Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os computadores não podem competir com os seres humanos na capacidade para reconhecer testes padrões ou imagens

Os computadores, para todo seu músculo computacional, não guardaram uma vela aos seres humanos na capacidade para reconhecer testes padrões ou imagens. Este dilema básico na teoria computacional - porque podem os números da trituração dos computadores mas não podem eficientemente processar imagens - stumped cientistas por muitos anos.

Agora, os pesquisadores na universidade estadual do Arizona vieram acima com um modelo que poderia ajudar a destravar alguns dos segredos de como testes padrões do processo de seres humanos e conduzisse possivelmente a uns robôs mais espertos. O avanço refere-se a redes oscilatórias da memória associativa, basicamente a capacidade para considerar um teste padrão, armazena-se as e recupera-se então esse teste padrão quando necessário. Um bom exemplo é como os seres humanos podem reconhecer as faces.

“É ainda um mistério realmente grande a respeito de como os seres humanos podem recordar tão muitas faces, mas isso é extremamente difícil para um computador fazer,” disse Ying-Cheng Lai, um professor de ASU da matemática e um professor da engenharia elétrica no IRA A. Fulton Escola da engenharia.

Lai, junto com o companheiro cargo-doutoral anterior Takashi Nishikawa (agora na universidade metodista do sul), e o professor anterior Frank Hoppenstaedt de ASU (agora na universidade de New York), publicaram sua pesquisa, “capacidade de redes oscilatórias da memória associativa com recuperação sem erros,” em uma introdução recente de letras físicas da revisão de sociedade de exame americano.

Embora o que a equipe desenvolvida é um modelo matemático e computacional para as redes oscilatórias que podem ser os dispositivos de memória associados usados, a aplicação do modelo seja possível usando circuitos eletrônicos como laços fase-fechados.

Os “computadores podem fazer a computação muito rápida que os seres humanos não podem fazer, mas os seres humanos podem reconhecer testes padrões tanto para melhorar do que computadores,” Lai disse. “A pergunta é por que. O que é o mecanismo fundamental que um sistema biológico como nós pode utilizar e tentar memorizar testes padrões.”

Uma chave ao reconhecimento de padrões é o uso de redes oscilatórias da memória associativa. Lai disse que o cérebro humano e seu uso dos neurônios têm uma grande vantagem sobre a memória do computador que emprega os sistemas de memória oscilatórios, sistemas onde os componentes individuais podem oscilar ou livremente mudar entre estados. Ao contrário, as memórias do computador digitais operam sobre um sistema de número binário (1 ou 0).

Um avanço importante foi feito nesta área nos anos 80 pelo campo de lúpulo de John, um pesquisador de Caltech naquele tempo, que desenvolvesse do “a rede campo de lúpulo” para ajudar a compreender como a memória biológica trabalha. Mas o inconveniente principal da rede do campo de lúpulo é que quando representar como a memória biológica trabalha, emprega unidades discretas da memória do estado quando a maioria de unidades biológicas forem oscilatórias.

“Nosso trabalho é a primeira demonstração da possibilidade para que as redes oscilatórias tenham a mesma capacidade de memória que para a rede do campo de lúpulo do discreto-estado,” Lai disse. “Quando a rede do campo de lúpulo foi inventada, considerou-se uma etapa revolucionária em compreender como a memória biológica trabalha.

“Uma dificuldade com a rede do campo de lúpulo é que consiste em unidades (ou nos neurônios artificiais) com dois estados discretos,” ele adicionou. “É conseqüentemente desejável estudar redes oscilatórias mas este foi um esforço, porque todos os trabalhos anteriores mostram que as capacidades destas redes são muito baixas comparadas com a aquela da rede do campo de lúpulo. De um certo modo, nossas ajudas do trabalho resolvem esta dificuldade.”

Lai disse que o pedido o mais imediato para esta pesquisa está na inteligência artificial, onde os pesquisadores tentam conseguir computadores raciocinar enquanto um ser humano. Adiciona que este avanço poderia possivelmente permitir a revelação dos dispositivos de memória artificiais que usariam os osciladores, que são robustos e seguros.

Isto poderia significar robôs, ou outros dispositivos electromecânicos controlados por um “cérebro eletrônico” que poderia reconhecer testes padrões e fazer algum formulário do raciocínio sobre - - mosca -- responda basicamente a uma escala muito mais larga de situações não-antecipados -- para executar sua tarefa. Esta seria uma etapa grande para uns robôs mais espertos.

Mas a recompensa real na pesquisa de Lai poderia ser o que pode fornecer em termos da investigação básica no cérebro humano própria. Desenvolvendo um bom modelo do cérebro humano, um que poderia mais pròxima replicate a função real do cérebro como ele raciocina, pôde ajudar a compreender mais de sua base operacional e como se tornou o órgão é hoje.

“Os sistemas biológicos, tais como pilhas e neurônios, são osciladores,” Lai explicaram. “Demonstrar que as redes oscilatórias podem ter memórias com capacidade alta é uma mais etapa para a compreensão da memória biológica.

“Embora a rede clássica do campo de lúpulo fornece um mecanismo plausível para a memória, tem o inconveniente que está idealizada demasiado em comparação às redes biológicas reais, oscilatórias,” ele adicionou. “Nós esperamos que nosso trabalho estimulará uns estudos mais adicionais da origem de sistemas baseados memória em uma rede oscilatória mais realística.”