کوینکس
همین حالا برای دوستان خود به اشتراک بگذارید: واتساپ | تلگرام |

حتی شبکه‌های عصبی مصنوعی هم با خوابیدن بهتر یاد می‌گیرند!

شبکه‌های عصبی مصنوعی با خوابیدن بهتر یاد می‌گیرند؛ پیش‌تر می‌دانستیم که مغز در جانوران از حربه خواب برای سازماندهی حافظه و داده‌های آموخته شده استفاده می‌کند، چرا ماشین‌ها نتوانند چنین کاری کنند؟

مهاجرت به انگلستان و پرتغال

هر انسانی بسته به سن‌اش، در هر 24 ساعت به 7 تا 13 ساعت خواب نیاز دارد. در طی این مدّت، فعل و انفعالات زیادی روی می‌دهد: تداوم ضربان قلب، تنفس و متابولیسم و در نهایت، تنظیمِ سطح هورمونی؛ شاید گمان کنید که تمام بدن‌تان آرام گرفته، امّا فرمان‌روایِ بدن شما یعنی مغز، هم‌چنان به فعالیّت خود ادامه می‌دهد!

باژنوف نویسنده مسئول و همکارانش در شماره 18 نوامبر 2022 مجله زیست‌شناسی رایانشی PLOS دربارهٔ چگونگی تأثیر مدل‌هایِ زیستی در کاهش خطر فراموشی فاجعه‌بار در شبکه‌های عصبی مصنوعی بحث کرده و کاربردشان را در طیف گسترده‌ای از پژوهش‌ها بر می‌شمارند. نویسندگان مشترک عبارتند از: رایان گلدن و ژان اریک دلانوا، هر دو در UC San Diego. و پاول ساندا، موسسه علوم کامپیوتر آکادمی علوم چک.

بیشتر بخوانید: کم خوابی می تواند باعث نابینایی شود

شبکه‌های عصبی مصنوعی با خوابیدن بهتر یاد می‌گیرند، امّا چطور؟

در پیشینه‌ این پژوهش‌، باژنوف و همکارانش گزارش کرده‌اند که چگونه خواب باعث ایجاد حافظهٔ منطقی، توانایی به خاطر سپردن ارتباط‌هایِ ناخودآگاه و یا غیرمستقیم بین اشیاء، افراد یا رویدادها شده و از فراموشیِ خاطرات قدیمی محافظت می‌کند.

در همین خصوص دکتر ماکسیمِ باژنوف، استاد پزشکی و پژوهشگر خواب در دانشکده پزشکی دانشگاه کالیفرنیا سن دیگو گفت:

«مغز هنگام خواب بسیار در تکاپوست و می‌کوشد آن‌چه را که در طول روز آموخته‌ایم سازمان‌دهی کند. در واقع امر، خواب به سازماندهی خاطرات آن‌هم به کارآمدترین شکل ممکن کمک می‌کند.»

شبکه‌های عصبی مصنوعی

همانطور که شاید بدانید شبکه‌هایِ عصبیِ مصنوعی از معماریِ مغز انسان برای بهبود فناوری‌ها و سیستم‌هایِ گوناگون، از علوم پایه گرفته تا پزشکی و امور مالی و رسانه‌هایِ اجتماعی استفاده می‌کنند.

از برخی جهات، آن‌ها به عملکرد اَبَر انسانی، مانند سرعت محاسباتی شگفت‌انگیز می‌رسند، و امّا از سویی دیگر در یک جنبهٔ مهم شکست می‌خورند که کودکی خردسال از آن‌ها بهتر است: یعنی هنگامی‌که شبکه‌های عصبی مصنوعی به‌طور متوالی یاد می‌گیرند، اطلاعات جدید را روی اطلاعات پیشین بازنویسی می‌کنند، که در نهایت منجر می‌شود به پدیده‌ای که فراموشی فاجعه‌بار نامیده می‌شود.

در مقابل، مغز انسان به طور مداوم یاد می‌گیرد و داده‌های جدید را بر دانش موجود انباشت می‌کند، و معمولاً زمانی که تمرینات آموخته را با سیکل‌ خواب همراه می‌‌کند بهتر هم یاد می‌گیرد! ــ‌باژنوف‌

خوب پس چرا شبکه‌های عصبی چنین کاری نکنند؟

ساز و کار خواب در شبکه‌های عصبی مصنوعی

دانشمندان از مدل شبکه‌های عصبی اسپایکی (spiking) استفاده کردند که به‌طور مصنوعی سیستم‌های عصبی طبیعی را تقلید می‌کند؛ به بیانی، به‌جای اینکه اطلاعات به‌طور پیوسته جاری شوند، به‌صورت رویدادهای گسسته (خوشه‌مانند) در مقاطع زمانی خاص منتقل می‌شوند.

شبکه‌های عصبی مصنوعی

پژوهشگران دریافتند که وقتی شبکه‌های اسپایکی‌ برای تمرینی جدید آموزش داده شده،ــ‌ و همزمان با دوره‌هایی‌که گاه به گاه از خط طبیعی تمرین خارج شده همراه می‌شوند، فراموشی فاجعه‌بار کاهش می‌یابد. خارج شدن از خط طبیعی یعنی چیزی شبیه خواب در جانوران.

به گفتهٔ نویسندگان مطالعه، خواب در شبکه‌های عصبی‌ای مانند مغز انسان، این اجازه را می‌دهد که خاطرات قدیمی را بدون استفاده مستقیم از داده‌های آموزشی قدیمی بازگردانی کنند.

خاطرات در مغز انسان با الگوهای همایهٔ وزنی (Synaptic weight) – قدرت یا دامنه ارتباط بین دو نورون – نشان داده می‌شوند. محض اطلاع‌مان در علوم کامپیوتر و عصب‌شناسی همایهٔ وزنی (Synaptic weight) محل اتصال دو یا چند یاختۀ عصبی است که دامنه و قدرت پیوندشان بسیار قوی است.

باژنوف گفت:

زمانی‌که اطلاعات جدیدی یاد می‌گیریم، نورون‌ها به ترتیب خاصی شلیک می‌کنند و این امر، باعث افزایش سیناپس‌های بین آنها شده و پیوند قوی‌تر برقرار می‌سازد. در طول خواب، شبکه عصبی اسپایکی حالت‌هایی را که در زمان بیداریِ ما فرا گرفته، به صورت خودجوش تکرار می‌کند که به این فرآیند فعال‌سازی مجدّد و یا بازپخش می‌گویند.

شبکه‌های عصبی مصنوعی با خواب یاد می‌گیرند که دچار فراموشی فاجعه‌بار نشوند!

شبکه‌های عصبی مصنوعی

انعطاف‌پذیری سیناپسی و ظرفیت تغییر یا قالب‌گیری، هنوز در طول خواب وجود دارد و می‌تواند الگوهای همایهٔ وزنی (Synaptic weight) را که نشانگر حافظه هستند، تقویت کرده و از فراموشی جلوگیری و یا از فرآیند انتقال دانش انباشته از کارهای قدیمی به کارهای جدید کمک حال باشد.

وقتی باژنوف و همکارانش این رویکرد را برای شبکه‌های عصبی مصنوعی به کار بستند، مشاهده کردند که شبکه‌ها با این روش، دیگر دچار فراموشی فاجعه‌بار نمی‌شوند.

این بدان معناست که این شبکه‌ها می‌توانند مانند انسان‌ها یا حیوانات به طور مداوم یاد بگیرند و در نتیجهٔ آن دچار «فراموشی‌ فاجعه‌بار» نشوند!

هم‌چنین درک اینکه چگونه مغز انسان اطلاعات را در طیِ خواب پردازش می‌کند، می‌تواند در تقویّت حافظه‌ انسان‌ها نیز به کار بیاید؛ به بیانی احتمالاً تقویت ریتم خواب منجر به حافظه بهتر هم می‌شود.

در پروژه‌های دیگر، ما از مدل‌های رایانه‌ای برای توسعه استراتژی‌های بهینگی برای اعمال تحریک در طول خواب، مانند صداهای شنیداری، استفاده می‌کنیم که ریتم خواب را افزایش می‌دهد و یادگیری را بهبود می‌بخشد.

بیشتر بخوانید:

دیدگاه شما درباره بهبود یادگیری با خواب در شبکه‌های عصبی مصنوعی چیست؟  لطفا نظرات خود را در بخش کامنت‌ها با تکراتو در میان بگذارید و اخبار تکنولوژی را با ما دنبال کنید.

منبع:ScienceDaily



ارسال برای دوستان در: واتساپ | تلگرام |





ارسال نظر