详细内容或原文请订阅后点击阅览
科学家“监视”大脑算法以改善机器人的记忆 div>
来自MIPT的俄罗斯科学家，俄罗斯科学院和Airi Institute的“信息学和管理”已为人工智能开发了一种新的生物学上相似的记忆算法，从而大大提高了机器人培训在噪声环境条件下的有效性。该方法基于树突原理 - 负责信号传输的大脑神经元的过程。新算法允许AI更快地处理信息并找到数据之间的连接，同时降低计算资源的成本。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）来自MIPT、俄罗斯科学院“信息学与控制”联邦研究中心和AIRI研究所的俄罗斯科学家开发了一种新的人工智能生物相似记忆算法，显着提高了机器人在噪声环境下的学习效率。该方法基于树突的操作原理——树突是负责信号传输的大脑神经元的过程。新算法使人工智能能够更快地处理信息并找到数据之间的联系，同时降低计算资源的成本。
一种新的机器学习算法将允许机器人系统总结数据并找到它们之间的关系。这将显着减少处理信息的时间和计算资源的消耗，有助于更高效的人工智能训练。
该研究发表在第 19 届混合人工智能系统国际会议 (HAIS 2024) 的会议记录中，该会议于 2024 年 10 月 9 日至 11 日在萨拉曼卡（西班牙）举行。它提供了一种受自然结构启发的独特的机器记忆方法。
已发布该开发基于使用让人想起树突的数学模型的想法，树突是大脑中神经元的过程，在信息传递中发挥着关键作用。在人工模型中，它们帮助识别和分类对象。在学习过程中，模型通过创建新的“树突”来适应、“生长”和扩展其知识。
然而，现有模型面临过度增长的问题。这通常发生在嘈杂的环境中，其中每个新的偏差都需要创建额外的段，这增加了系统的复杂性和资源强度。
开发这样的算法不仅可以最大限度地减少过度增长，还可以提高人工智能泛化数据的能力，即使在嘈杂的环境中也能找到关系。这种适应性有助于系统适应不同级别的复杂性和噪声。
新闻稿