큐:
인공 지능은 어떻게 "뇌 부스트 (brain boost)"를 통해 뇌의 전기 자극으로 기억력을 향상 시키는가?
ㅏ:새로운 인공 지능 과학 방법은 연구자들이 뇌의 작동 방식에 대해 더 많이 이해하도록 돕고 있으며, 경우에 따라이 과학자들은 실제로 개입하여 뇌가 다르게 작동하도록 할 수 있습니다.
복잡한 것처럼 들리기 때문입니다. 펜실베이니아 대학 연구 프로젝트를 소개하는 Wired 이야기는 인간의 뇌가 과학자들에게 알려지지 않은“블랙 박스”이며 뇌 활동에 영향을 미치는 중대한 장벽이 있음을 지적함으로써 시작됩니다.
그러나 UPenn 심리학자 Michael Kahana와 한 과학자 팀은 뇌가 기억하는 동안 어떻게 작동하는지 배우기 위해 뇌전 증 환자 25 명의 뇌로 들어가는 전극을 이용할 수있었습니다.
기존 인프라에서 "피기 백 (piggybacking)"하여 팀이이를 수행 할 수 있었다는 것이 중요합니다. (말로 표현하자면, 이 그룹은 이미 의학적인 이유 때문에 이미 연결되어있는 주제를 사용할 수 있다고 가정합니다.)이 기사에서 지적한 바와 같이, 연구 주제에서 구매 기술을 도입하기는 매우 어렵습니다. 뇌.
연구자들은 단순히 두뇌 활동, 특히 사람들이 단어를 배우고 암기하는 과정에있는 동안 뇌 내부의 전기 활동을 정확하게 계산하여 간단히 읽는 것으로 시작했습니다.
이 작업을 잠시 수행하고 상당한 훈련 세트를 구축 한 후 연구원들은 특정 종류의 학습을 예측할 수있었습니다.
기초 연구 후, 과학자들은 결국 기억의 과정을 돕기 위해 뇌에 전기 자극을 보낼 수있었습니다.
기억을 돕기 위해 전기 자극을 사용하는 것에 대해 이야기 할 때는 간단하게 들리지만 더 자세히 보면 모든 것이 최첨단 방법론과 많은 추측에 근거합니다.
기억 활동을 식별하는 초기 기계 학습이 없었다면 과학자들은 뇌를 전기적으로 자극하여 좋은 기억 기능을 촉진하는 방법에 대한 아이디어를 얻지 못했을 것입니다.
또한 연구 결과를 보면 팀이 전기 자극이 어떻게 작동하는지 알지 못한다는 것이 분명합니다. 다시 말해, 과학자들은 뇌 기능 자체의 내용을 실제로 이해하지 않고 기계 학습의 결과를 사용하여 시스템을 미세 조정합니다.
이 흥미로운 예는 아마도 "실습"머신 러닝의 가장 좋은 예 중 하나 일 것입니다. 여기에서 데이터는 더 많은 데이터를 모델링하기 위해 훈련 세트에 배치되지 않습니다. 여기서 훈련 세트는 실제로 생물 정보학의 특정 실험을위한 촉매제 역할을하며 결과는 머신 러닝 프로그램의 계산을 기반으로합니다. 인공 지능과 인간의 인간 두뇌 사이의 시너지와 Ray Kurzweil의“단일성”과 다른 미래의 결과를 향해 급속히 발전함에 따라이 둘이 어떻게 교차하고 있는지에 대해 매우 흥미로운 모습입니다.
