大脑以同样的方式学习机器学习?

确定神经活动如何改变与学习是黑色和白色。最近,有人提出,学习在大脑中,或生物学习,可以认为在优化方面,这是学习发生在人工网络像电脑或机器人。一块新的视角由卡内基梅隆大学和匹兹堡大学的研究人员与机器学习生物学习,表明这两种方法不可以互换,但可以利用提供有价值的见解,大脑是如何工作的。

“我们如何量化这些变化在大脑中我们看到,在一个主题的行为学习是不断变化的,”拜伦Yu说,生物医学工程和电气和计算机工程教授。“事实证明,在机器学习和人工智能,有一个成熟的框架中,学到的东西,称为优化。我们和别人在这个领域一直在思考大脑如何学习这个框架相比,开发训练人工代理学习。”

优化的观点表明,活动在大脑中应该改变在学习数学上规定的方式,类似于人工神经元的活动如何改变当他们被训练在一个特定的方式来驱动一个机器人或下棋。

“我们的理解是如何感兴趣学习的过程随时间展开,而不只是看一个快照之前和之后的学习发生,”杰伊·亨尼希解释说,最近的一个博士研究生在神经计算和卡内基梅隆大学机器学习。“在这个方面,我们提供三个主要外卖对人们很重要的上下文中考虑思考为什么神经活动可能会改变在学习从而不能轻易解释的优化。”

外卖包括在学习神经变化的不灵活性,使用多个学习过程甚至在简单的任务,和大型task-nonspecific活动变化的存在。

“这是容易从成功的人工的例子学习代理和假设大脑必须做他们做的任何事情,”表明亚伦巴蒂斯塔,匹兹堡大学的生物工程教授。“然而,人造一个特定的区别和生物学习系统是人工系统通常只是一件事,真的很好。活动在大脑中是完全不同的,许多过程同时发生。我们和其他人观察到有事情发生在大脑中,机器学习模型还不能占。”

卡内基梅隆大学生物医学工程教授史蒂夫•追逐和神经科学研究所补充说,“我们看到一个主题建设和对未来的一个方向。通过关注这些地区神经科学可以告知机器学习,反之亦然,我们的目标是将它们连接到优化的观点最终明白,在更深层次的意义上,学习如何展开大脑。"

这项工作是与艾米丽Oby,研究教师在匹兹堡大学的生物工程,和Darby一丁点它们在神经计算和博士生机器学习卡内基梅隆大学。集团的工作正在进行,合作完成的认知神经基础中心,跨校研究和教育计划之间的卡内基梅隆大学和匹兹堡大学的利用每个机构的优势探讨认知和神经机制,产生生物情报和行为。