Zainspirowani przez ewolucję badacze wspierani przez Unię Europejską zastosowali nowe podejście oparte na algorytmach ewolucyjnych, aby pomóc programom komputerowym w poszukiwaniu rozwiązań znanych problemów.
Jak uczą się ludzie? Każdego dnia zdobywamy nową wiedzę oraz umiejętności, rozwijamy kompetencje, które posiadamy, i tworzymy nowe wspomnienia na podstawie naszych doświadczeń. Zdaniem naukowców zawdzięczamy tę wyjątkową umiejętność adaptacji zjawisku plastyczności synaptycznej naszego mózgu, które pozwala na zmianę połączeń między neuronami (synaps). Plastyczność synaptyczna jest zarazem kluczowym czynnikiem, który odróżnia nasze mózgi od współczesnych komputerów, wykonujących wyłącznie wcześniej zaprogramowane zadania.
Wsparcie otrzymane w ramach finansowanych ze środków Unii Europejskiej projektów Human Brain Project (HBP, HBP SGA1, HBP SGA2 oraz HBP SGA3) i ICEI pozwoliło badaczom zająć się zagadnieniem uczenia maszynowego dzięki zastosowaniu nowatorskiego podejścia opartego na tak zwanych algorytmach ewolucyjnych. Nowo opracowane podejście zostało określone mianem ewolucji w celu nauki (ang. evolving-to-learn, E2L). Jak czytamy w badaniu opublikowanym w czasopiśmie naukowym „eLife”, dzięki temu podejściu „programy komputerowe poszukują rozwiązań problemów, realizując proces przypominający biologiczną ewolucję, opartą na koncepcji przetrwania najsilniejszych”. W przypadku algorytmów ewolucyjnych pojęcie „siły” odnosi się do zdolności do rozwiązywania zadanych problemów.Naukowcy postawili nowe algorytmy ewolucyjne przed wyzwaniem w postaci trzech typowych scenariuszy uczenia się. W pierwszym z nich komputer miał za zadanie dostrzec powtarzający się wzór w ciągłym strumieniu danych bez wsparcia w postaci informacji zwrotnej. Drugi scenariusz obejmował uczenie przez wzmocnienie – w ramach tego zadania komputer otrzymywał wirtualne nagrody, gdy zachowywał się w pożądany sposób. Ostatni ze scenariuszy – uczenie nadzorowane – zakładał przekazywanie komputerowi informacji na temat tego, w jakim stopniu jego działania były niezgodne z pożądanym wzorcem zachowania. „W każdym z tych scenariuszy algorytmy były w stanie odkryć mechanizmy plastyczności synaptycznej i skutecznie poradzić sobie z nowym zadaniem”, zauważa jeden z głównych autorów badania, dr Jakob Jordan, pracownik naukowy Uniwersytetu w Bernie, będącego jednym z partnerów projektu, w wypowiedzi na potrzeby informacji prasowej opublikowanej w serwisie EurekAlert!.
Rozwiązanie zadań wymagało dużej dozy kreatywności. „Nasze algorytmy odkryły na przykład nowy model plastyczności, w ramach którego zdefiniowane przez nas sygnały zostały połączone, co pozwoliło na otrzymanie zupełnie nowych sygnałów. Zaobserwowaliśmy nawet, że sieci wykorzystujące nowy sygnał uczyły się szybciej niż na podstawie dotychczasowych zasad”, zauważa jeden z głównych autorów badania, dr Maximilian Schmidt, pracownik naukowy japońskiego Ośrodka Nauk o Mózgu RIKEN, w wypowiedzi przytoczonej w tym samym komunikacie prasowym.
Wykorzystywanie algorytmów ewolucyjnych w celu badania sposobów uczenia się przez komputery pozwala naukowcom rzucić nowe światło na funkcjonowanie mózgu i może stanowić fundament, na którym w przyszłości powstaną nowe rodzaje komputerów, lepiej dostosowujące się do potrzeb użytkowników. „Uważamy, że E2L to naprawdę obiecujące podejście, które pozwoli nam lepiej zrozumieć zasady, na których opierają się biologiczne procesy uczenia się, a także przyspieszyć działania ukierunkowane na opracowanie potężnych maszyn uczących się”, podkreśla starszy autor badania, dr Mihai Petrovici. Jak podsumowuje dr Jordan: „Mamy nadzieję, że nasze wyniki przełożą się na rozwój badań w zakresie plastyczności synaptycznej układu nerwowego”.
Celem projektu HBP (The Human Brain Project) oraz jego trzech etapów – HBP SGA1 (Human Brain Project Specific Grant Agreement 1), HBP SGA2 (Human Brain Project Specific Grant Agreement 2) oraz HBP SGA3 (Human Brain Project Specific Grant Agreement 3) – jest pomoc naukowcom w rozwoju wiedzy w dziedzinach neuronauki, informatyki oraz medycyny mózgu. Projekt ICEI (Interactive Computing E-Infrastructure for the Human Brain Project) skupia pięć największych ośrodków superkomputerowych w Europie, które wspólnie pracują nad stworzeniem systemu dostosowanego do badań neuronaukowych.
Więcej informacji:
poleca:
