Jesu li kašnjenja u mozgu računalni nedostatak ili prednost?
Izraelski znanstvenici tvrde kako kašnjenja zapravo otvaraju put za učinkovitije i fleksibilnije učenje bez promjene arhitekture
Biološke komponente manje su pouzdane od električnih i umjesto da trenutačno primaju dolazne signale, oni stižu s raznim kašnjenjima. To tjera mozak da se s tim kašnjenjima nosi tako što svaki neuron integrira dolazne signale tijekom vremena i aktivira se koristeći pritom niz neurona umjesto samo jednog.
Dinamika mozga
Čini se da kašnjenja nisu ništa drugo nego neizbježan nedostatak koji usporava mozak i smanjuje njegovu učinkovitost; no mogu li kašnjenja zapravo biti korist za učenje mozga, zapitali su se znanstvenici Kanter Laba u Multidisciplinarnom centru za istraživanje mozga Sveučilišta Bar-Ilan i u novoj studiji, objavljenoj u časopisu Physica A: Statistical Mechanics and its Applications, odgovorili s odlučnim "da". Naime, izraelski istraživači tvrde kako kašnjenja zapravo otvaraju put za učinkovitije i fleksibilnije učenje bez promjene arhitekture.
"Dinamika mozga može koristiti kašnjenja kao prednost. U umjetnim neuronskim mrežama svaki objekt treba vlastitu izlaznu jedinicu da bi bio prepoznat, dok mozak može koristiti jedan neuronski izlaz, gdje njegova aktivnost kao funkcija vremena razlikuje različite objekte", tvrde istraživači.
Brže, bolje, složenije
U biti, moglo bi se reći da mozak koristi vrijeme za učenje, dok računalo koristi prostor. A to mozak čini puno modularnijim za promjene, bez potrebe za promjenom arhitekture.
"Učenje novih objekata ne zahtijeva drugačiju arhitekturu, već samo učenje signala u dodatnom izlaznom vremenu. To pak omogućava prepoznavanje kombinacije objekata. Recimo da se slika konja može prepoznati u određenom trenutku, slika osobe u drugom, ali osoba koja jaše može se prepoznati u nekom međuvremenu", pojašnjavaju istraživači koji tvrde kako ovo otkriće može rasvijetliti funkcioniranje biološkog mehanizma koji pritom ne predstavlja prepreku kako se dosad mislilo, već može koristiti dinamici učenja mozga, nadmašujući čak i strojno učenje. A to nam pak, kažu, može pomoći da razvijemo bolje, brže i složenije sustave umjetnog učenja.
