Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

I computer non possono fare concorrenza agli esseri umani nella capacità di riconoscere i reticoli o le immagini

I computer, per tutto il loro muscolo di calcolo, non tengono una candela agli esseri umani nella capacità di riconoscere i reticoli o le immagini. Questo dilemma di base nella teoria di calcolo - perché possono i numeri di scricchiolio dei computer ma non possono elaborare efficientemente le immagini - ha per molti anni scienziati perplessi.

Ora, i ricercatori all'Arizona State University hanno fornito un modello che potrebbe contribuire ad aprire alcuni dei segreti di come reticoli di trattamento di esseri umani e possibilmente piombo ai robot più astuti. L'avanzamento interessa le reti oscillatorie di memoria associativa, basicamente la capacità di vedere un reticolo, la memorizza e poi recupera quel reticolo una volta avuto bisogno di. Un buon esempio è come gli esseri umani possono riconoscere le fronti di taglio.

“È ancora un mistero realmente grande quanto a come gli esseri umani possono ricordare tante fronti di taglio, ma quello è estremamente difficile affinchè un computer faccia,„ ha detto Ying-Cheng Lai, un professore di ASU di matematica e un professore di ingegneria elettrica nell'IRA A. Fulton School di assistenza tecnica.

Lai, con l'ex collega post-dottorato Takashi Nishikawa (ora alla Southern Methodist University) e l'ex professor Frank Hoppenstaedt di ASU (ora alla New York University), hanno pubblicato la loro ricerca, “la capacità delle reti oscillatorie di memoria associativa con recupero senza errori,„ in un'emissione recente delle lettere fisiche dell'esame della società di fisico medica americano.

Sebbene che cosa il gruppo sviluppato è un modello matematico e di calcolo per le reti oscillatorie che possono essere unità di memoria associate utilizzate, l'entrata in vigore del modello sia possibile usando i circuiti elettronici come cicli con aggancio di fase.

“I computer possono fare il calcolo molto veloce che gli esseri umani non possono fare, ma gli esseri umani possono riconoscere i reticoli così tanto per migliorare che computer,„ Lai ha detto. “La domanda è perché. Che cosa è il meccanismo fondamentale che un sistema biologico come noi può usare e provare per memorizzare i reticoli.„

Un tasto a riconoscimento di forme è l'uso delle reti oscillatorie di memoria associativa. Lai ha detto che il cervello umano ed il suo uso dei neuroni presentano un grande vantaggio sopra la memoria di computer in quanto impiegano i sistemi di memoria oscillatori, sistemi in cui le diverse componenti possono oscillare o cambiare liberamente fra gli stati. Al contrario, le memorie dell'elaboratore digitale fanno funzionare sopra un sistema di numerazione binario (1 o 0).

Un avanzamento importante è stato fatto allora in questa area negli anni 80 da John Hopfield, un ricercatore di Caltech, che ha sviluppato “la rete di Hopfield„ per contribuire a capire come la memoria biologica funziona. Ma lo svantaggio principale della rete di Hopfield è che mentre rappresenta come la memoria biologica funziona, impiega le unità discrete di memoria dello stato mentre la maggior parte delle unità biologiche sono oscillatorie.

“Il nostro lavoro è la prima dimostrazione della possibilità affinchè le reti oscillatorie abbia la stessa capacità di memoria di per la rete di Hopfield dello discreto-stato,„ Lai ha detto. “Quando la rete di Hopfield è stata inventata, è stato considerato un punto rivoluzionario nella comprensione come la memoria biologica funziona.

“Una difficoltà con la rete di Hopfield è che consiste delle unità (o dei neuroni artificiali) con due stati discreti,„ lui ha aggiunto. “È quindi desiderabile studiare le reti oscillatorie ma questa è stata una lotta, poichè tutto il lavoro precedente indica che le capacità di queste reti sono molto minimo rispetto a quella della rete di Hopfield. In un certo senso, le nostre guide del lavoro risolvono questa difficoltà.„

Lai ha detto che la domanda più immediata di questa ricerca è in intelligenza artificiale, dove i ricercatori provano a convincere i computer per ragionare mentre un essere umano. Aggiunge che questo avanzamento potrebbe possibilmente permettere lo sviluppo delle unità di memoria artificiali che utilizzerebbero gli oscillatori, che sono robusti e sicuri.

Ciò potrebbe significare i robot, o altre unità elettromeccaniche gestite “da un cervello„ elettronico che potrebbe riconoscere i reticoli e fare certo modulo di ragionamento in moto -- risponda basicamente ad una vasta gamma molto delle situazioni impreviste -- per eseguire il suo compito. Ciò sarebbe un grande punto verso i robot più astuti.

Ma il profitto reale nella ricerca di Lai potrebbe essere che cosa può fornire in termini di ricerca di base sul cervello umano stessa. Sviluppando un buon modello del cervello umano, uno che potrebbe ripiegare più molto attentamente la funzione reale del cervello come ragiona, potrebbe contribuire a capire più della sua base operativa e come si è sviluppato nell'organo è oggi.

“I sistemi biologici, quali le celle ed i neuroni, sono oscillatori,„ Lai hanno spiegato. “Dimostrare che le reti oscillatorie possono avere memorie con capacità elevata è un nuovo punto verso la comprensione della memoria biologica.

“Sebbene la rete classica di Hopfield fornisca un meccanismo plausibile per la memoria, ha lo svantaggio che ugualmente è idealizzata rispetto alle reti biologiche reali e oscillatorie,„ lui ha aggiunto. “Speriamo che il nostro lavoro stimoli ulteriori studi sull'origine dei sistemi residenti nella memoria su una rete oscillatoria più realistica.„