Как Ваш мозг учится ехать на метро, и почему разработчики AI заботятся

«Мысль пребывает в том, дабы по большей части осознать, как люди либо животные принимают долговременные ответы», говорит Ян Бэлэгуер, студент врача философии в Оксфордском университете и член Гугл DeepMind. «Мы интересуемся попыткой отыскать решения машинного обучения тяжёлых реальных проблем и задач. Частенько возможно полезно черпать воодушевление в нейробиологии».Balaguer и его сотрудники применяли навигационную игру в качестве полномочия расшифровать процессы принятия ответов людской мозга. На виртуальной совокупности метро, подобной Английскому метро, любая станционная остановка воображала отдельный ход, тогда как разные цветные линии метро воображали более большой уровень иерархии.

Двадцать два участника научили на игре и после этого дали станцию назначения как цель и игрались тогда как в fMRI сканере.Исследователи изучили, сосредоточились ли участники больше на линиях метро либо на отдельных станциях, проводя в игре. Команда отыскала, что, в большинстве случаев, время отклика и мозговая деятельность увеличилась с числом трансформаций линии, стоящих между участниками и их местами назначения, а не с числом самих станций. Областями в мозгу, связанном с этим типом принятия ответа, была спинная часть средней предлобной коры, которая, как мы знаем, поддерживает выше познавательные функции, такие как планирование и предмоторная кора, которая более вовлечена в исполнение настоящих либо мнимых перемещений.

«Мы показываем более прямым и прямым методом, чем прошлые изучения, что имеется иерархические представления, отраженные в мозгу», говорит Бэлэгуер.Но были кое-какие части мозга, что стал более активным, потому, что участники медлительно двинулись ближе к достижению их цели с меньшим числом станций, покинутых на одной линии: вентромедиальная предлобная гиппокамп и кора. В прошлой работе гиппокамп, как показывали, реагировал на близость к данной цели.

В целом, Бэлэгуер говорит, «Мы желаем видеть, как человеческий мозг осуществляет вещи как иерархические структуры, дабы проектировать более умные методы. В машинном обучении, имея иерархическое представление для принятия ответа имело возможность бы быть нужным либо вредным в зависимости от того, выбираете ли Вы верную иерархию, дабы осуществить во-первых».