חוקרים מיחידת MRC Brain Network Dynamics והמחלקה למדעי המחשב של אוניברסיטת אוקספורד קבעו עיקרון חדש כדי להסביר כיצד המוח מתאים את הקשרים בין נוירונים במהלך הלמידה. תובנה חדשה זו עשויה להנחות מחקר נוסף על למידה ברשתות מוח ועשויה לעורר אלגוריתמי למידה מהירים וחזקים יותר בבינה מלאכותית.
מהות הלמידה היא לאתר אילו רכיבים בצינור עיבוד המידע אחראים לשגיאה בפלט. בבינה מלאכותית, זה מושג על ידי התפשטות לאחור: התאמת פרמטרים של מודל כדי להפחית את השגיאה בפלט. חוקרים רבים מאמינים שהמוח משתמש בעקרון למידה דומה.
עם זאת, המוח הביולוגי עדיף על מערכות למידת מכונה הנוכחיות. לדוגמה, אנו יכולים ללמוד מידע חדש רק על ידי ראייתו פעם אחת, בעוד שמערכות מלאכותיות צריכות להתאמן מאות פעמים עם אותן פיסות מידע כדי ללמוד אותן. יתרה מכך, אנו יכולים ללמוד מידע חדש תוך שמירה על הידע שכבר יש לנו, בעוד לימוד מידע חדש ברשתות עצביות מלאכותיות לעיתים קרובות מפריע לידע הקיים ומדרדר אותו במהירות.
תצפיות אלו הניעו את החוקרים לזהות את העיקרון הבסיסי שמפעיל המוח במהלך הלמידה. הם בחנו כמה קבוצות קיימות של משוואות מתמטיות המתארות שינויים בהתנהגות של נוירונים ובקשרים הסינפטיים ביניהם. הם ניתחו ומדימו את המודלים הללו לעיבוד מידע ומצאו שהם משתמשים בעקרון למידה שונה מהותית מזה המשמש רשתות עצביות מלאכותיות.
ברשתות עצביות מלאכותיות, אלגוריתם חיצוני מנסה לשנות קשרים סינפטיים על מנת להפחית שגיאות, בעוד שהחוקרים מציעים שהמוח האנושי מיישב תחילה את פעילות הנוירונים לתצורה מאוזנת אופטימלית לפני התאמת קשרים סינפטיים. החוקרים טוענים כי זוהי למעשה תכונה יעילה של הדרך בה מוח אנושי לומד. הסיבה לכך היא שהיא מפחיתה הפרעות על ידי שימור הידע הקיים, מה שבתורו מזרז את הלמידה.
כותבים ב- Nature Neuroscience, החוקרים מתארים את עקרון הלמידה החדש הזה, אותו כינו 'תצורה פרוספקטיבית'. הם הדגימו בסימולציות ממוחשבות שמודלים המשתמשים בתצורה פרוספקטיבית זו יכולים ללמוד מהר יותר וביעילות רבה יותר מרשתות עצביות מלאכותיות במשימות שעומדות בפניהם בדרך כלל בעלי חיים ובני אדם בטבע.
המחברים משתמשים בדוגמה האמיתית של דוב שדג סלמון. הדוב יכול לראות את הנהר והוא למד שאם הוא יכול לשמוע גם את הנהר ולהריח את הסלמון הוא צפוי לתפוס אחד. אבל יום אחד, הדוב מגיע לנהר עם אוזן פגומה, אז הוא לא יכול לשמוע אותו. במודל עיבוד מידע של רשת עצבית מלאכותית, חוסר שמיעה זה יגרום גם לחוסר ריח (מכיוון שבזמן הלמידה אין צליל, התפשטות לאחור תשנה מספר קשרים, כולל אלה בין נוירונים המקודדים את הנהר והסלמון) והדוב היה מסיקים שאין סלמון, והיו רעבים. אבל במוח החי, חוסר הקול אינו מפריע לדעת שעדיין יש ריח של הסלמון, ולכן סביר להניח שהסלמון עדיין יהיה שם ללכידה.
החוקרים פיתחו תיאוריה מתמטית המראה שמתן לנוירונים להתיישב בתצורה פרוספקטיבית מפחית הפרעות בין מידע במהלך הלמידה. הם הוכיחו שתצורה פרוספקטיבית מסבירה פעילות והתנהגות עצבית בניסויי למידה מרובים טוב יותר מאשר רשתות עצביות מלאכותיות.
כיום יש פער גדול בין מודלים מופשטים המבצעים תצורה פרוספקטיבית, לבין הידע המפורט שלנו באנטומיה של רשתות מוח. מחקר עתידי של הקבוצה שלנו נועד לגשר על הפער בין מודלים מופשטים ומוחות אמיתיים, ולהבין כיצד האלגוריתם של תצורה פרוספקטיבית מיושם ברשתות קליפת המוח המזוהות אנטומית".
רפאל בוגאץ', חוקר ראשי, פרופסור ליחידה לדינמיקת רשתות המוח של MRC והמחלקה למדעי המוח הקליניים של נופילד באוקספורד
המחבר הראשון של המחקר ד"ר יוהאנג סונג מוסיף: "במקרה של למידת מכונה, הסימולציה של תצורה פרוספקטיבית במחשבים קיימים היא איטית, מכיוון שהם פועלים בדרכים שונות מהותית מהמוח הביולוגי. צריך לפתח סוג חדש של מחשב או חומרה ייעודית בהשראת המוח, שיוכלו ליישם תצורה פרוספקטיבית במהירות ובשימוש מועט באנרגיה.'
