Исследователи разработали новую модель машинного обучения, которая учится как мозг, обходя необходимость обратного распространения ошибок. Модель мета-репрезентативного предиктивного кодирования (MPC), предложенная Александром Орорбией, Карлом Фристоном и Раджешем Рао, объединяет предиктивное кодирование и активный вывод для обучения представлениям через «сенсорное всматривание» — активный выбор информативных частей входных данных.
Как это работает
Традиционное самообучение опирается на обратное распространение, биологически неправдоподобный метод. Напротив, MPC использует иерархическую структуру предиктивного кодирования, где каждый слой предсказывает активность слоя ниже. Вместо предсказания сырых пикселей MPC предсказывает представления в параллельных потоках, снижая вычислительную сложность. Модель использует активный вывод, чтобы решить, куда «всматриваться» дальше, управляя обучением представлений через последовательность решений.
Почему это важно
Эта работа соединяет нейронауку и ИИ, предлагая более эффективный и правдоподобный способ обучения без человеческих аннотаций. Для вашего собственного мозга это подчеркивает важность активного исследования — поиска новой информации — для обучения. Так же как MPC учится, выбирая информативные фрагменты, вы можете улучшить своё обучение, активно ища сложные задачи и разнообразный опыт.
Что вы можете сделать
- Используйте активное обучение: Вместо пассивного чтения проверяйте себя, решайте головоломки и ищите обратную связь.
- Разнообразьте ввод: Подвергайте свой мозг различным областям — науке, искусству, музыке — чтобы создавать более богатые ментальные представления.
- Попробуйте тренировку мозга: Занимайтесь адаптивными задачами, которые раздвигают когнитивные границы, подобно стратегии всматривания MPC.
Источник: arXiv q-bio.NC
Любопытно узнать свой мозг? Пройдите наш бесплатный адаптивный IQ-тест или попробуйте 306 уровней тренировки мозга.
