Esporli a diversi tipi di rumore li aiuterebbe a recuperare la stabilità persa durante l’apprendimento. A suggerirlo sono i risultati di uno studio del Laboratorio Nazionale di Los Alamos degli Stati Uniti che verrano presentati al convegno Women in Computer Vision
Proprio come i cervelli umani, anche le menti artificiali avrebbero bisogno di riposare, in quanto diventerebbero instabili dopo prolungate sessioni di apprendimento.
A suggerirlo sono i risultati di un nuovo studio, condotto da un team di ricercatori del Laboratorio Nazionale di Los Alamos degli Stati Uniti, in Nuovo Messico, che verrano presentati in occasione del convegno Women in Computer Vision, in programma a Seattle, negli Stati Uniti, il prossimo 14 giugno. Esporre i cervelli artificiali a diversi tipi di rumore, simili alle interferenze che si sentono alla radio passando da una stazione all'altra, li aiuterebbe a recuperare la stabilità persa durante l’apprendimento.
I risultati dello studio
"Noi studiamo le reti neurali artificiali a impulso, sistemi che apprendono come il nostro cervello", ha spiegato, Yijing Watkins, tra i ricercatori che hanno condotto lo studio. "Eravamo affascinati dalla prospettiva di addestrare un processore neuromorfico in modo analogo a come gli esseri umani e altri sistemi biologici imparano dall'ambiente durante lo sviluppo dell'infanzia".
Nel corso dello studio, dopo averle esposte a diversi suoni, gli esperti hanno dimostrato che le menti artificiali “riposano” meglio se esposti al cosidetto rumore “gaussiano”, nel quale è compreso un ampio spettro di frequenze e ampiezze.
Secondo gli esperti, gli effetti del rumore sulle reti neurali delle menti artificiali potrebbero essere simili a quelli che la fase di sonno a onde lente ha sui neuroni del cervello umano.
Prossimi obiettivi dei ricercatori
Il prossimo obiettivo dei ricercatori è quello di testare quanto scoperto su Loihi, il chip della Intel ispirato al cervello umano. Nello specifico, gli esperti valuteranno se delle sessioni di “riposo” alternate a periodi di lavoro sono in grado di migliorare le prestazioni del robot, quando gli viene chiesto di processare in tempo reale le informazioni provenienti da una videocamera. "Il problema di come mantenere instabili i sistemi di apprendimento si pone in realtà solo quando si tenta di utilizzare processori neuromorfici biologicamente realistici, o quando si cerca di comprendere la biologia stessa", ha spiegato Garrett Kenyon, tra gli autori dello studio.