Человеческие и искусственные нейронные сети очень похожи по конструкции. Мозг млекопитающего состоит из клеток, называемых нейронами, которые отвечают за отправку сообщений по всему телу. Тело клетки содержит ядро ​​и от него отходят ответвления, называемые дендритами. Дендриты получают химические сигналы от других нейронов через синаптическое пространство. Некоторые сигналы важнее других и образуют более прочные связи. В течение жизненного цикла клетки эти связи могут меняться в зависимости от использования. От тела клетки, как хвост, отходит аксон. Эта часть клетки отвечает за отправку сигналов к дендритам других клеток. Как вы можете видеть на изображении ниже, общая структура очень похожа на модель искусственного нейрона. Входные данные поступают из различных источников, подобных дендритам. Каждый вход взвешивается, имитируя силу сигнала в нейроне. Функция активации принимает эти входные данные и определяет выходные данные для отправки на следующий слой нейронной сети, такой как терминалы аксонов. Хотя искусственные нейроны по своей концепции аналогичны биологическим нейронам, в модели не учитываются такие компоненты, как создание/разрушение связей и синхронизация сигналов. Большинство сложностей, которые не учитывает ИИ, связаны с тем, что нейронная сеть является частью огромной многогранной системы человеческого организма. Нет необходимости в А.И. добавлять компоненты, которые не улучшают модель приложения, в то время как в человеческом организме одновременно выполняется множество процессов и целей.

Теперь, когда мы определили некоторые сходства и различия между биологическими и искусственными нейронными сетями, мы можем применить это к сравнениям для обучения. Обучение ИИ определяется моделью и алгоритмом, необходимыми для наилучшего выполнения задачи. Структура нервной системы человека различна для каждого человека и не всегда оптимизирована. Некоторые люди лучше всего учатся из чтения, под руководством наставника или из личного опыта. Они не могут изменить свой предпочтительный стиль обучения или предотвратить влияние внешних раздражителей на работу. Преимущество всех этих накопленных систем, работающих в тандеме, позволяет людям разрабатывать сложные модели и связи, которые ИИ не может уловить, если он не запрограммирован на это. Память и ссылка на мир вокруг нас происходят из десятилетий «обучения» и построения подсознательных моделей, которые позволяют нам быть более гибкими, чем ИИ. Однако с целенаправленными задачами ИИ может концентрироваться на соответствующих данных и выполнять действия намного быстрее, чем люди. Это позволяет им изучать вещи в ускоренном темпе, что потенциально может занять у нас годы или десятилетия. При наличии правильной модели и масштаба машины можно запрограммировать так, чтобы они научились решать сложные проблемы, которые не совсем подходят для человеческих возможностей.

Ресурсы:

1. Нагифи, Р. (2018, 4 сентября). Различия между искусственными и биологическими нейронными сетями. Середина. Получено 3 ноября 2021 г. с https://towardsdatascience.com/the-differences-between-artificial-and-biological-neural-networks-a8b46db828b7.

2. Кумари Р. (3 января 2021 г.). 7 различий между искусственным интеллектом и человеческим интеллектом. Шаги аналитики. Получено 3 ноября 2021 г. с https://www.analyticssteps.com/blogs/7-differences-artificial-intelligence-ai-human-intelligence.

3. Министерство здравоохранения и социальных служб США. (н.д.). Основы мозга: жизнь и смерть нейрона. Национальный институт неврологических расстройств и инсульта. Получено 3 ноября 2021 г. с https://www.ninds.nih.gov/Disorders/Patient-Caregiver-Education/Life-and-Death-Neuron.

4. П.С., Дж. (2020, 4 февраля). Обучение человека и машинное обучение — чем они отличаются? Data Science Central. Получено 3 ноября 2021 г. с https://www.datasciencecentral.com/profiles/blogs/human-learning-and-machine-learning-how-they-differ.