زیر سوال رفتن مدل‌های هوش مصنوعی میلیارد دلاری با معماری شبه مغزی

معماری هوش مصنوعی شبه‌مغزی جایگزین داده‌های عظیم

پژوهش اخیر دانشگاه جانز هاپکینز نشان می‌دهد که طراحی معماری مدل‌های هوش مصنوعی ممکن است بسیار مهم‌تر از فرایندهای سنگین یادگیری عمیق باشد. براساس این تحقیق، معماری‌های الهام‌گرفته از ساختار مغز می‌توانند حتی پیش از آموزش با هرگونه داده، الگوهای فعالیتی تولید کنند که به‌طور چشمگیری با واکنش‌های مغز انسان هم‌خوان است.

• شبکه‌های کانولوشنی بدون آموزش قبلی توانستند الگویی مشابه مدل‌های آموزش‌دیده با میلیاردها تصویر تولید کنند
• افزایش نورون‌ها در ترنسفورمرها و شبکه‌های تمام‌متصل تأثیر چندانی نداشت
• این یافته فرضیه تکیه انحصاری بر داده‌های عظیم را به چالش می‌کشد

میک بانر، نویسنده اصلی پژوهش: “اگر آموزش روی داده‌های گسترده واقعاً عامل اصلی باشد، نباید هیچ راهی وجود داشته باشد که تنها با تغییر معماری به سیستم‌هایی نزدیک به مغز برسیم.”

این کشف می‌تواند راه را برای توسعه الگوریتم‌های یادگیری ساده‌تر و کارآمدتر هموار کند.