Современные технологии искусственного интеллекта (ИИ) до сих пор страдают от ограничений, связанных с энергоэффективностью и способностью обучаться подобно человеку. Однако новейшие исследования, проведенные сотрудниками из лаборатории Колд-Спринг-Харбор, могут изменить игру, сообщает Science Daily.
Учёные разработали новый подход к обработке данных в искусственных нейронных сетях, вдохновленный архитектурой человеческого мозга. Этот подход позволяет алгоритмам ИИ значительно эффективнее перемещать и обрабатывать данные, минимизируя затраты энергии и увеличивая скорость обучения.
Основой нового метода стало внедрение принципов, схожих с работой рабочей памяти в человеческом мозге. В отличие от традиционных подходов, где все данные должны перемещаться для обновления системы целиком, новая модель позволяет нейронам ИИ получать обратную связь и корректировать свое поведение мгновенно, что существенно сокращает время обработки и требуемые вычислительные ресурсы.
«Мы взяли на вооружение принципы, которые находятся в основе рабочей памяти человеческого мозга. Это позволило нам значительно повысить эффективность передачи и обработки данных в искусственных нейронных сетях», — объясняют разработчики.
Кроме того, новый метод подтверждает теорию, связывающую рабочую память с обучением и когнитивной активностью. Это открытие может стать ключевым для дальнейшего развития нейроИИ, создавая более интеллектуальные и адаптивные системы, способные обучаться и решать задачи в реальном времени.
Эксперименты предвещают новую эру в развитии искусственного интеллекта, которая не только улучшит его эффективность, но и углубит понимание принципов, лежащих в основе человеческого интеллекта. Это открытие подчеркивает важность взаимодействия между нейробиологией и технологиями, открывая новые перспективы для будущих инноваций в области ИИ.
