پژوهشگران آمریكایی مطرح كردند
آموزش فیزیك به هوش مصنوعی می تواند سازگاری آنرا افزایش دهد
اسمارت كاور: پژوهشگران آمریكایی در بررسی جدید خود تلاش كردند تا با آموزش فیزیك به هوش مصنوعی، میزان سازگاری آنرا بالا برند.
به گزارش اسمارت کاور به نقل از ایسنا و به نقل از فیز، پژوهشگران "دانشگاه ایالتی کارولینای شمالی"(NCSU) در بررسی جدید خود دریافته اند که آموختن فیزیک به شبکه های عصبی، آنها را قادر می سازد تا بهتر با محیط اطراف خود سازگار شوند. این پژوهش می تواند پیامدهایی برای بهبود کاربرد هوش مصنوعی در حوزه های گوناگون از تشخیص پزشکی گرفته تا هدایت پهپادهای خودران به همراه داشته باشد.
شبکه های عصبی، شکل پیشرفته ای از هوش مصنوعی هستند که عملکرد آنها مبتنی بر روش کارکرد مغز ما است. نورون های طبیعی ما بر طبق قدرت اتصالات خود، به تبادل پالس های الکتریکی می پردازند. شبکه های عصبی مصنوعی از این رفتار تقلید می کنند تا تفاوت میان خروجی های واقعی و مورد نظر را به حداقل برسانند. برای مثال، می توان یک شبکه عصبی را آموزش داد تا تصاویر سگ ها را در بین شمار زیادی از تصاویر تشخیص دهد، حدس بزند که آیا تصویر مربوط به یک سگ هست یا خیر و همین طور بررسی کند که تصویر تا چه اندازه می تواند به واقعیت نزدیک باشد.
پژوهشگران دانشگاه ایالتی کارولینای شمالی در این پژوهش جدید نشان دادند که آموزش فیزیک به شبکه های عصبی مصنوعی، به آنها کمک می نماید تا خودرا با یک سیستم سازگار کنند. آنها در این پروژه، یک شبکه عصبی مصنوعی را با مفاهیم فیزیک آموزش دادند و دریافتند که شبکه می تواند پویایی سیستم را به دقت پیش بینی نماید و این کار را هم در محیط منظم و هم در محیط شلوغ و نامنظم انجام دهد.
"جان لیندر"(John Lindner)، از پژوهشگران این پروژه اظهار داشت: شبکه عصبی با کمک آموزش فیزیک می تواند پویایی را طوری درک کند که از عهده شبکه های عصبی متداول خارج است. این اولین گام برای ارائه شبکه های عصبی است که می توانند به ما در حل کردن مسائل دشوار کمک کنند.
این پژوهش، در مجله "Physical Review E" به چاپ رسید.
منبع: smartcover.ir
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب