کاهش قابل توجه ابعاد شبکه عصبی
به گزارش کارگروه فناوری اطلاعات سایبربان؛ 2 محقق دانشگاه «MIT» راهی برای ساخت هوش مصنوعی با یک دهم اندازه فعلی کشف کردند که توانایی محاسباتی آن با نمونه های امروزی برابر بوده یا حتی بالاتر است. این پیشرفت می‌تواند به سایر محققان اجازه ساخت هوش مصنوعی کوچکتر، سریع‌تر و هوشمندتر بدهد.
زمانی که مردم در رابطه با هوش مصنوعی حرف می‌زنند، بیشتر آنها به مجموعه نرم‌افزارهای رایانه‌ای به نام شبکه‌های عصبی مصنوعی اشاره دارند. این برنامه‌ها، برای تقلید از نحوه عملکرد مغز طراحی شده‌اند که باعث هوشمندتر و خلاق‌تر شدن آنها می‌شوند. الگوریتم‌ها می‌توانند علاوه بر شناسایی محتویات عکس‌ها، انسان‌ها را در بازی‌های انتزاعی راهبردی شکست دهند و حتی وسایل نقلیه را خودشان برانند.
هسته برنامه‌ها، از مجموعه یاخته‌های عصبی مانند مغز انسان تشکیل شده است. این رشته‌های عصبی، به تعدادی رشته‌های عصبی دیگر متصل هستند. هر رشته عصبی به‌صورت جداگانه می‌تواند تعداد کمی از محاسبات اساسی را انجام دهد، اما با داشتن تعداد مناسب متصل از آنها، قدرت محاسباتی شبکه به شدت افزایش می‌یابد.
مهم‌ترین مسئله برای یک شبکه عصبی مستحکم، ارتباطات میان نورون‌ها است. اتصالات خوب، یک شبکه مناسب ایجاد می‌کند. فرآیند ساخت اتصالات، آموزش نام دارد و بسیار شبیه به مغز انسان در هنگام یادگیری مطالب جدید عمل می‌کند.
تنها تفاوت این است که مغز انسان به‌طور مرتب اتصالات قدیمی غیرمفید را در فرآیندی به نام «هرس» مرتب می‌کند. اتصالات قدیمی یا غیرقابل استفاده، هرس می‌شوند، البته بیشتر شبکه‌های عصبی مصنوعی تنها یکبار و درست در انتهای آموزش این کار را انجام می‌دهند.
بنابراین محققان MIT تصمیم گرفتند مورد جدیدی را امتحان کنند. این کار مرتب سازی منظم شبکه در طول آموزش است. آنها به این نتیجه رسیدند که در این روش، به کمک روش استاندارد، شبکه‌های عصبی به خوبی شبکه‌های آموزش‌دیده، تولید می‌شوند، اما این شبکه‌های بریده شده حدود 90 درصد کوچکتر، دقیق‌تر و بسیار کارآمد بودند. آنها همچنین به زمان کمتری برای یادگیری نیاز داشتند.
در آینده نزدیک، کارشناسان احتمالاً از روش بالا برای طراحی شبکه‌های عصبی بهتر استفاده خواهند کرد. این شبکه‌ها می‌توانند قدرتمند و سبک باشند؛ بنابراین مردم می‌توانند از آنها در دستگاه‌های کوچکتر الکترونیکی و تقریباً همه جا استفاده کنند.
