Saudi akan menginvestasikan $ 20 miliar dalam AI pada tahun 2030
Computer

Sistem simulasi dapat membantu mengembangkan kecerdasan buatan yang lebih baik, perawatan untuk gangguan otak


Kredit: Pixabay / CC0 Domain Publik

Membuat komputer “berpikir” seperti manusia adalah cawan suci dari kecerdasan buatan, tetapi otak manusia ternyata merupakan tindakan yang sulit untuk diikuti. Otak manusia adalah ahli dalam menerapkan pengetahuan yang dipelajari sebelumnya ke situasi baru dan terus-menerus menyempurnakan apa yang telah dipelajari. Kemampuan untuk menjadi adaptif ini sulit ditiru di mesin.

Sekarang, para peneliti Salk telah menggunakan model komputasi aktivitas otak untuk mensimulasikan proses ini lebih akurat daripada sebelumnya. Model baru ini meniru bagaimana korteks prefrontal otak menggunakan fenomena yang dikenal sebagai “gating” untuk mengontrol aliran informasi antara berbagai area neuron. Ini tidak hanya menjelaskan otak manusia, tetapi juga dapat menginformasikan desain program kecerdasan buatan yang baru.

“Jika kami dapat meningkatkan model ini untuk digunakan dalam sistem kecerdasan buatan yang lebih kompleks, ini mungkin memungkinkan sistem ini mempelajari berbagai hal lebih cepat atau menemukan solusi baru untuk masalah,” kata Terrence Sejnowski, kepala Laboratorium Neurobiologi Komputasi Salk dan penulis senior dari karya baru, diterbitkan pada 24 November 2020, di Prosiding National Academy of Sciences.

Otak manusia dan mamalia lain dikenal karena kemampuannya memproses rangsangan dengan cepat — pemandangan dan suara, misalnya — dan mengintegrasikan informasi baru apa pun ke dalam hal-hal yang sudah diketahui otak. Fleksibilitas untuk menerapkan pengetahuan ke dalam situasi baru dan terus belajar seumur hidup telah lama menjadi tujuan para peneliti merancang program pembelajaran mesin atau otak buatan. Secara historis, ketika mesin diajari untuk melakukan satu tugas, sulit bagi mesin untuk mempelajari cara menyesuaikan pengetahuan tersebut ke tugas serupa; sebaliknya setiap proses terkait harus diajarkan secara individu.

Dalam studi saat ini, kelompok Sejnowski merancang kerangka kerja pemodelan komputasi baru untuk mereplikasi bagaimana neuron di korteks prefrontal — area otak yang bertanggung jawab untuk pengambilan keputusan dan memori kerja — berperilaku selama tes kognitif yang dikenal sebagai Wisconsin Card Sorting Test. Dalam tugas ini, peserta harus mengurutkan kartu menurut warna, simbol, atau angka — dan terus menyesuaikan jawaban mereka saat aturan penyortiran kartu berubah. Tes ini digunakan secara klinis untuk mendiagnosis demensia dan penyakit kejiwaan, tetapi juga digunakan oleh peneliti kecerdasan buatan untuk mengukur seberapa baik model komputasi otak mereka dapat mereplikasi perilaku manusia.

Model sebelumnya dari korteks prefrontal berkinerja buruk pada tugas ini. Kerangka tim Sejnowski, bagaimanapun, mengintegrasikan bagaimana neuron mengontrol aliran informasi di seluruh korteks prefrontal melalui gerbang, mendelegasikan potongan informasi yang berbeda ke sub-wilayah jaringan yang berbeda. Gating dianggap penting dalam skala kecil — dalam mengendalikan aliran informasi dalam kelompok kecil sel serupa — tetapi gagasan itu tidak pernah diintegrasikan ke dalam model melalui seluruh jaringan.

Jaringan baru ini tidak hanya bekerja dengan andal seperti manusia di Wisconsin Card Sorting Task, tetapi juga meniru kesalahan yang terlihat pada beberapa pasien. Ketika bagian-bagian dari model dihilangkan, sistem menunjukkan kesalahan yang sama yang terlihat pada pasien dengan kerusakan korteks prefrontal, seperti yang disebabkan oleh trauma atau demensia.

“Menurut saya salah satu bagian yang paling menarik dari ini adalah, dengan menggunakan kerangka pemodelan ini, kami mendapatkan gagasan yang lebih baik tentang bagaimana otak diatur,” kata Ben Tsuda, seorang mahasiswa pascasarjana Salk dan penulis pertama dari buku baru kertas. “Itu memiliki implikasi untuk pembelajaran mesin dan mendapatkan pemahaman yang lebih baik tentang beberapa penyakit yang mempengaruhi korteks prefrontal.”

Jika peneliti memiliki pemahaman yang lebih baik tentang bagaimana wilayah korteks prefrontal bekerja sama, tambahnya, itu akan membantu memandu intervensi untuk mengobati cedera otak. Ini bisa menyarankan area untuk ditargetkan dengan stimulasi otak dalam, misalnya.

“Ketika Anda berpikir tentang cara otak masih melampaui jaringan pembelajaran mendalam yang canggih, salah satu cara tersebut adalah keserbagunaan dan generalisasi di seluruh tugas dengan aturan yang berbeda,” kata rekan penulis studi Kay Tye, seorang profesor di Salk’s Systems. Laboratorium Neurobiologi dan Ketua Wylie Vale. “Dalam pekerjaan baru ini, kami menunjukkan bagaimana pengumpulan informasi dapat memberi daya pada model korteks prefrontal kami yang baru dan lebih baik.”

Tim selanjutnya ingin meningkatkan jaringan untuk melakukan tugas-tugas yang lebih kompleks daripada tes penyortiran kartu dan menentukan apakah gerbang seluruh jaringan memberi korteks prefrontal buatan memori kerja yang lebih baik dalam semua situasi. Jika pendekatan baru bekerja di bawah skenario pembelajaran yang luas, mereka menduga bahwa itu akan mengarah pada sistem kecerdasan buatan yang lebih baik yang dapat lebih mudah beradaptasi dengan situasi baru.


Jalur saraf penting untuk keberhasilan pengenalan objek secara cepat pada primata


Informasi lebih lanjut:
Ben Tsuda et al, Sebuah kerangka pemodelan untuk pembelajaran seumur hidup adaptif dengan transfer dan tabungan melalui gerbang di korteks prefrontal, Prosiding National Academy of Sciences (2020). DOI: 10.1073 / pnas.2009591117

Disediakan oleh Salk Institute

Kutipan: Sistem simulasi dapat membantu mengembangkan kecerdasan buatan yang lebih baik, perawatan untuk gangguan otak (2020, 16 Desember) diakses pada 16 Desember 2020 dari https://techxplore.com/news/2020-12-simulated-artificial-intelligence-treatments-brain.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.




Halaman Ini Di Persembahkan Oleh : Pengeluaran HK