在今天發(fā)表在《科學(xué)報告》雜志上的一篇文章中，研究人員展示了如何采用一個(gè)世紀前引入的物理概念來(lái)解決這兩個(gè)挑戰，該物理概念描述了鐵塊冷卻過(guò)程中磁體的形成。

通過(guò)精心的優(yōu)化程序和詳盡的模擬，巴伊蘭大學(xué)的一組科學(xué)家證明了冪律定標的物理概念對深度學(xué)習的有用性。物理學(xué)中的這一中心概念源自多種現象，包括地震的時(shí)機和震級，互聯(lián)網(wǎng)拓撲和社交網(wǎng)絡(luò )，股票價(jià)格波動(dòng)，語(yǔ)言學(xué)中的單詞頻率以及大腦活動(dòng)中的信號幅度，這些事實(shí)也適用于A(yíng)I不斷發(fā)展的領(lǐng)域，尤其是深度學(xué)習。

“在線(xiàn)學(xué)習中的測試錯誤(每個(gè)示例僅接受一次培訓)與由大量紀元組成的最新算法(每個(gè)示例都經(jīng)過(guò)了多次培訓)非常一致。這一結果具有重要意義暗示著(zhù)需要快速做出諸如機器人控制之類(lèi)的決策。”負責這項研究的Bar-Ilan物理系和Gonda(Goldshmied)多學(xué)科大腦研究中心的Ido Kanter教授說(shuō)。他補充說(shuō)：“冪律定標控制著(zhù)不同的動(dòng)態(tài)規則和網(wǎng)絡(luò )體系結構，可以在不同的檢查分類(lèi)或決策問(wèn)題之間進(jìn)行分類(lèi)和層次結構的創(chuàng )建。”

這項研究的合著(zhù)者，博士生Shira Sardi說(shuō)：“高級深度學(xué)習算法的重要組成部分之一是最近在實(shí)驗神經(jīng)科學(xué)和高級人工智能學(xué)習算法之間建立了新的橋梁。”我們在神經(jīng)元文化上進(jìn)行的新型實(shí)驗表明，訓練頻率的增加使我們能夠顯著(zhù)加速神經(jīng)元適應過(guò)程。另一位合著(zhù)者之一的博士生尤瓦爾·梅爾(Yuval Meir)表示：“這種受大腦啟發(fā)的加速機制可以構建優(yōu)于現有算法的高級深度學(xué)習算法。”

從物理和實(shí)驗神經(jīng)科學(xué)到機器學(xué)習的重建橋梁有望在有限的訓練示例下促進(jìn)人工智能，尤其是超快速決策的發(fā)展，從而有助于深度學(xué)習領(lǐng)域的理論框架的形成。