Gehirnverzögerungen könnten ein rechnerischer Vorteil sein, sagen Forscher

Biologische Komponenten sind weniger zuverlässig als elektrische und empfangen die eingehenden Signale nicht sofort, sondern mit unterschiedlichen Verzögerungen. Dies zwingt das Gehirn, diese Verzögerungen zu bewältigen, indem jedes Neuron die eingehenden Signale im Laufe der Zeit integrieren und anschließend feuern muss. Außerdem wird eine Population von Neuronen anstelle von einem verwendet, um neuronale Zellen zu überwinden, die vorübergehend nicht feuern.

Es scheint, als wären Verzögerungen nichts anderes als ein unvermeidlicher Nachteil, der das Gehirn verlangsamt und seine Effizienz verringert. Aber könnten Verzögerungen tatsächlich ein Vorteil für das Lernen des Gehirns sein?

In einer neuen Studie veröffentlicht im Tagebuch Physica A: Statistische Mechanik und ihre AnwendungenWissenschaftler der Abteilung für Physik der Bar-Ilan-Universität und des multidisziplinären Gehirnforschungszentrums Gonda (Goldschmied) haben die Frage mit einem klaren „Ja“ beantwortet.

Das Team unter der Leitung von Prof. Ido Kanter hat herausgefunden, wie Verzögerungen tatsächlich den Weg für effizienteres und flexibleres Lernen ebnen, ohne die Architektur zu ändern.

„Der große Vorteil eines Systems mit Verzögerungen besteht darin, dass die Dynamik des Gehirns die Verzögerungen als Vorteil nutzen kann“, sagte Prof. Kanter. „In künstlichen neuronalen Netzen benötigt jedes Objekt eine eigene Ausgabeeinheit, um erkannt zu werden, während das Gehirn eine neuronale Ausgabe verwenden kann, deren Aktivität als Funktion der Zeit zwischen verschiedenen Objekten unterscheidet. Im Wesentlichen könnte man sagen, dass das Gehirn die Zeit dazu nutzt.“ lernen und der Computer verbraucht Platz.“

„Dadurch ist das Gehirn viel modularer gegenüber Veränderungen, ohne dass eine Änderung der Architektur erforderlich ist“, sagte Yarden Tzach, ein führender Doktorand. Student im Labor. „Das Erlernen neuer Objekte erfordert keine andere Architektur, sondern lediglich das Erlernen eines Signals zu einem zusätzlichen Ausgabezeitpunkt. Dies ermöglicht auch die Erkennung einer Kombination von Objekten. Nehmen wir an, ein Bild eines Pferdes kann zu einem bestimmten Zeitpunkt erkannt werden, ein Bild.“ einer Person an einer anderen, aber eine Person, die auf einem Pferd reitet, kann zu irgendeinem Zeitpunkt dazwischen erkannt werden.

Diese neue Entdeckung kann Aufschluss darüber geben, wie ein biologischer Mechanismus, von dem angenommen wurde, dass er ein Hindernis darstellt, tatsächlich die Lerndynamik des Gehirns erheblich verbessern und sogar das maschinelle Lernen übertreffen kann. Die Nutzung dieses neuen Verständnisses kann den Weg für bessere, schnellere und komplexere künstliche Lernsysteme ebnen.