Мозг развивает интуитивное понимание окружающего мира, чтобы интерпретировать поступающую сенсорную информацию. Как именно это происходит? Многие ученые полагают, что мозг может использовать процесс, похожий на “самонаблюдаемое обучение” в машинном обучении. Этот метод позволяет моделям учиться на основе сходств и различий между изображениями без меток.
Две новые работы из Массачусетского технологического института предоставляют свидетельства в пользу этой гипотезы. Ученые обучили нейронные сети определенному виду самонаблюдаемого обучения. Полученные модели генерировали паттерны активности, очень похожие на те, которые наблюдались в мозге животных, выполнявших те же задачи.
Результаты показывают, что такие модели могут изучать представления физического мира и использовать их для точных предсказаний. Мозг млекопитающих, возможно, применяет ту же стратегию, считают исследователи.
“Наши результаты, похоже, предполагают организующий принцип в разных областях и масштабах мозга”, – говорит Аран Найеби, соавтор одного из исследований .
Во втором исследовании ученые сфокусировались на особых нейронах, называемых grid cells , которые участвуют в навигации. Они обучили модель машинного обучения, основанную на самонаблюдении, выполнять задачу интегрирования траектории движения и эффективно представлять пространство. После обучения в активационных паттернах модели образовывались решётчатые структуры, очень похожие на те, которые формируют grid cells в мозге.
Исследования показывают схожесть между моделями самонаблюдаемого обучения и работой мозга млекопитающих при выполнении когнитивных задач. Исследование может помочь лучше понять принципы функционирования мозга, считают авторы.