Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Las computadores no pueden competir con los seres humanos en la capacidad de reconocer configuraciones o imágenes

Las computadores, para todo su músculo de cómputo, no llevan a cabo una bujía a los seres humanos en la capacidad de reconocer configuraciones o imágenes. Este dilema básico en teoría de cómputo - porqué pueden los números del crujido de las computadores pero no pueden tramitar eficientemente imágenes - stumped a científicos durante muchos años.

Ahora, los investigadores en la universidad de estado de Arizona han subido con un modelo que podría ayudar a abrir algunos de los secretos de cómo las configuraciones del proceso de seres humanos y lleva posiblemente a robots más elegantes. El avance se refiere a las redes oscilatorias de la memoria asociativa, básicamente la capacidad de considerar una configuración, las salva y después extrae esa configuración cuando está necesitado. Un buen ejemplo es cómo los seres humanos pueden reconocer caras.

“Sigue siendo un misterio realmente grande en cuanto a cómo los seres humanos pueden recordar tan muchas caras, pero eso es extremadamente difícil que una computador haga,” dijo Ying-Cheng Lai, profesor de ASU de las matemáticas y profesor de la ingeniería eléctrica en Ira A. Fulton School de la ingeniería.

Lai, junto con la persona postdoctoral anterior Takashi Nishikawa (ahora en la universidad de methodist meridional), y profesor anterior Frank Hoppenstaedt de ASU (ahora en la universidad de Nueva York), publicaron su investigación, “capacidad de las redes oscilatorias de la memoria asociativa con la extracción sin error,” en una aplicación reciente las cartas físicas de la revista de la sociedad de comprobación americana.

Aunque cuáles las personas desarrolladas son un modelo matemático y de cómputo para las redes oscilatorias que pueden ser los dispositivos de memoria asociados usados, la puesta en vigor del modelo sea posible usando los circuitos electrónicos como rizos sincronizados en fase.

Las “computadores pueden hacer el cómputo muy rápido que los seres humanos no pueden hacer, sino que los seres humanos pueden reconocer configuraciones tanto para mejorar que las computadores,” Lai dijo. “La pregunta es por qué. Cuál es el mecanismo fundamental que un sistema biológico como nosotros puede hacer uso e intentar para memorizar de configuraciones.”

Una llave al reconocimiento de patrones es el uso de las redes oscilatorias de la memoria asociativa. Lai dijo que el cerebro humano y su uso de neuronas tienen una gran ventaja sobre memoria de computadora en que emplean los sistemas de memoria oscilatorios, sistemas donde los componentes individuales pueden oscilar o cambiar libremente entre los estados. En cambio, las memorias de la calculadora numérica gestionan conectado un sistema de número binario (1 o 0).

Un avance importante fue hecho en esta área en los años 80 por el campo de lúpulo de Juan, investigador de Caltech en ese entonces, que desarrolló la “red del campo de lúpulo” para ayudar a entender cómo la memoria biológica trabaja. Pero la desventaja principal de la red del campo de lúpulo es que mientras que representa cómo la memoria biológica trabaja, emplea unidades discretas de la memoria del estado mientras que la mayoría de las unidades biológicas son oscilatorias.

“Nuestro trabajo es la primera demostración de la posibilidad de las redes oscilatorias para tener la misma capacidad de memoria que para la red del campo de lúpulo del discreto-estado,” Lai dijo. “Cuando la red del campo de lúpulo fue inventada, era considerado un paso revolucionario en la comprensión de cómo la memoria biológica trabaja.

“Una dificultad con la red del campo de lúpulo es que consiste en unidades (o las neuronas artificiales) con dos estados discretos,” él agregó. “Es por lo tanto deseable estudiar redes oscilatorias pero esto ha sido una lucha, pues todo el trabajo previo muestra que las capacidades de estas redes son muy inferiores comparadas con la de la red del campo de lúpulo. En cierto modo, nuestras ayudas del trabajo resuelven esta dificultad.”

Lai dijo que el uso más inmediato para esta investigación está en la inteligencia artificial, donde los investigadores intentan conseguir las computadores para razonar mientras que un ser humano. Él agrega que este avance podría permitir posiblemente el revelado de los dispositivos de memoria artificiales que utilizarían los osciladores, que son robustos y asegurados.

Esto podría significar los robots, u otros dispositivos electromecánicos controlados por un “cerebro electrónico” que podría reconocer configuraciones y hacer una cierta forma de razonar simultáneamente -- responda básicamente a una gama mucho más amplia de situaciones inesperadas -- para realizar su tarea. Esto sería un paso grande hacia robots más elegantes.

Pero la rentabilidad real en la investigación de Lai podría ser lo que puede ofrecer en términos de investigación básica en el cerebro humano sí mismo. Desarrollando un buen modelo del cerebro humano, uno que podría replegar más de cerca la función real del cerebro como él razone, pudo ayudar a entender más de su base operativa y cómo se convirtió en el órgano es hoy.

Los “sistemas biológicos, tales como células y neuronas, son osciladores,” Lai explicaron. La “demostración de que las redes oscilatorias pueden tener memorias con alta capacidad es un más paso hacia la comprensión de memoria biológica.

“Aunque la red clásica del campo de lúpulo ofrece un mecanismo plausible para la memoria, tiene la desventaja que está idealizada también con respecto a redes biológicas reales, oscilatorias,” él agregó. “Esperamos que nuestro trabajo estimule otros estudios del origen de sistemas almacenados en la memoria en una red oscilatoria más realista.”