I neuroscienziati progettano un modello per rispecchiare l’apprendimento visivo umano
Programmando l’intelligenza artificiale (AI) basata su computer per utilizzare una tecnica più veloce per l’apprendimento di nuovi oggetti, l’IA inizia a funzionare più come l’intelligenza umana. Questo avviene quando due neuroscienziati hanno progettato un modello per rispecchiare l’apprendimento visivo umano.
La ricerca di Maximillian Riesenhuber, PhD, professore di neuroscienze presso il Georgetown University Medical Center, e Joshua Rule, PhD, studioso post-dottorato presso l’Università di Berkeley, è stata pubblicata sulla rivista Frontiers in Computational Neuroscience.
AI apprendere nuovi concetti visivi
I neuroscienziati hanno dimostrato come il nuovo approccio migliora la capacità del software di intelligenza artificiale di apprendere rapidamente nuovi concetti visivi.
“Il nostro modello fornisce un modo biologicamente plausibile per le reti neurali artificiali di apprendere nuovi concetti visivi da un piccolo numero di esempi”, afferma Riesenhuber. “Possiamo fare in modo che i computer apprendano molto meglio da pochi esempi sfruttando l’apprendimento precedente in un modo che pensiamo rispecchi ciò che sta facendo il cervello”.
Gli esseri umani hanno la capacità di apprendere nuovi concetti visivi da dati sparsi in modo molto rapido e accurato. Possediamo questa capacità in tenera età, a partire da tre mesi. Tuttavia, i computer richiedono molti esempi dello stesso oggetto per sapere finalmente di cosa si tratta.
“Il potere computazionale della gerarchia del cervello risiede nel potenziale per semplificare l’apprendimento sfruttando rappresentazioni apprese in precedenza da una banca dati, per così dire, piena di concetti sugli oggetti”, dice Riesenhuber.
Reti neurali artificiali vs sistema visivo umano
Riesenhuber e Rule hanno scoperto che le reti neurali artificiali possono apprendere nuovi concetti visivi molto più velocemente, avvicinandosi al livello delle capacità umane.
“Piuttosto che apprendere concetti di alto livello in termini di funzionalità visive di basso livello, il nostro approccio li spiega in termini di altri concetti di alto livello”, afferma Rule. “È come dire che un ornitorinco assomiglia un po ‘a un’anatra, un castoro e una lontra marina.”
L’apprendimento dei concetti visivi umani si basa fortemente sulle reti neurali coinvolte nel processo di riconoscimento degli oggetti e si ritiene che il lobo temporale anteriore del cervello abbia la capacità di andare oltre la forma per quanto riguarda le rappresentazioni dei concetti. Poiché queste gerarchie neurali coinvolte nel riconoscimento visivo sono così complesse, gli esseri umani possono apprendere nuovi compiti e sfruttare l’apprendimento precedente.
“Riutilizzando questi concetti, è possibile apprendere più facilmente nuovi concetti, nuovi significati, come il fatto che una zebra è semplicemente un cavallo di una striscia diversa”, afferma Riesenhuber.
L’intelligenza artificiale non ha ancora raggiunto lo stesso livello del sistema visivo umano, che ha una capacità superiore di generalizzare da pochi esempi, affrontare le variazioni di immagine e comprendere le scene. Tuttavia, i progressi lo stanno avvicinando.
“I nostri risultati non solo suggeriscono tecniche che potrebbero aiutare i computer ad apprendere in modo più rapido ed efficiente, ma possono anche portare a migliori esperimenti di neuroscienza volti a capire come le persone imparano così rapidamente, il che non è ancora ben compreso”, afferma Riesenhuber.
