Хората и изкуствените невронни мрежи показват сходни начини на обучение

Ваня Милева Последна промяна на 01 декември 2025 в 00:00 46 0

Дизайн на задачата.

Кредит Nature Human Behaviour (2025). DOI: 10.1038/s41562-025-02318-y
Дизайн на задачата.

Изследователи от Оксфордския университет са установили, че хората и изкуствените невронни мрежи (ИНМ) показват сходни модели на "интерференция" и "пренос", когато последователно изучават задачи, базирани на правила.

Интерференцията е феномен, при който усвояването на нова информация затруднява припомнянето на предишно научени знания. В изкуствените невронни мрежи това се проявява като "катастрофално забравяне", при което моделът "се отучва" как да изпълнява предишни задачи след обучение върху нови данни.

По време на експеримента участниците и невронните мрежи изпълняват поредица от задачи по схемата A–B–A. Оказа се, че когато правилата на задачата са сходни, както хората, така и невронните мрежи демонстрират "трансфер" (пренос) – използване на знания от първата задача за ускоряване на изучаването на втората. При връщане към първоначалните правила (задача А) обаче много от тях показват интерференция.

"Когато учат последователни задачи, и двата типа учащи се  (хора и ИНМ) използват повече от предварителните знания, когато задачите са сходни, но в резултат на това показват и по-голяма интерференция при повторно тестване", отбелязват авторите на изследването.

Учените също така идентифицират два типа обучаващи се:

  • lumpers - лъмпери, "обединители", които показват висок трансфер на знания, но също така и висока степен на интерференция;
  • splitters - сплитери, "разделители", които избягват интерференцията, но показват по-лош трансфер на знания

Тези поведенчески профили съответстват на режимите на обучение на невронните мрежи – "богати" (с припокриващи се представяния) и "мързеливи" (с отделни представяния).

Като цяло, откритията на екипа показват, че когато придобиват различни знания в дадена последователност, хората и алгоритмите на изкуствения интелект могат да попаднат в сходни модели, които или нарушават, или подпомагат тяхното обучение. В бъдеще събраните от тях прозрения биха могли да допринесат за развитието на изкуствените невронни мрежи като същевременно потенциално подобрят настоящото разбиране за това как хората придобиват и запазват знания.

Справка: Eleanor Holton et al, Humans and neural networks show similar patterns of transfer and interference during continual learning, Nature Human Behaviour (2025). DOI: 10.1038/s41562-025-02318-y

Източник: Humans and artificial neural networks exhibit some similar patterns during learning, Ingrid Fadelli, Phys.org

Виж още за:
    Най-важното
    Всички новини

    Още от Човекът

    Коментари

    За писането на коментар е необходима регистрация.
    Моля, регистрирайте се от TУК!
    Ако вече имате регистрация, натиснете ТУК!

    Няма коментари към тази новина !