La semplicità del cervello umano sfida i modelli di intelligenza artificiale
Uno studio recente dell’Università Bar-Ilan ha rivelato che il cervello umano, nonostante la sua struttura apparentemente semplice e con un numero limitato di strati, è in grado di operare in modo efficiente, mettendo in discussione i modelli di apprendimento profondo (deep learning) che si basano su architetture multistrato. Questa scoperta pone interrogativi rilevanti sul design delle attuali GPU, che tendono a favorire architetture profonde piuttosto che ampie. La ricerca suggerisce che le architetture ispirate al cervello, più semplici e con meno strati, potrebbero competere con le prestazioni delle architetture profonde, aprendo nuove possibilità nel campo dell’intelligenza artificiale.
Confronto tra apprendimento superficiale e profondo
Architetture cerebrali e intelligenza artificiale
Il cervello umano, nonostante la sua struttura con un numero limitato di strati, riesce a gestire compiti di classificazione complessi con grande efficienza. Al contrario, i sistemi moderni di intelligenza artificiale si basano su architetture profonde, con numerosi strati, che consentono loro di apprendere efficacemente compiti di classificazione complessi. Tuttavia, la ricerca condotta dall’Università Bar-Ilan suggerisce che le architetture più semplici e ampie, ispirate al cervello, potrebbero essere altrettanto efficaci.
La sfida delle architetture ampie
La ricerca ha evidenziato come le architetture ampie e superficiali possano competere con quelle profonde nell’esecuzione di compiti di classificazione. Tuttavia, la realizzazione di architetture ampie e superficiali, che imitano la dinamica del cervello, richiede un cambiamento nelle proprietà della tecnologia avanzata delle GPU, che attualmente è in grado di accelerare architetture profonde ma non quelle ampie e superficiali.
Meccanismi di apprendimento superficiale nel cervello
Ricerca dell’Università Bar-Ilan
Il professor Ido Kanter, del Dipartimento di Fisica e del Gonda (Goldschmied) Multidisciplinary Brain Research Center dell’Università Bar-Ilan, ha guidato la ricerca che ha mostrato come i meccanismi di apprendimento superficiale possano competere con l’apprendimento profondo. “Invece di un’architettura profonda, come un grattacielo, il cervello consiste in un’architettura ampia e superficiale, più simile a un edificio molto ampio con solo pochi piani”, ha affermato Kanter.
Implicazioni per la tecnologia GPU
Ronit Gross, studentessa e uno dei principali contributori a questo lavoro, ha sottolineato che “la capacità di classificare correttamente gli oggetti aumenta quando l’architettura diventa più profonda, con più strati. Al contrario, il meccanismo superficiale del cervello indica che una rete più ampia classifica meglio gli oggetti”. Questo implica che per realizzare architetture ampie e superficiali, che imitano la dinamica del cervello, è necessario un cambiamento nelle proprietà delle tecnologie GPU avanzate.
In conclusione, lo studio pubblicato su Physica A ha aperto nuove prospettive sull’apprendimento superficiale, sfidando l’attuale paradigma dell’apprendimento profondo e suggerendo che le architetture ispirate al cervello potrebbero offrire un’alternativa valida e efficiente. Questa ricerca potrebbe avere implicazioni significative per il futuro dell’intelligenza artificiale e per il design delle tecnologie che la supportano.
