточно десятка.

Пытаясь понять, почему это так, ученые использовали двухфотонный микроскоп для наблюдения за кальцием в клетках мозга мышей. Это позволило «отследить одновременную реакцию почти всех (если не всех) нейронов мозга», говорит ассистент профессора и член команды Сандра Кулман. В результате получится огромная и подробная картина поведения нейронов коры головного мозга.

Проект финансирует правительственное Исследовательское агентство IAPRA по поручению Института Мозга.

«Мы надеемся, что полученные знания приведут к развитию нового поколения алгоритмов машинного обучения, которые позволят ИИ машин учиться без надзора и на малом числе примеров, что отличает человеческий интеллект», — говорит профессор Ли.