NIEUWE ISRAELISCHE HERSENVONDST ZAL BELANGRIJKE IMPACT HEBBEN OP HARDWARE VOOR KUNSTMATIGE INTELLIGENTIE

Door Judy Siegel-Itzkovich | 28 april 2022

“

Deep learning is een subgebied van machine learning dat zich bezighoudt met algoritmen - sets van instructies voor het oplossen van een probleem of het volbrengen van een taak, zoals een recept - die zijn geïnspireerd op de structuur en functie van de hersenen.

Israëlische wetenschappers hebben nu ontdekt dat één enkel neuron (zenuwcel) volstaat om diep-lerende algoritmen te verwezenlijken waarvoor vroeger een kunstmatig complex netwerk nodig was dat bestond uit duizenden met elkaar verbonden neuronen en synapsen (structuren die neuronen in staat stellen een elektrisch of chemisch signaal door te geven aan een ander neuron). Deze ontdekking door onderzoekers van de Bar-Ilan Universiteit (BIU) bij Tel Aviv zal naar verwachting belangrijke gevolgen hebben voor toekomstige hardware voor kunstmatige intelligentie.

De hersenen zijn een complex netwerk van miljarden neuronen. Elk van deze neuronen communiceert gelijktijdig met duizenden andere via zijn synapsen en verzamelt inkomende signalen via verschillende extreem lange, vertakte "armen" die dendritische bomen worden genoemd.

De laatste 70 jaar is een basisaanname van de neurowetenschap geweest dat het leren van de hersenen plaatsvindt door de sterkte van de synapsen te wijzigen, waarbij de relatieve vuuractiviteit van de verbindende neuronen wordt gevolgd.

Deze hypothese is de basis geweest voor machine- en deep learning-algoritmen die steeds meer invloed hebben op bijna alle aspecten van ons leven. Maar na zeven decennia is deze langdurende hypothese nu in twijfel getrokken.

In een artikel dat zojuist door de Nature-groep in Scientific Reports is gepubliceerd, onthulden de BIU-onderzoekers dat de hersenen heel anders leren dan sinds de 20e eeuw wordt aangenomen. De nieuwe experimentele waarnemingen suggereren dat leren voornamelijk plaatsvindt in neuronale dendritische bomen, waarbij de stam en de takken van de boom hun sterkte wijzigen, in tegenstelling tot het wijzigen van alleen de sterkte van de synapsen (dendritische bladeren), zoals eerder werd gedacht.

Deze observaties wijzen er ook op dat het neuron in feite een veel complexer, dynamischer en meer computationeel element is dan een binair element dat wel of niet werkt. "We hebben aangetoond dat efficiënt leren op dendritische bomen van een enkel neuron kunstmatig succespercentages kan bereiken die de eenheid benaderen voor handgeschreven cijferherkenning. Deze bevinding effent de weg voor een efficiënt biologisch geïnspireerd nieuw type artificiële-intelligentie (AI) hardware en algoritmen," zegt hoofdauteur Prof. Ido Kanter van BIU's natuurkunde afdeling en het Gonda (Goldschmied) Multidisciplinair Hersenonderzoek Centrum.

"Dit vereenvoudigde leermechanisme is een stap in de richting van een plausibele biologische realisatie van backpropagatie-algoritmen (een algoritme dat wordt gebruikt om snel afgeleiden te berekenen) die momenteel de centrale techniek in AI zijn," voegde Shiri Hodassman, een doctoraalstudent en een van de belangrijkste bijdragers aan dit werk, eraan toe.

De klok van de hersenen is een miljard keer trager dan de bestaande parallelle grafische verwerkingseenheden (GPU's). De nieuwe demonstratie van efficiënt leren op dendritische bomen roept op tot nieuwe benaderingen in hersenonderzoek, evenals voor het genereren van tegenhanger hardware gericht op het implementeren van geavanceerde AI-algoritmen, concludeerden de onderzoekers. "Als men trage hersendynamica kan implementeren op ultrasnelle computers, is de hemel de limiet."

Bron: New Israeli brain discovery will have important impact on artificial intelligence hardware