ディープラーニングと人間の脳

ディープラーニングは、大量のデータを取り込み、そこから学習しようとすることで人間の脳をシミュレートする機械学習のサブセットです。 IBMの用語の定義では、ディープラーニングによりシステムは「データを集約し、信じられないほどの精度で予測を行う」ことが可能になりますが、ディープラーニングは信じられないほど素晴らしいものですが、情報を処理して学習する人間の脳の能力を活用することはできないとIBMは鋭く指摘しています。 。

ディープ ラーニングと DNN (ディープ ニューラル ネットワーク) は、天気予報、顔認識、チャットボットなどの複雑な現実世界の問題を解決したり、他の種類の複雑なデータ分析を実行したりするために使用されます。アライド・マーケット・リサーチは、世界のディープラーニング市場は2030年までに2020年の68億5,000万米ドルから1,800億米ドル近くに増加すると予想している。 Allied Market Research による別の調査では、人工知能分野の成長と、データと高度な分析ツールに対する需要の高まりにより、世界のニューラル ネットワーク市場が 2030 年までに 1,530 億ドル近くに達すると予想されていることが明らかになりました。

ディープラーニングをより深く理解することは、完全自動運転車や次世代仮想アシスタントなど、人工知能や機械学習由来のテクノロジーの将来の応用に役立ちます。将来的には、ディープラーニングは教師なし学習に進化し、人間の脳がどのように機能するかについてさらに多くの洞察を提供する可能性があります。この 2 番目の追求により、グラスゴー大学の研究者らは、DNN が人間の脳とどの程度似ているかを研究するようになりました。グラスゴー大学によると、DNN テクノロジーに対する現在の理解は比較的限られており、ディープ ニューラル ネットワークがどのように情報を処理するかを完全に理解している人は誰もいません。

科学界の理解をさらに深めるため、最近出版された「脳とその DNN モデルのアルゴリズム的等価性」の中で、研究者たちは、人工知能モデルが情報を処理する方法を理解する方法を提案し、テストしました。人間の脳。目標は、DNN モデルが人間の脳のようなものを認識するために同様の計算ステップを使用しているかどうかを判断することです。この研究では、人工知能モデルと人間の脳の類似点と相違点を特定し、人間の脳にできるだけ近い情報を処理する人工知能テクノロジーの作成に向けた一歩を踏み出しました。

グラスゴー大学の研究技術責任者であるフィリップ・シンス氏は、「人間の脳とそのDNNモデルが同じように物事を認識しているかどうかをより深く理解することで、DNNを使用したより正確な検出が可能になるでしょう。 -世界のアプリケーション人間の脳の認識メカニズムをより深く理解できれば、この知識を DNN に移すことができ、顔認識などのアプリケーションでの DNN の使用方法の改善に役立ちます。

#目標が可能な限り人間に近い意思決定プロセスを作成することである場合、テクノロジーは少なくとも人間と同じように情報を処理し、意思決定を行うことができなければなりません。理想的には人間よりも優れています。 。公開された記事の最後で、著者は研究に基づいた一連の未解決の疑問を列挙しています。「DNN は人間の意思決定行動の多様性をどのように予測するのでしょうか?」これも研究する価値のある問題です。誰もが直面するわけではないからです。すべての入力が同じ決定を下すことになりますが、より人間に近い AI モデルはこの多様性をどのように考慮するのでしょうか?

以上がディープラーニングと人間の脳の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。