ИИ может функционировать как человеческий мозг, если он запрограммирован на использование схожих алгоритмов обучения для новых объектов. В новом исследовании группа ученых объясняет, как новый подход значительно улучшает способность программного обеспечения ИИ быстро изучать новые визуальные концепции.

Мы можем заставить ИИ учиться гораздо лучше, если будем обучать их таким образом, каким информацию воспринимает наш мозг, – Максимилиан Ризенхубер, доктор философии, профессор нейробиологии Медицинского центра Джорджтаунского университета.

Люди могут быстро и хорошо изучать новые визуальные концепции на основе немногочисленных данных — иногда достаточно лишь одного примера. Даже трех-четырехмесячные младенцы могут легко научиться распознавать зебр и отличать их от кошек, лошадей и жирафов. Но компьютерам обычно нужно «видеть» множество примеров одного и того же объекта, чтобы узнать, что это такое, объясняет Ризенхубер.

Поэтому необходимо было разработать программное обеспечение для определения взаимосвязей между целыми визуальными категориями, вместо того чтобы пытаться использовать более стандартный подход к идентификации объекта с использованием только низкоуровневой и промежуточной информации, такой как форма и цвет.

Группа ученых обнаружила, что искусственные нейронные сети, которые представляют объекты с точки зрения ранее изученных концепций, усваивают новые визуальные концепции значительно быстрее.

Дело в том, что архитектура мозга, лежащая в основе изучения визуальных концепций человека, основана на нейронных сетях, участвующих в распознавании объектов. Считается, что передняя височная доля мозга содержит «абстрактные» представления, выходящие за рамки формы. Эти сложные нейронные иерархии для визуального распознавания позволяют людям изучать новые задачи и, что особенно важно, использовать ранее полученные знания.

Несмотря на достижения в области искусственного интеллекта, зрительная система человека по-прежнему остается золотым стандартом с точки зрения способности делать обобщения на нескольких примерах: она может надежно работать с вариациями изображения и четко анализирует происходящее вокруг.