导读 麻省理工学院的两项研究发现，自我监督学习模型可以从未标记的数据中了解其环境，可以显示出与哺乳动物大脑类似的活动模式。为了穿越这个世...
麻省理工学院的两项研究发现，“自我监督学习”模型可以从未标记的数据中了解其环境，可以显示出与哺乳动物大脑类似的活动模式。
为了穿越这个世界，我们的大脑必须对我们周围的物理世界产生直观的理解，然后我们用它来解释进入大脑的感官信息。
大脑如何发展这种直觉理解?许多科学家认为，它可能使用类似于所谓的“自我监督学习”的过程。这种类型的机器学习最初是为了创建更有效的计算机视觉模型而开发的，它允许计算模型仅根据视觉场景之间的相似性和差异来了解视觉场景，而无需标签或其他信息。
神经网络研究的证据
麻省理工学院 K. Lisa Yang 综合计算神经科学 (ICoN) 中心的研究人员进行的两项研究提供了支持这一假设的新证据。研究人员发现，当他们使用特定类型的自我监督学习来训练神经网络模型时，所得模型生成的活动模式与执行与模型相同任务的动物大脑中看到的活动模式非常相似。
研究人员表示，研究结果表明，这些模型能够学习物理世界的表征，从而准确预测物理世界将发生的事情，并且哺乳动物的大脑可能正在使用相同的策略。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！