Российские учёные создали нейросеть, которая воспроизводит работу не только нейронов, но и вспомогательных клеток мозга — астроцитов. Согласно научным данным, эти клетки участвуют в работе нейронов — они отвечают за синхронность передачи нервных сигналов. Нейросеть смогла правильно закодировать и воспроизвести визуальную информацию. По словам учёных, это исследование поможет лучше понять принципы работы человеческого мозга, а также позволит усовершенствовать системы искусственного интеллекта.
Учёные из Нижегородского государственного университета разработали нейронную сеть, математически имитирующую взаимодействие живых нейронов со вспомогательными клетками мозга — астроцитами. Программа смогла смоделировать процесс передачи и воспроизведения визуальных сигналов в головном мозге. Об этом RT сообщила пресс-служба РНФ. Исследование поддержано грантом фонда. Результаты опубликованы в журнале Entropy.
Как отмечают авторы работы, в мозге человека, помимо нейронов, есть вспомогательные ткани (глия), клетки которых окружают и поддерживают нервные волокна. Один из типов клеток глии называется астроцитами — последние научные исследования показали, что они участвуют в синаптической (синaпс — специализированный контакт между нервными клетками, обеспечивающий передачу сигнала) передаче сигнала, а также защищают нейроны от перевозбуждения и очищают передаваемые внутри нервной системы сигналы от искажений.
Первые зачатки разума у искусственного интеллекта // Шокирующий диалог ИИ и инженера Google
Поэтому при создании нейросетей, имитирующих работу человеческого мозга, важно моделировать работу не только нейронов, но также астроцитов, отмечают авторы исследования. Под нейронной сетью подразумевается математическая модель, которая воспроизводит алгоритмы работы биологической нервной системы. Как и настоящие нервные системы, алгоритм выдаёт определённый ответ на поступившие извне сигналы.
За основу авторы разработки взяли спайковую нейронную сеть, в которой каждый отдельный элемент является моделью биологического нейрона. Такие искусственные нейроны обмениваются короткими импульсами (спайками) одинаковой амплитуды.
Учёные внедрили в нейросеть данные о функциях астроцитов в синаптической передаче (контакт между нервными клетками). Далее они изучили механизм астроцитарной регуляции работы нейронов в ответ на сенсорные возбуждения.
Также по теме
«Воспроизводить механизмы работы мозга»: российские учёные — о создании биологического компьютера
Российские учёные из Нижегородского государственного университет им. Н.И. Лобачевского разрабатывают искусственный гиппокамп на основе.
Для этого авторы исследования очень быстро прогоняли через нейросеть однотонные чёрные изображения цифр от 0 до 9, закодированные в виде матрицы при помощи 0 и 1, где 0 означал пиксель без цвета, а 1 — пиксель чёрного цвета. Загруженные в нейросеть изображения стимулировали работу не только отдельных нейронов, но и множества искусственных клеток.
Какой путь вы выберете + десятки дерзких задачек
Учёные сравнили разработанную нейронную сеть с моделью, в которой не учитывались данные об астроцитарной регуляции. Оказалось, что именно астроциты отвечают за синхронизацию нейронов, что позволяет модели правильно закодировать полученную визуальную информацию и потом её воспроизвести.
«Следовательно, полученные результаты помогут лучше понять, как кодируется информация в мозге. Также разработка нейронной сети с помехоустойчивостью и возможностью управления динамикой искусственных нейронов будет крайне полезна в области развития систем искусственного интеллекта и анализа данных», — отметил в беседе с RT руководитель проекта, кандидат физико-математических наук Сергей Стасенко.
Источник: russian.rt.com
Чтобы ии пришельцев развивался еще быстрее для него пишут небольшие программы навыки
Чтобы ИИ пришельцев развивался ещё быстрее, для него пишут небольшие программы — «навыки».
Для ускорения самообучения ИИ напиши программу, которая переводит однозначное число из римской системы счисления.
Текст2-ввод 1
Текст3- 99
Текст 4- 100
Текст5-500060
1 Ответы
- vimmortal2
- 1 year ago
- expert_answer
- Report
Условие:
Напиши вместе с Антоном программу, которая вывод максимальное разрядное слагаемое данного числа
Программа:
Python:
Объяснение:
Получаем первый символ числа с помощью обрезания строки. Далее выводим K — 1 нулей, где K — количество символов в числе. То есть, у нас «заменяются» все цифры числа на нули, кроме первой.
Результат:
5001
Источник: issue.tips
Почему искусственный интеллект обыгрывает всех в Dota, но пока не выживет в реальном мире
Сможет ли человек научить искусственный интеллект выгуливать собак, чем ИИ похож на ребенка, почему машины быстро эволюционируют в виртуальном, а не в реальном мире, и как в этом помогает машинное обучение?
Компания «Яндекс»
Рассказывает лауреат научной премии от Яндекса Алексей Шпильман.
Обучающий гайд для машин и работа над ошибками
ИИ предсказывает пробки на дорогах, подбирает музыку для плейлистов, исправляет ошибки в сообщениях, убирает шум во время видеозвонков — и это лишь малая часть того, где он задействован. Миллионы людей каждый день сталкиваются с работой искусственного интеллекта, но часто даже не догадываются об этом.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Чтобы ИИ помогал в решении практических задач, его сначала нужно обучить. Проведем аналогию: если человек пришел в шахматный клуб и хочет научиться играть, то преподаватель может объяснить ему, как действуют фигуры в определенных позициях, отработать с ним комбинации ходов и так далее. А может просто дать доску и фигурки для игры, рассказать основные правила, порекомендовать несколько учебников и сказать: дальше разбирайся сам.
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Первый вариант — машинное обучение с учителем (Supervised learning) — метод, при котором исследователь готовит для ИИ путеводитель с правильными и неправильными действиями. На его основе машина осваивает алгоритм, который применяет для решения аналогичных задач. Как и человек, искусственный интеллект получает фидбек от учителя, анализирует ошибки и совершенствует свою работу.
В реальной жизни этот метод используется для предсказаний погоды, выручки компаний, цен на недвижимость. Банки применяют обучение с учителем при принятии решения о выдаче кредитов: ИИ анализирует клиента по множеству признаков, таких как возраст, зарплата, стаж, кредитная история, наличие собственности, и определяет, способен ли он вернуть запрашиваемую сумму. Другой пример сервисов, где применяется эта технология — голосовые помощники. Создавая Алису, разработчики Яндекса загрузили в компьютер множество текстов и аудиозаписей, чтобы нейросеть «научилась» вести беседы.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Контроль учителя всегда был важным условием образовательного процесса. Но сейчас привычные механики пересматриваются: чаще ценится, если ребенку дают право на ошибку и самостоятельный поиск. Для этого ученика помещают в симуляцию, где он сразу сможет на реальных ситуациях оттачивать разнообразные навыки.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
В машинном обучении такой вариант тоже возможен — к нему относится обучение с подкреплением (Reinforcement learning). В этом случае у компьютера или, как говорят ученые, у «агента», нет обучающих алгоритмов с четкими действиями. Искусственный интеллект совершает действие, а затем смотрит, как изменилась окружающая среда и его положение в ней.
Если шаг был успешным и приблизил ИИ к выполнению цели, то он получает награду — это стимулирует его продолжать движение в выбранном направлении. В обратной ситуации искусственный интеллект теряет наградные очки и отступает на несколько шагов назад, чтобы внести изменения в цепочку своих действий. Постепенно осваиваясь в незнакомой среде, машина понимает, что от нее требуется и какими способами лучше достичь поставленной задачи.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Берем пример с ИИ: учимся доводить дело до конца и не терять терпение
Представим, что мы хотим обучить машину выгуливать собаку. Это сложная задача, которую можно разбить на этапы: робот должен позвать питомца к двери, одеть его, закрепить поводок, выйти на улицу, следить, чтобы пес не вырывался и не бросался на людей, затем вернуться домой, раздеть, помыть лапы.
В рамках обучения с подкреплением задача машины — самостоятельно разложить запрос на отдельные действия и найти оптимальные пути их выполнения. Сначала система может попробовать вывести собаку без поводка. В следующий раз робот наденет шлейку, но забудет утеплить собаку в мороз. Такие попытки ИИ может совершать бессчетное количество раз, пока не найдет оптимальный способ — в этом плане он гораздо более усердный ученик, чем человек.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Освоение сложных навыков у машины пока происходит медленнее, чем у человека. Так, если посчитать время, которое понадобилось ИИ, чтобы научиться играть в DOTA, получится 45 000 лет. Но поскольку процесс происходит в виртуальном окружении, то его можно ускорить и распараллелить и тысячи лет сжать до одного года.
Например, боты OpenAI через десять месяцев обучения заняли первое место в турнире The International по Dota 2, обыграв чемпионов мира. Также компании удалось создать робота (а точнее роборуку), которая смогла собрать кубик Рубика. Для этого ИИ провел в виртуальной среде 10 000 симуляционных лет, постоянно тренируясь.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
В играх компьютер легко обходит самых талантливых людей, но для прикладного применения этого недостаточно. Реальный мир намного сложнее виртуального: в нем происходит гораздо больше событий, которые сложно спрогнозировать. Ученые работают над тем, чтобы приблизить внедрение алгоритмов RL, но это долгий и дорогой процесс.
Вообще в науке полезность для общества не всегда формируется сразу: для открытий часто нужно подготовить научную базу. Таким фундаментальным исследованиям важна инфраструктурная поддержка. К счастью, рынок это понимает и помогает ученым: к примеру, я и мои студенты принимали участие в конкурсе на соискание премии имени Ильи Сегаловича в области компьютерных наук от Яндекса. Гранты, доступ к специализированным ресурсам для машинного обучения и внимание экспертного сообщества, которое получают лауреаты, дают возможность быстрее выводить открытия из лабораторий в реальное производство.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Мастер-класс от человека: как ИИ выживать в реальном мире
Можно вспомнить несколько случаев успешного применения обучения с подкреплением в реальной жизни. К примеру, в Google на основе RL создали алгоритм глубокого обучения PRIME. Он помогает разрабатывать быстрые и компактные процессоры для обработки задач искусственного интеллекта. Изготовленные с помощью ИИ чипы имеют задержку до 50% меньше, а время для их производства сократилось с нескольких месяцев до шести часов. К тому же сами чипы стали в 1,5 раза меньше, что удешевляет их производство и снижает энергопотребление.
0 РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Еще один пример внедрения обучения с подкреплением — шагающие роботы. Они сканируют мир вокруг себя, создают в процессоре модель окружающий обстановки и учатся действовать в этой «виртуальной реальности». Затем полученные навыки используются для ориентирования в реальном мире.
Такие роботы уже умеет бегать по жесткой и мягкой почве, подниматься по лестнице и даже балансировать на скользкой поверхности. Когда мы поймем, как работать с этим методом, то сможем оптимизировать все процессы. А если заглянуть в будущее на несколько десятков лет вперед, то, возможно, эксперименты с RL приведут к тому, что ученые смогут создать некую внечеловеческую сущность.
Это будет интересно с философской и психологической точки зрения. Человечество — это закрытая система, которая пытается понять саму себя, ведь в масштабах Вселенной мы пока одни. Появление в будущем чего-то (или кого-то), не ограниченного нашим сознанием и физиологией, поможет людям взглянуть на свою жизнь, найти новые смыслы и получить ответы на многие вопросы.
Источник: www.techinsider.ru