تحقیقات جدید نشان می‌دهد زمانی که مغز به شکل ماژولار سازماندهی می‌شود، در یادگیری اطلاعات جدید و بدون فراموش‌کردن دانش قدیمی، عملکرد بهتری دارد.

به گزارش سرویس علمی ایسنا، این تحقیق نه تنها روند تکامل هوش در حیوانات را شفاف می‌کند، بلکه تلاش‌های دانشمندان برای خلق هوش مصنوعی را سرعت می‌بخشد.

محققان دانشگاه علم و فناوری نروژ، دانشگاه پیر و ماری کوری فرانسه و دانشگاه وایومینگ آمریکا از شبیه‌سازی‌های تکامل مدل‌های محاسباتی مغز موسوم به شبکه‌های عصبی مصنوعی برای نشان‌دادن این موضوع استفاده کردند که مغزهای ماژولارتر بیشتر یاد می‌گیرند و کمتر فراموش می‌کنند.

مغز حیوانات و انسان‌ها ماژولار است و این بدین معناست آن‌ها واحدهای جداگانه بسیاری از جمله واحدهایی برای شناخت صورت و زبان دارند. در حالی که حیوانات تمایل دارند به تدریج فراموش کنند، شبکه‌های عصبی مصنوعی در حال حاضر آن‌ چه را که «فراموش‌کردن مصیبت‌بار» خوانده می‌شود، از خود به نمایش می‌گذارند. آن‌ها هنگام یادگرفتن مهارت جدید، دانش بدست‌آمده پیشین را پاک می‌کنند.

محققان دریافته‌اند که ماژولار بودن تا حد قابل‌توجهی چنین فراموشی را در این مغزهای رایانه‌ای کاهش داد. آن‌ها در نظر دارند در آینده، پیچیدگی مدل‌های مغز و دشواری وظایفی که آن‌ها از شبکه‌های عصبی می‌خواهند یاد بگیرند، را تا حد قابل‌توجهی مقیاس‌بندی کنند.

خلق مدل‌هایی که هر دوی یادگیری و تکامل را در خود جای داده‌اند، برای درک تکامل سیستم عصبی حیوانات اساسی است. هدف نهایی تحقیقات هوش مصنوعی، تولید هوش مصنوعی است که بتواند مهارت‌های متعدد را یاد گرفته و با گذر زمان در هر یک از آن‌ها درست مانند انسان‌ها و حیوانات عملکرد بهتری داشته باشد.

حل مشکل فراموش‌کردن مصیبت‌بار، برای رسیدن به این هدف حیاتی است و تحقیق جدید گامی مهم در این مسیر به شمار می‌آید.

جزئیات این دستاورد علمی در مجله PLOS Computational Biology منتشر شد.

انتهای پیام