Ett team av forskare vid RWTH Aachen University Institute of Information Management in Mechanical Engineering har nyligen undersökt användningen av neurovetenskapstekniker för att avgöra hur information är strukturerad inuti artificiella neurala nätverk (ANN). I deras papper, förpublicerad på arXiv, forskarna använde en teknik som kallas ablation, vilket innebär att man skär bort delar av hjärnan för att bestämma deras funktion, på neurala nätverksarkitekturer.

"Vår idé inspirerades av forskning inom neurovetenskap, där ett av huvudmålen är att förstå hur vår hjärna fungerar, "Richard Meyes och Tobias Meisen, två forskare som genomförde studien berättade för TechXplore, via e -post. "Många insikter om hjärnans funktioner upptäcktes i ablationsstudier, vilket är ett tillvägagångssätt där specifika delar av hjärnan försiktigt skadas på ett kontrollerat sätt, påverkar hjärnans förmåga att utföra vardagliga uppgifter, som att generera tal, eller rörelse. "

Syftet med studien utförd av Meyes, Meisen och deras kollega Peter Lillian skulle undersöka ANN ur ett biologiskt perspektiv, bedöma deras struktur och funktionen hos deras olika komponenter. De bestämde sig för att göra detta med hjälp av ablation, en teknik som använts inom neurovetenskaplig forskning i över tvåhundra år.

Väsentligen, ablation består i att selektivt ta bort eller förstöra vävnad i specifika områden i hjärnan, med det enda syftet att observera beteendemässiga effekter av denna skada och därmed bättre förstå funktionen hos dessa områden. Ablation har redan tillämpats på ANN i flera studier, men dessa studier fokuserade främst på att finjustera lagren i nätverket och ändra dess struktur, alltså mer liknar parametersökningar än biologisk ablation.

I deras studie, forskarna ville skada områden i ANN och observera hur detta påverkade deras prestanda. I sista hand, de ville använda dessa observationer för att jämföra organisationen av konstgjorda neurala nätverk med den för biologiska.

"Tanken bakom ablationer för artificiella neurala nätverk (ANN) är enkel, "Meyes och Meisen förklarade." Först, vi tränar ett nätverk för att utföra en specifik uppgift, t.ex. att känna igen handskrivna siffror. Andra, vi skär av en liten del av nätverket och utvärderar hur nätverkets prestanda ändras på grund av skadan. Tredje, vi avgör om det finns ett samband mellan platsen för den skadade delen och effekten den hade på nätverkets prestanda. Den här vägen, fann vi att nätverkets specifika förmågor, t.ex. för att utföra rörelser framåt av den kontrollerade roboten, är lokalt representerade och kan förstöras målmedvetet. "

Genom att ablera ANN:er som är utbildade i att navigera i en trådslinga och undersöka hur dessa ingrepp påverkade deras effekt, forskarna samlade ett antal intressanta fynd, vilket tyder på att det verkligen finns kopplingar och likheter mellan artificiella och biologiska nätverk. Dessa likheter är relaterade både till hur nätverken ordnar sig själva och hur de lagrar information.

"Vårt mest intressanta fynd är iakttagelsen att ett skadat nätverks prestanda i allmänhet minskar, medan mycket specifika förmågor i nätverket, t.ex. att känna igen en specifik siffra, kan förstärkas genom att skada specifika delar, "Meyes och Meisen sa." Vår studie tyder på att ett neuralt nätverks prestanda kan ökas genom att försiktigt skada det i rätt regioner. Vidare, vår studie innebär att tillämpningen av neurovetenskapliga metoder för ANN kan öppna nya perspektiv på förståelse av artificiell intelligens. "

Trots de fascinerande resultaten som Meyes samlat in, Meisen och Lillian, deras studie hade flera begränsningar och var bara ett första steg i att undersöka sambandet mellan biologiska och artificiella neurala nätverk. Till exempel, deras experiment begränsades av användningen av förstärkningslärande och förlitade sig på en modell som tränade robotiskt, i realtid. Framtida forskning kan undersöka likheterna mellan ANN och hjärnans nätverk mer detaljerat och i större skala.

"Vi planerar nu att fortsätta utforska vår allmänna idé om att bedriva neurovetenskapinspirerad forskning om ANN, "Meyes och Meisen sa." Ett av våra nästa steg kommer att vara att visualisera aktivitet i ANN precis som hjärnaktivitet kan visualiseras med avbildningsmetoder som fMRI. Vi strävar efter att göra beslutsprocessen inom ANN mer transparent och få ett nytt perspektiv på AI i allmänhet. "

© 2018 Science X Network