Искусственный Интелект, сегодня использует однородные нейронные сети, но наш мозг работает по другой модели.
Каждый нейрон в нашем мозгу похож на снежинку - чрезвычайно похож, но уникален. Они различаются по параметрам, электрическим и химическим свойствам, формам и т. Д. Их различия помогают им учиться в различных средах.
И наоборот, система ИИ состоит из повторяющихся идентичных искусственных нейронов. Их однородная природа делает их гораздо более уязвимыми для враждебных атак (таких как указанная выше этикетка iPod) с возможными каскадными эффектами.
Получат ли эти системы ИИ выгоду от наличия клеток, которые все немного отличаются, как то, что мы видим в биологических системах?
исследователями из Имперского колледжа Лондона.
Искусственный Интеллект основанный на однородных нейронах - это слабая копия того, как работает наш мозг. Новые открытия и новые адгоритмы.
Каждый нейрон в нашем мозгу похож на снежинку - чрезвычайно похож, но уникален. Они различаются по параметрам, электрическим и химическим свойствам, формам и т. Д. Их различия помогают им учиться в различных средах.
И наоборот, система ИИ состоит из повторяющихся идентичных искусственных нейронов. Их однородная природа делает их гораздо более уязвимыми для враждебных атак (таких как указанная выше этикетка iPod) с возможными каскадными эффектами.
Получат ли эти системы ИИ выгоду от наличия клеток, которые все немного отличаются, как то, что мы видим в биологических системах?
исследователями из Имперского колледжа Лондона.
Исследователи разработали гетерогенную сеть искусственного интеллекта, изменив время отклика каждой ячейки, сделав их уникальными. Они попросили сеть выполнить такую задачу, как классифицировать одежду или идентифицировать голосовые команды. Затем они сравнили его производительность с однородной сетью ИИ (состоящей из идентичных типов ячеек), выполняющей ту же задачу.
Гетерогенная нейронная сеть могла учиться быстрее и была более надежной.
Исследователи разработали гетерогенную сеть искусственного интеллекта, изменив время отклика каждой ячейки, сделав их уникальными. Они попросили сеть выполнить такую задачу, как классифицировать одежду или идентифицировать голосовые команды. Затем они сравнили его производительность с однородной сетью ИИ (состоящей из идентичных типов ячеек), выполняющей ту же задачу.
Гетерогенная нейронная сеть могла учиться быстрее и была более надежной.
