211service.com
Bessere Bildgebung des Gehirns könnte Computern eine intelligentere Art des Lernens zeigen
Maschinelles Lernen ist ein äußerst cleverer Ansatz für die Computerprogrammierung. Anstatt Anweisungen für eine bestimmte Aufgabe sorgfältig zu schreiben, füttern Sie einfach Millionen von Beispielen in einen sehr leistungsfähigen Computer und lassen ihn im Wesentlichen das Programm selbst schreiben.
Viele der Gadgets und Online-Dienste, die wir heute für selbstverständlich halten, wie Websuche, Spracherkennung und Bild-Tagging, nutzen irgendeine Form des maschinellen Lernens. Und Unternehmen, die Unmengen von Benutzerdaten haben (Google, Facebook, Apple, Walmart usw.), sind gut positioniert, um diesen Trend zum Reichtum zu nutzen.
Eine neue 12-Millionen-Dollar-Projekt an der Carnegie Mellon University könnte das maschinelle Lernen noch leistungsfähiger machen, indem es Wege aufzeigt, Computer effizienter zu unterrichten und dabei viel weniger Daten zu verwenden.
Die fünfjährige Anstrengung wird eine neue Technik verwenden, die als 2-Photonen-Kalzium-Bildgebungsmikroskopie bezeichnet wird untersuchen, wie visuelle Informationen im Gehirn verarbeitet werden . Die Finanzierung kommt von Präsident Obama BRAIN-Initiative , und es ist ein gutes Beispiel für einen der kurzfristigen Vorteile, die leistungsstarke neue Bildgebungsverfahren für das Gehirn haben könnten.
Viele der besten maschinellen Lernalgorithmen basieren tatsächlich bereits lose auf der Funktionsweise des Gehirns. Aber diese sind unglaublich grob und erklären einige einfache Merkmale biologischer Netzwerke nicht.
Sandra Kuhlman, Professorin an der CMU, verwendete fluoreszierende Bildgebung, um einzelne Gehirnzellen (mit Pfeilen gekennzeichnet) zu erfassen.
So leistungsfähig sie auch sind, [diese Algorithmen] sind bei weitem nicht so effizient oder leistungsfähig wie die vom menschlichen Gehirn verwendeten, sagte er Tai Sing Lee , ein Professor für Informatik an der CMU, der die Bemühungen leitet. Um beispielsweise zu lernen, ein Objekt zu erkennen, müssen einem Computer möglicherweise Tausende von beschrifteten Beispielen gezeigt und unter Aufsicht gelehrt werden, während eine Person nur eine Handvoll benötigt und möglicherweise keine Überwachung benötigt.
Lee wird mit Sandra Kuhlman, einer Professorin für Biowissenschaften, ebenfalls an der CMU, und Alan Yuille, einem Professor für Kognitionswissenschaften an der Johns Hopkins University, zusammenarbeiten.
Es sind nicht nur die Neurowissenschaften, die uns helfen könnten, bessere maschinelle Lernansätze zu entwickeln. Einige Kognitionswissenschaftler lassen sich von psychologischen Beobachtungen inspirieren, um clevere neue Lernsysteme zu bauen.