IBM受生物启发，创造了一个超越传统的人工智能

传闻过FlyHash吗？这个算法的灵感来自于果蝇的嗅觉回路，它可以发生哈希码——物体的数字暗示，其机能优于经典算法。但很是痛惜的是，因为FlyHash行使随机投影，它无法从数据中进修。

为了降服这一限定，普林斯顿大学、圣地亚哥大学、IBM Research和MIT-IBM Watson AI尝试室的研究职员开拓了BioHash，它应用“局部”和“生物学上公道的”突触可塑性法则，来天生哈希码。研究职员暗示，它比之前宣布的各类哈希要领基准测试都要好，并且它还可以天生对相似度搜刮有效的二进制暗示。

这种被称为扩展表征的征象在神经生物学中险些无处不在。 “扩展”是指将高维输入数据映射到更高维的二次暗示。譬喻，在上述果蝇嗅觉体系中，约莫50个神经元会将它们的勾当发送到约2500个细胞——凯尼恩细胞，从而实现约50倍的扩增。

从计较的角度来看，扩展可以增进AI模子的内存存储容量。正是基于这种念头，该团队计划了散列算法BioHash，可用于相似度搜刮。在相似度搜刮中，给定一个查询、一个相似度怀抱和一个包括恣意数目项的数据库，就可以从数据库中检索与查询最相似的项的排序列表。FlyHash操作了LHS，BioHash也是云云。

但差异的是，BioHash速率更快，可扩展性也更强。

研究职员在MNIST和CIFAR-10上对Biohash举办了培训，以及测试。MNIST是一组包括7万张灰度图像的手写数字，个中10类数字从“0”到“9”不等，CIFAR-10是一个包括6万张来自10类数字的数据集。BioHash在速率方面示意出了最好的检索机能，远远高出了其他要领，而BioHash的改造版本——BioConvHash——因为插手了专门构建的过滤器，机能获得了进一步的晋升。

团队断言：扩展暗示之以是在生物中广泛存在，是由于它们把相似的刺激聚在一路，把差异的刺激分隔。

究竟已经证明，神经生物学和呆板进修规模是亲近相干的。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!