Onderzoekers van de MRC Brain Network Dynamics Unit en Oxford University's Department of Computer Science hebben een nieuwe manier gevonden om het leren in AI-systemen en het menselijk brein te vergelijken.\u00a0<\/b><\/p>\n
De studie begint met het behandelen van een fundamentele kwestie in zowel menselijk als machinaal leren: krediettoewijzing. Dit concept identificeert welke delen van het leerproces verantwoordelijk zijn voor fouten, wat inherent is aan het leerproces zelf.\u00a0<\/span><\/p>\n AI-systemen benaderen dit door middel van backpropagatie, waarbij parameters worden aangepast om fouten in de uitvoer te corrigeren.\u00a0<\/span><\/p>\n Backpropagatie werkt als een feedbacklus. Wanneer een AI een voorspelling of beslissing doet die onjuist blijkt te zijn, gaat deze methode terug door de lagen van het netwerk.\u00a0<\/span><\/p>\n Het proces identificeert welke delen van de berekening hebben bijgedragen aan de fout en past vervolgens die specifieke delen aan, waardoor het besluitvormingsproces van de AI voor toekomstige voorspellingen wordt verfijnd.<\/span><\/p>\n De <\/span>onderzoek<\/span><\/a>gepubliceerd in Nature Neuroscience, legt uit hoe backpropagation significant verschilt van de leermethode van het menselijk brein.\u00a0<\/span><\/p>\n Nieuw onderzoek van @MRCBNDU<\/a> laat zien dat de manier waarop de hersenen leren anders en beter is dan de manier waarop kunstmatige intelligentiesystemen leren: https:\/\/t.co\/Tg1d9vdsKy<\/a>#OxfordAI<\/a><\/p>\n - Nuffield Department of Clinical Neurosciences (@NDCNOxford) 3 januari 2024<\/a><\/p><\/blockquote>\n\n