Meniru model Biologis dalam AI untuk keandalan dan… – Menuju AI — Publikasi AI dan Teknologi Terkemuka di Dunia

Pengarang: Rakesh Acharya

Teknologi

Kebijakan Sirkuit Neural: Meniru model Biologis dalam AI untuk keandalan dan kemampuan interpretasi yang lebih baik.

Upaya untuk memahami NCP dan bagaimana cacing benang menginspirasi sekelompok peneliti dari MIT, TU Wien, dan IST Austria untuk membangun sistem AI baru.

(Gambar dari Google)

Pembelajaran Mendalam yang terinspirasi dari alam

Bahkan di era teknologi canggih ini, di mana kita berada pada tahap teknologi yang dikembangkan manusia menyatu dengan kecerdasan manusia, alam selalu membuktikan bahwa ada ruang untuk perbaikan. Setelah 3,5 miliar tahun seleksi alam dan evolusi spesies, alam telah menemukan solusi inovatif dan menginspirasi bioscientist, insinyur, dan penemu. Kali ini AI-nya.

“Selama bertahun-tahun, kami telah menyelidiki apa yang dapat kami pelajari dari alam untuk meningkatkan pembelajaran mendalam,” kata Prof. Radu Grosu, kepala kelompok penelitian “Sistem Fisik-Siber” di TU Wien.

Jaringan Syaraf Tiruan mengandung banyak sel individu yang berkomunikasi satu sama lain, mirip dengan otak organisme hidup. Komunikasi ini terjadi dalam bentuk sinyal. Ketika sebuah sel aktif, ia mengirimkan sinyal ke sel lain. Bergantung pada input yang diterima oleh sel, itu mungkin atau mungkin tidak diaktifkan. Dengan cara ini sistem disesuaikan untuk menyelesaikan tugas tertentu. Cara satu sel mempengaruhi yang lain menentukan perilaku sistem. Sekarang tergantung pada tugas yang ada, parameter ini disesuaikan untuk melakukan tugas tertentu. Dari mengidentifikasi kucing dalam gambar hingga memecahkan struktur protein untuk vaksin.

Sekarang tergantung pada seberapa kompleks tugasnya, struktur ANN meningkat dan semakin dalam. Meskipun kita dapat melakukannya dengan kekuatan komputasi yang sangat besar yang kita miliki, pertanyaan yang muncul sekarang adalah dapatkah tugas ini dilakukan dengan sejumlah kecil neuron ??

Tampaknya ada jawabannya dan itu adalah Neural Circuit Policies (NCP). NCP adalah arsitektur baru yang terinspirasi oleh neuron biologis, membuka jalan ke model yang lebih kecil yang dapat menangani tugas-tugas kompleks. Kesederhanaan ini membuatnya lebih kuat dan dapat ditafsirkan. Tim di balik arsitektur baru ini mengatakan bahwa sistem ini memiliki keunggulan dibandingkan dengan model sebelumnya: Lebih baik dalam menangani input yang bising dan kesederhanaannya membuatnya lebih mudah diinterpretasikan.

Cacing benang di mobil Self Driving

C. Elegan (Google)

Yang paling menarik dari penelitian ini adalah terinspirasi dari alam di sekitar kita. Secara khusus, para peneliti dari MIT, TU Wien, dan IST Austria mendasarkan sistem AI baru ini pada cacing benang (C.elegans) . Sistem ini dapat mengendalikan kendaraan dengan neuron yang lebih sedikit.

“Nematoda C. elegans, misalnya, menjalani hidupnya dengan jumlah neuron yang sangat kecil, dan masih menunjukkan pola perilaku yang menarik. Ini karena cara sistem saraf nematoda memproses informasi secara efisien dan harmonis.”

Diagram pengkabelan cacing benang menunjukkan topologi spesifik dengan jaringan yang jarang, penyebaran informasi yang efektif, membutuhkan sejumlah kecil neuron dengan dinamika temporal hierarkis. Menurut para peneliti, diagram pengkabelan cacing gelang mencapai sparity sekitar 90%, dengan koneksi feedforward yang dominan dari sensor ke neuron perantara, koneksi yang sangat berulang antara antar-neuron dan neuron komando, dan koneksi feedforward dari neuron komando ke neuron motorik. Pada intinya, NCP memiliki mekanisme transmisi sinaptik variasi waktu nonlinier yang meningkatkan kekuatan ekspresif mereka dalam memodelkan deret waktu, dibandingkan dengan rekan-rekan pembelajaran mendalam mereka. Blok pembangun saraf dasar dari NCP disebut jaringan konstanta waktu cair (LTC).

Jaringan NCP lengkap ini 63 kali lebih kecil dari jaringan saraf konvolusi yang membentuk penggerak ujung-ke-ujung yang canggih. Selain itu, jaringan kontrol NCP 970 kali lebih jarang daripada Long Short Term Memory (LSTM) dan 241 kali lebih jarang daripada CT-RNN.

Pemeliharaan jalur otonom untuk menguji sistem

Mobil Mengemudi Sendiri (Google)

Dalam sistem mengemudi Autonomous full-stack, salah satu komponennya adalah Autonomous Lane Keeping yang menjaga mobil self-driving tetap berada di jalurnya. Jaringan saraf menerima masukan dari kamera dan mengarahkan mobil ke kiri atau kanan tergantung pada jalurnya. Untuk mendapatkan pemahaman mendalam tentang deteksi jalur, Anda dapat mengunjungi ini.

Sekarang, tugas kompleks seperti itu hari ini membutuhkan jutaan parameter, tetapi sistem berbasis NCP ini hanya menggunakan 75.000 parameter yang mengurangi besarnya dua kali lipat. Bagian kontrol dari sistem (disebut kebijakan sirkuit saraf, atau NCP), yang menerjemahkan data dari modul persepsi menjadi perintah kemudi, hanya terdiri dari 19 neuron.

“Ini hanya memproses data visual untuk mengekstrak fitur struktural dari piksel yang masuk. Ini tidak ada hubungannya dengan kemudi kendaraan yang sebenarnya.” Jaringan ini memutuskan bagian mana dari gambar kamera yang menarik dan penting, dan kemudian meneruskan sinyal ke bagian penting dari jaringan — sebuah “sistem kontrol” yang kemudian mengarahkan kendaraan.

Kekokohan, Interpretabilitas, dan banyak lagi

Sebagai model saraf dan arsitektur baru, NCP dianggap kuat untuk input yang bising dan mencapai kemampuan interpretasi yang hampir tidak mungkin dilakukan dengan model pembelajaran mendalam yang lebih besar. Ketika peneliti memberikan gambar input yang terganggu, sementara jaringan saraf dalam lainnya menganggapnya sebagai masalah yang tidak dapat diatasi, NCP menunjukkan resistensi yang kuat terhadap hal ini. Datang ke interpretasi, struktur yang lebih sederhana dan lebih sedikit neuron memudahkan untuk menyelidiki aliran proses saraf. Ini memberi kami kesempatan untuk menyimpulkan apa yang menjadi fokus jaringan saat mengemudi. Para peneliti menemukan bahwa jaringan berfokus pada bagian tertentu dari gambar, perilaku unik di antara sistem AI.

Selain itu, dengan sistem yang jarang seperti itu, setiap sel pada keputusan tertentu dapat diidentifikasi dan diamati. Ini membuka pintu baru untuk memahami setiap sel dan menafsirkan fungsinya dalam keseluruhan sistem.

NCP untuk perkembangan baru di AI

Gambar (Google)

“Terinspirasi oleh alam, kami mengembangkan model matematis neuron dan sinapsis baru,” kata Prof. Thomas Henzinger, presiden IST Austria.

Dengan ketangguhan dan kemampuan interpretasi sebagai keunggulan utama, NCP juga membuka kemungkinan untuk mengurangi waktu pelatihan dan mengimplementasikan AI dalam sistem sederhana. Prinsip-prinsip komputasi dalam sistem biologis dapat menjadi sumber daya yang hebat untuk menciptakan AI yang dapat ditafsirkan dengan kinerja tinggi.

Neural Circuit Policies : Meniru model Biologis dalam AI untuk keandalan yang lebih baik dan… awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Menuju AI

Premier Protein Shake, Pisang & Krim, 30g Protein, 1g Gula, 24 Vitamin & Mineral, Nutrisi untuk Mendukung Kesehatan Kekebalan Tubuh, 12 Pack, 138.0 Fl Oz

$15.00 (per 1 November 2021 17:02 GMT -04:00 – Info lebih lanjutHarga dan ketersediaan produk akurat pada tanggal/waktu yang ditunjukkan dan dapat berubah. Informasi harga dan ketersediaan apa pun ditampilkan di [relevant Amazon Site(s), as applicable] pada saat pembelian akan berlaku untuk pembelian produk ini. %site_host% adalah peserta dalam Program Associates Amazon Services LLC, program periklanan afiliasi yang dirancang untuk menyediakan sarana bagi situs untuk mendapatkan biaya komisi dengan mengiklankan dan menautkan ke situs web berikut. %associates_list%)

Acer Aspire C27-962-UA91 AIO Desktop, 27″ Full HD Display, Intel Core i5-1035G1, NVIDIA GeForce MX130, 12GB DDR4, 512GB SSD, Wi-Fi 802.11ac, Keyboard dan Mouse Nirkabel, Windows 10 Home

$799.99 (per 1 November 2021 17:07 GMT -04:00 – Info lebih lanjutHarga dan ketersediaan produk akurat pada tanggal/waktu yang ditunjukkan dan dapat berubah. Informasi harga dan ketersediaan apa pun ditampilkan di [relevant Amazon Site(s), as applicable] pada saat pembelian akan berlaku untuk pembelian produk ini. %site_host% adalah peserta dalam Program Associates Amazon Services LLC, program periklanan afiliasi yang dirancang untuk menyediakan sarana bagi situs untuk mendapatkan biaya komisi dengan mengiklankan dan menautkan ke situs web berikut. %associates_list%)