Güvenilmez Nöronlar Beyin İşlevlerini İyileştirir

Özet: Nöral susturma periyotları biyolojik sınırlamaları temsil eden bir dezavantaj değil, daha ziyade zamansal dizileme tanımlaması için bir avantajdır.

Kaynak: Bar-İlan Üniversitesi

Beyin, birbirleriyle iletişim kuran milyonlarca milyar nörondan oluşur. Her nöron, birçok girdisini toplar ve bağlantı nöronlarına bir ani iletir. Bu kadar büyük ve yüksek düzeyde birbirine bağlı sinir ağlarının dinamikleri, tüm yüksek dereceli beyin işlevlerinin temelidir.

Bugün dergide yayınlanan bir makalede Bilimsel Raporlar, bir grup bilim adamı deneysel olarak, bir nöronun girdilerine yanıt veremediği sık sessizlik dönemleri olduğunu göstermiştir. Hızlı ve güvenilir elektronik cihazların aksine, beyin güvenilmez nöronlardan oluşur.

Bar’dan Prof. Ido Kanter, “Bir mantık kapısı her zaman aynı girdiye aynı çıktıyı verir, aksi takdirde cep telefonları ve bilgisayarlar gibi birbirine bağlı milyarlarca mantık kapısından oluşan elektronik cihazlar iyi çalışmaz” dedi. -Ilan Üniversitesi Fizik Bölümü ve Gonda (Goldschmied) Multidisipliner Beyin Araştırma Merkezi, çalışmayı yöneten kişi.

“Beynin güvenilmezliğini bir bilgisayar veya cep telefonuna benzetecek olursak: Bir kere bilgisayarınız 1+1=2, diğer zamanlarda 1+1=5 cevap verir veya cep telefonunuzdan 7 tuşlamanız 4 veya 9 ile sonuçlanabilir. Beynin büyük bir dezavantajı gibi görünüyor, ancak son bulgularımız aksini gösterdi.”

Düşünülebileceğinin aksine, Kanter ve ekibi, nöronal susturma periyotlarının biyolojik sınırlamaları temsil eden bir dezavantaj değil, daha ziyade zamansal dizi tanımlaması için bir avantaj olduğunu göstermiştir.

Çalışmanın yazarlarından Yuval Meir, “0765 numaralı bir telefon numarasını hatırlamak istediğinizi varsayalım” dedi.

“Örneğin, 0 rakamı sunulduğunda aktif olan nöronlar, bir sonraki rakam 7 sunulduğunda susturulabilir. Sonuç olarak, her basamak dinamik olarak oluşturulmuş farklı bir alt ağ üzerinde eğitilir ve bu susturma mekanizması beynimizin dizileri verimli bir şekilde tanımlamasını sağlar.”

Beyin susturma mekanizması, yeni bir AI mekanizması için önerilen bir kaynaktır ve ek olarak, otomatik vezne makinelerinde (ATM’ler) el yazısı tanıma için yeni bir tür şifreleme sisteminin kaynağı olarak gösterilmiştir.

Bu şifreleme sistemi, kullanıcının ATM’ye bir PIN’i tıklamak yerine kişisel kimlik numarasını (PIN) elektronik bir karta yazmasına olanak tanır.

Kanter ve ekibi tarafından geliştirilen ve nöronal susturma periyotlarına dayalı olarak geliştirilen dizi tanımlama, sadece doğru PIN’i değil, aynı zamanda kullanıcının kişisel el yazısı stilini ve PIN’in her bir basamağının tahtaya yazılma zamanını da belirleme yeteneğine sahiptir. Bu eklenen özellikler, bir hırsız kullanıcının PIN’ini bilse bile çalınan kartlara karşı koruma görevi görür.

Kanter ve ekibi tarafından yapılan bu son araştırma, beyindeki kekeme nöronların güvenilmezliğini iyileştirmenin her zaman yararlı olmadığını, çünkü daha yüksek beyin işlevleri için avantajları olduğunu gösteriyor.

Bu sinirbilim ve yapay zeka araştırma haberleri hakkında

Soyut

Güvenilir dizi tanımlaması sağlamak için beyinden ilham alan nöronal susturma mekanizması

Gerçek zamanlı dizi tanımlama, geçici olayları tanımaktan doğrulama kodlarını tanımlamaya kadar değişen, yapay sinir ağlarının (YSA) temel bir kullanım durumudur. Mevcut yöntemler, eğitim zorluklarından muzdarip tekrarlayan sinir ağlarını uygular; bununla birlikte, bu işlevi geri besleme döngüleri olmadan gerçekleştirmek bir zorluk olmaya devam etmektedir.

Burada, girdi nesnelerinin belirli bir sıra ve zamanlamaya sahip olduğu, geri besleme döngüleri olmayan yüksek hassasiyetli ileri beslemeli dizi tanımlama ağları (ID ağları) için deneysel bir nöronal uzun vadeli plastisite mekanizması sunuyoruz.

Bu mekanizma, son spiking aktivitelerini takiben nöronları geçici olarak susturur.

Bu nedenle, geçici nesneler, dinamik olarak oluşturulmuş farklı ileri beslemeli alt ağlar üzerinde hareket eder. Kimlik ağlarının, elle yazılmış 10 rakam dizisini güvenilir bir şekilde tanımladığı gösterilmiştir ve görüntü dizileri üzerinde eğitilmiş sürekli aktivasyon düğümlerine sahip derin evrişimli YSA’lara genelleştirilmiştir.

Sezgisel olarak, sınırlı sayıda eğitim örneğiyle bile sınıflandırma performansları, diziler için yüksek, ancak bireysel nesneler için düşüktür.

Kimlik ağları ayrıca yazara bağlı tanıma için uygulanır ve şifreli kimlik doğrulama için bir şifreleme aracı olarak önerilir. Sunulan mekanizma, gelişmiş YSA algoritmaları için yeni ufuklar açar.