Дослідники розробили нову модель машинного навчання, яка вчиться, як мозок, обходячи потребу у зворотному поширенні помилки. Модель мета-репрезентативного прогнозувального кодування (MPC), запропонована Олександром Орорбіа, Карлом Фрістоном та Раджешем Рао, поєднує прогнозувальне кодування та активний висновок для вивчення репрезентацій через "сенсорне зазирання" — активне вибіркове отримання інформативних частин вхідних даних.
Як це працює
Традиційне самонавчання покладається на зворотне поширення помилки — біологічно неправдоподібний метод. На відміну від нього, MPC використовує ієрархічну структуру прогнозувального кодування, де кожен шар передбачає активність шару нижче. Замість прогнозування сирих пікселів MPC прогнозує репрезентації через паралельні потоки, зменшуючи обчислювальну складність. Модель використовує активний висновок для визначення, куди "зазирнути" далі, керуючи вивченням репрезентацій через послідовність рішень.
Чому це важливо
Ця робота поєднує нейронауку та ШІ, пропонуючи ефективніший та правдоподібніший спосіб навчання без людських анотацій. Для вашого власного мозку це підкреслює важливість активного дослідження — пошуку нової інформації — для навчання. Подібно до того, як MPC вчиться через вибіркове отримання інформативних зразків, ви можете покращити своє навчання, активно шукаючи складні завдання та різноманітний досвід.
Що ви можете зробити
- Застосовуйте активне навчання: Замість пасивного читання перевіряйте себе, розв'язуйте головоломки та шукайте зворотний зв'язок.
- Диверсифікуйте вхідні дані: Надавайте мозку різноманітні області — науку, мистецтво, музику — для формування багатших ментальних репрезентацій.
- Спробуйте тренування мозку: Займайтеся адаптивними завданнями, які розширюють ваші когнітивні межі, подібно до стратегії зазирання MPC.
Джерело: arXiv q-bio.NC
Цікавитесь власним мозком? Пройдіть наш безкоштовний адаптивний IQ-тест або спробуйте 306 рівнів тренування мозку.
