Я обнаружил, что многие авторы статей по машинному обучению, в которых используется правило обучения Хебба , ссылаются на его биологическую достоверность как на один из аргументов в пользу его использования вместо хорошо известного алгоритма обратного распространения ( Whittington & Bogacz, 2017 ; Pugh, Soltoggio, & Stanley, 2014 ; Burms, Caluwaerts, & Dambre, 2015 ) ( я полагаю, что тот же аргумент используется для других биологически правдоподобных алгоритмов ).
Но почему, на самом деле, биологическая правдоподобие так важно? Почему так много источников приводят такой аргумент и каковы преимущества биологического правдоподобия применительно к приложениям машинного обучения?
Я много искал, но на самом деле не видел, чтобы кто-то конкретно ответил на этот вопрос.
Они упоминают биологическое правдоподобие, потому что считают, что биологические ограничения важны для интеллектуальных систем. Кроме того, биологически ограниченные системы могут быть легко применены для понимания мозга. Важно ли биологическое правдоподобие для разработки интеллектуальных систем и понимания мозга, является предметом споров.
С одной стороны, есть аргумент, что, поскольку мозг — единственная известная нам форма интеллекта, нам, вероятно, следует имитировать его для разработки интеллектуальных систем. И заодно мы бы научились понимать мозг!
С другой стороны, есть часто повторяемый аргумент, что мы получили самолеты не из подражания птицам, а из понимания принципов аэродинамики. В свою очередь, принципы аэродинамики были затем применены к крыльям и перьям птиц.
Для лучшего введения в эту дискуссию, касающуюся понимания мозга и создания масштабируемого интеллекта, попробуйте прочитать « Атаки Марра: о редукционизме и неопределенности » Элиасмита и др.
Физз
Физз