Forskare fr\u00e5n MRC Brain Network Dynamics Unit och Oxford University's Department of Computer Science har identifierat ett nytt s\u00e4tt att j\u00e4mf\u00f6ra inl\u00e4rning i AI-system och den m\u00e4nskliga hj\u00e4rnan.\u00a0<\/b><\/p>\n
Studien b\u00f6rjar med att ta upp en grundl\u00e4ggande fr\u00e5ga inom b\u00e5de m\u00e4nsklig och maskinell inl\u00e4rning: kredittilldelning. Detta koncept identifierar vilka delar av inl\u00e4rningsprocessen som \u00e4r ansvariga f\u00f6r misstag, vilket \u00e4r inneboende i sj\u00e4lva inl\u00e4rningsprocessen.\u00a0<\/span><\/p>\n AI-system hanterar detta genom backpropagering, d\u00e4r parametrarna justeras f\u00f6r att korrigera fel i utdata.\u00a0<\/span><\/p>\n Backpropagation fungerar som en \u00e5terkopplingsslinga. N\u00e4r en AI g\u00f6r en f\u00f6ruts\u00e4gelse eller fattar ett beslut som visar sig vara felaktigt, sp\u00e5rar denna metod tillbaka genom n\u00e4tverkets lager.\u00a0<\/span><\/p>\n Processen identifierar vilka delar av ber\u00e4kningen som bidrog till felet och justerar sedan dessa specifika delar, vilket effektivt f\u00f6rfinar AI:ns beslutsprocess f\u00f6r framtida f\u00f6ruts\u00e4gelser.<\/span><\/p>\n Den <\/span>studie<\/span><\/a>som publicerades i Nature Neuroscience, f\u00f6rklarar hur backpropagation skiljer sig avsev\u00e4rt fr\u00e5n den m\u00e4nskliga hj\u00e4rnans inl\u00e4rningsmetod.\u00a0<\/span><\/p>\n Ny forskning fr\u00e5n @MRCBNDU<\/a> visar att hj\u00e4rnans s\u00e4tt att l\u00e4ra sig skiljer sig fr\u00e5n och \u00e4r b\u00e4ttre \u00e4n det s\u00e4tt som system f\u00f6r artificiell intelligens l\u00e4r sig p\u00e5: https:\/\/t.co\/Tg1d9vdsKy<\/a>#OxfordAI<\/a><\/p>\n - Nuffields institution f\u00f6r klinisk neurovetenskap (@NDCNOxford) 3 januari 2024<\/a><\/p><\/blockquote>\n\n