07136476172 - 09172030360 [email protected]

زمینه های علوم اعصاب و هوش مصنوعی (AI) تاریخچه طولانی و درهم تنیده ای دارند. با این حال. در زمان های اخیر. ارتباطات و همکاری بین دو حوزه کمتر رایج شده است. در این مقاله. ما استدلال می کنیم که درک بهتر مغزهای بیولوژیکی می تواند نقش حیاتی در ساخت ماشین های هوشمند داشته باشد.

ما تعاملات تاریخی بین حوزه‌های هوش مصنوعی و علوم اعصاب را بررسی می‌کنیم و بر پیشرفت‌های فعلی در هوش مصنوعی که از مطالعه محاسبات عصبی در انسان‌ها و سایر حیوانات الهام گرفته شده است. تأکید می‌کنیم. ما با برجسته کردن مضامین مشترکی که ممکن است برای پیشبرد تحقیقات آینده در هر دو زمینه کلیدی باشند. نتیجه گیری می کنیم.

 

شروع کار

 

در سال‌های اخیر. پیشرفت سریعی در زمینه‌های مرتبط با علوم اعصاب و هوش مصنوعی (AI) صورت گرفته است. در طلوع عصر کامپیوتر. کار بر روی هوش مصنوعی به طور جدایی ناپذیری با علوم اعصاب و روانشناسی در هم آمیخته بود و بسیاری از پیشگامان اولیه در هر دو زمینه فعالیت داشتند و همکاری بین این رشته ها بسیار سازنده بود.

هب. 1949

هینتون و همکاران. 1986

هاپفیلد. 1982

مک کالوچ و پیتس. 1943

تورینگ. 1950

با این حال. اخیراً. تعامل بسیار کمتر رایج شده است. زیرا هر دو موضوع به شدت در پیچیدگی رشد کرده اند و مرزهای انضباطی مستحکم شده اند. در این بررسی. ما در مورد اهمیت حیاتی و مداوم علوم اعصاب در تولید ایده‌هایی بحث می‌کنیم که تحقیقات هوش مصنوعی را تسریع و هدایت می‌کنند.

فرض شروع

 

ما با این فرض شروع می کنیم که ساختن هوش مصنوعی عمومی در سطح انسانی (یا سیستم های هوشمند “قدرتمند تورینگ”؛

یک کار دلهره آور است. زیرا فضای جستجوی راه حل های ممکن بسیار وسیع است و احتمالاً جمعیت بسیار کمی دارد. ما استدلال می کنیم که این امر بر سودمندی بررسی عملکردهای درونی مغز انسان تأکید می کند – تنها مدرک موجود مبنی بر اینکه چنین هوشی حتی ممکن است. مطالعه شناخت حیوانات و اجرای عصبی آن نیز نقش حیاتی ایفا می کند. زیرا می تواند پنجره ای را به جنبه های مختلف مهم هوش عمومی سطح بالاتر ارائه دهد.

 

مزایای توسعه هوش مصنوعی بررسی دقیق هوش بیولوژیکی دو برابر است.

اول. علوم اعصاب منبع غنی الهام برای انواع جدیدی از الگوریتم‌ها و معماری‌ها. مستقل و مکمل روش‌ها و ایده‌های ریاضی و منطقی است که تا حد زیادی بر رویکردهای سنتی هوش مصنوعی تسلط داشته‌اند.

به عنوان مثال. اگر جنبه جدیدی از محاسبات بیولوژیکی برای حمایت از یک عملکرد شناختی حیاتی باشد. آن‌گاه آن را کاندیدای عالی برای ادغام در سیستم‌های مصنوعی می‌دانیم.

دوم. علوم اعصاب می‌تواند اعتبار تکنیک‌های هوش مصنوعی را که قبلاً وجود دارد. ارائه دهد. اگر متعاقباً مشخص شود که یک الگوریتم شناخته‌شده در مغز پیاده‌سازی می‌شود. آنگاه این پشتوانه قوی برای معقول بودن آن به‌عنوان یک جزء جدایی‌ناپذیر از یک سیستم کلی اطلاعات کلی است. چنین سرنخ‌هایی می‌توانند برای یک برنامه تحقیقاتی بلندمدت هنگام تعیین محل تخصیص بیشتر منابع حیاتی باشند. به عنوان مثال. اگر یک الگوریتم کاملاً به سطح عملکرد مورد نیاز یا مورد انتظار نرسد. اما مشاهده کنیم که هسته اصلی عملکرد مغز است. می‌توان حدس زد که تلاش‌های مهندسی مضاعف برای کارکرد آن در سیستم‌های مصنوعی احتمالاً مهم است.

 

هوش مصنوعی و بیولوژی

البته از نقطه نظر عملی ساختن یک سیستم هوش مصنوعی. ما نیازی نداریم که پایبندی به باورپذیری بیولوژیکی را به شکلی برده‌وارانه اعمال کنیم. از منظر مهندسی. آنچه کار می کند در نهایت همه چیز مهم است. پس برای اهداف ما. قابل قبول بودن بیولوژیکی یک راهنما است. نه یک الزام دقیق.

آنچه ما به آن علاقه مندیم. درک سیستمی در سطح علوم اعصاب از مغز است. یعنی الگوریتم ها. معماری ها. توابع و بازنمایی هایی که از مغز استفاده می کند. این تقریباً با دو سطح بالای سه سطح تجزیه و تحلیل مطابقت دارد که دانشمندان به طور مشهور بیان کرده اند که برای درک هر سیستم بیولوژیکی پیچیده ای لازم است.

اهداف سیستم (سطح محاسباتی) و فرآیند و محاسباتی که این هدف را محقق می کند (سطح الگوریتمی). مکانیسم‌های دقیقی که توسط آن‌ها این امر به صورت فیزیکی در یک بستر بیولوژیکی تحقق می‌یابد. در اینجا (سطح اجرا) کمتر مرتبط هستند.

توجه داشته باشید اینجاست که رویکرد ما به هوش مصنوعی الهام گرفته از علوم اعصاب با سایر ابتکارات. مانند پروژه مغز آبی (Markram, 2006) متفاوت است. یا زمینه سیستم های محاسباتی نورومورفیک. که سعی در تقلید دقیق یا مهندسی معکوس مستقیم از مشخصات مدارهای عصبی دارند (البته با اهداف متفاوتی در ذهن). با تمرکز بر سطوح محاسباتی و الگوریتمی. ما بینش های قابل انتقالی را در مورد مکانیسم های کلی عملکرد مغز به دست می آوریم. در حالی که فضایی را برای انطباق با فرصت ها و چالش های متمایز ایجاد می کنیم که هنگام ساخت ماشین های هوشمند در سیلیکون ایجاد می شود.

 

علوم اعصاب و هوش مصنوعی در تعریف

 

بخش های زیر این نکات را با در نظر گرفتن گذشته. حال و آینده رابط هوش مصنوعی-علوم اعصاب باز می کند. قبل از شروع. ما یک توضیح ارائه می دهیم. در طول این مقاله. ما از اصطلاحات “عصب شناسی” و “AI” استفاده می کنیم. ما از این اصطلاحات در گسترده ترین معنای ممکن استفاده می کنیم.

وقتی می گوییم علوم اعصاب. منظور ما شامل همه زمینه هایی است که با مطالعه مغز. رفتارهایی که ایجاد می کند. و مکانیسم هایی که توسط آن انجام می دهد. از جمله علوم اعصاب شناختی. علوم اعصاب سیستم ها و روانشناسی درگیر هستند. وقتی می گوییم هوش مصنوعی. منظور کار در یادگیری ماشین. آمار و تحقیقات هوش مصنوعی است که هدف آن ساخت ماشین های هوشمند است.

 

ما با در نظر گرفتن منشأ دو زمینه ای که برای تحقیقات فعلی هوش مصنوعی مهم هستند. شروع می کنیم. یادگیری عمیق و یادگیری تقویتی. که هر دو ریشه در ایده های علوم اعصاب دارند. سپس به وضعیت فعلی در تحقیقات هوش مصنوعی می پردازیم و به موارد زیادی اشاره می کنیم که از مفاهیم و یافته های علوم اعصاب الهام گرفته شده است (گاهی اوقات بدون تأیید صریح).

در پایان

 

در این بخش. ما به‌ویژه بر مواردی تأکید می‌کنیم که یادگیری عمیق را با رویکردهای دیگر از سراسر یادگیری ماشین ترکیب کرده‌ایم. مانند یادگیری تقویتی .جستجوی درخت مونت کارلو . یا تکنیک های مربوط به حافظه قابل آدرس دهی محتوای خارجی.

 

در مرحله بعد. ما پتانسیل علوم اعصاب را برای حمایت از تحقیقات آینده هوش مصنوعی در نظر می گیریم و به محتمل ترین چالش های تحقیقاتی و برخی از تکنیک های نوظهور هوش مصنوعی الهام گرفته از علوم اعصاب نگاه می کنیم. در حالی که تمرکز اصلی ما بر روی پتانسیل عصب‌شناسی برای سودمندی هوش مصنوعی خواهد بود. بخش آخر ما به طور خلاصه راه‌هایی را که ممکن است هوش مصنوعی برای علوم اعصاب مفید باشد و پتانسیل گسترده‌تر برای تعاملات هم افزایی بین این دو زمینه را بررسی می‌کند.

ادامه دارد…

 

https://www.cell.com/neuron/fulltext/S0896-6273(17)30509-3?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0896627317305093%3Fshowall%3Dtrue

 

تأثیر “داروهای هوشمند” و “نوتروپیک ها” بر روی سلامت مغز و تیز ذهنی

 

اولین “حافظه ی مصنوعی” ساخته شد

به این مقاله امتیاز دهید