Klik voor meer informatie over auteur Biju Dominicus.

. AlphaGo maakte de 37ste zet in de tweede game van de beroemde wedstrijd tussen AlphaGo en de leidende Go-speler Lee Sedol, alle commentatoren van de wedstrijd waren geschokt. Het was een zet die geen enkele menselijke speler ooit zou bedenken. In de duizendjarige geschiedenis van het spel is er een vuistregel die zelfs beginners van het spel kennen - vermijd het plaatsen van stenen op de vijfde lijn vanaf de rand. Maar dat is precies wat AlphaGo deed. Het bleek een belangrijke zet te zijn die AlphaGo hielp die wedstrijd te winnen. Dat was voor velen een keerpunt AI enthousiastelingen: naar hun mening had AI de menselijke invloed en cognitieve vaardigheden achter zich gelaten en kon ze op zichzelf staan. 

Als dit klopt, waarom is de vooruitgang bij het aanpakken van AI-uitdagingen op het volgende niveau dan zo ongrijpbaar voor machines? Omdat het niet om concurrentie gaat, maar om samenwerking. AI en neurowetenschappen moeten van elkaar leren.

AI heeft grote vooruitgang geboekt, vooral in begeleid leren. Het gaat nu moedig verschillende nieuwe uitdagingen aan, zoals het beheren van leertaken zonder toezicht, het aanpakken van eenmalig leren en zelfs het verwerven van algemene intelligentie. Toch blijven er aanzienlijke hindernissen bestaan. En er bestaat al een tool die deze taken effectief heeft uitgevoerd en een perfecte handleiding biedt voor de toekomst van AI: het menselijk brein. 

Hier zijn een paar redenen waarom het menselijk brein en neurowetenschappen de sleutel zijn tot de toekomst van AI.

Waarom het menselijk brein?

Het brein is nog steeds de meest intelligente, energiezuinige machine in het universum. Onder de hardnekkige problemen die AI zich richt, heeft de natuur het meeste al met onze eigen hersenen opgelost. In zijn Pulitzer Prize-winnende boek "Gödel, Escher, Bach: An Eternal Golden Braid", schreef Douglas R. Hofstadter: "Alle intelligentie zijn slechts variaties op een enkel thema; om echte intelligentie te creëren, zullen AI-werknemers steeds dichter bij hersenmechanismen moeten blijven pushen, als ze willen dat hun machines de mogelijkheden bereiken die we hebben. " Dus hoe meer we begrijpen hoe de hersenen een taak uitvoeren, hoe meer we de leercurve voor machines kunnen verkorten.

Het idee dat machines het voortouw moeten nemen bij mensen is niet nieuw. Een hydraulische kraan leerde bijvoorbeeld niet alleen hoe hij zelfstandig dingen efficiënter kon hijsen. De radiotelescoop zag niet zomaar op magische wijze verder dan het menselijk oog. In plaats daarvan hebben we deze krachtigere tools gebouwd door ons te laten inspireren door hoe mensen die taken uitvoerden. Er valt nog veel meer te leren.

Hoe AI het menselijk brein kan gebruiken

Naast de inspiratie en het inzicht dat het biedt, fungeert de prestatie van het menselijk brein als een validator en helpt het voorkomen dat we het wiel opnieuw uitvinden bij het ontwerpen van de machines van de toekomst. Neem bijvoorbeeld visuele herkenning. Ons visuele zintuig is in de loop van miljoenen jaren geëvolueerd, en de studie van de visuele cortex van de hersenen heeft enkele van de meest succesvolle diepgaand leren algoritmen. 

Neurowetenschappen kunnen ook praktische voordelen opleveren. Een verbazingwekkend feit over het menselijk brein is het extreem lage energieverbruik. Hij gebruikt slechts 20 watt aan energie. Aan de andere kant verbruikt een supercomputer - die niet zo krachtig is als een menselijk brein - meer dan vijf megawatt, of 250,000 keer meer energie dan ons brein. DeepMind, de maker van AlphaGo, gebruikt naar verluidt neurowetenschappen om Google te helpen de koelingsrekening van zijn datacenter met 40% te verlagen. We zijn nog maar net begonnen met het aanboren van de waarde van de wetenschap van de hersenen.

Symbiose tussen AI en neurowetenschappen tot stand brengen

In de afgelopen twee decennia is er veel nieuwe kennis ontstaan ​​over het functioneren van het menselijk brein. De opkomende gebieden van de systeemneurowetenschappen (de studie van hoe verschillende componenten van het centrale zenuwstelsel op elkaar inwerken om ervaring te produceren en gedrag te genereren) en computationele neurowetenschappen (waar wiskundige hulpmiddelen en theorieën worden gebruikt om de hersenfunctie op een individueel neuronniveau te onderzoeken) hebben grote waarde voor AI-professionals. Zoals V. Srinivasa Chakravarthy, auteur van "Demystifying the Brain: A Computational Approach", schreef: "Deze nieuwe velden hebben geholpen de fundamentele principes van de hersenfunctie bloot te leggen. Het heeft ons de juiste metafoor gegeven, een nauwkeurige en geschikte wiskundige taal die de werking van de hersenen kan beschrijven. " 

Tegelijkertijd is het ook waar dat de neurowetenschap kan profiteren van AI. De studie van het menselijk brein kan enorm profiteren van de kracht van AI. Bijvoorbeeld, het in kaart brengen van de honderden biljoenen synaptische verbindingen in de hersenen genereert naar schatting zettabytes aan gegevens. (Een enkele zettabyte is een miljoen petabytes.) En dit zijn de gegevens van slechts één menselijk brein! Dus als we ooit de complexiteit van de hersenen willen ontrafelen, zal AI een grote rol spelen. Dit betekent dat we naast het introduceren van neurowetenschap in de AI-vergelijking, een nieuwe omgeving moeten creëren waarin beide vakgebieden samenwerken.

Samengevat

In plaats van alleen te lopen of een vijandige relatie met elkaar te hebben, moeten AI en neurowetenschappen hun krachten bundelen. Veel van de eerste innovators van AI - Terrence Sejnowski, Geoffrey Hinton en David Rumelhart bijvoorbeeld - hadden een sterke achtergrond in de neurowetenschappen. Hoe meer AI de ondoorgrondelijke algoritmen van het menselijk brein bestudeert en begrijpt, hoe beter onze technologie zal zijn. Magie kan zeker gebeuren als we dit huwelijk tussen de geest en de machine tot stand brengen. 

Coinsmart. Beste Bitcoin-beurs in Europa
Bron: https://www.dataversity.net/why-ai-should-join-forces-with-neuroscience/