¿Qué ideas de la psicología cognitiva se aplican al aprendizaje profundo?

Answer 1

Los avances recientes en la inteligencia artificial basada en la red neuronal, conocida popularmente como aprendizaje profundo, están motivados por la neurociencia y la psicología.

Deep Mind de Google había publicado recientemente un algoritmo: Deep Q-learning
que puede aprender de un dominio invisible a través del refuerzo que gana con el tiempo.

La siguiente es una demostración del algoritmo que aprende a jugar y dominar un videojuego de Atari.

Su trabajo fue publicado recientemente en Nature: Page en nature.com

El CEO de Deepmind, Demis Hassabis, también neurocientífico, habla sobre su trayectoria profesional y su equipo de neurocientíficos, psicólogos, científicos de aprendizaje automático e ingenieros de software en DeepMind que trabajan para resolver la inteligencia.

Investigaciones anteriores en redes neuronales que forman sus fundamentos también se basan en la neurociencia. Los perceptrones, el bloque de construcción de cualquier red neuronal, modelan una neurona que se encuentra en los seres vivos. La función de activación en una percepción es similar a un impulso sináptico.

Answer 2

Adaptar las características de la red profunda para capturar representaciones psicológicas

Joshua C. Peterson, Joshua T. Abbott, Thomas L. Griffiths

Las redes neuronales profundas se han vuelto cada vez más exitosas para resolver problemas de percepción clásicos como el reconocimiento de objetos, la segmentación semántica y la comprensión de la escena, a menudo alcanzando o superando la precisión a nivel humano. Este éxito se debe en parte a la capacidad de los DNN para aprender representaciones útiles de entradas de alta dimensión, un problema que los humanos también deben resolver. Examinamos la relación entre las representaciones aprendidas por estas redes y las representaciones psicológicas humanas recuperadas de juicios de similitud. Encontramos que las características profundas aprendidas al servicio de la clasificación de objetos representan una cantidad significativa de la varianza en los juicios de similitud humana para un conjunto de imágenes de animales. Sin embargo, estas características no capturan algunas distinciones cualitativas que son una parte clave de las representaciones humanas. Para remediar esto, desarrollamos un método para adaptar las características profundas para alinearlas con los juicios de similitud humana, lo que da como resultado representaciones de imágenes que pueden utilizarse para ampliar el alcance de los experimentos psicológicos.

https://arxiv.org/abs/1608.02164

Answer 3

No hay ideas! En realidad, tanto conocimiento como se aplica a las redes neuronales artificiales (ANN), que no es ninguna (¡aparte de conectar algunas neuronas!).
Aprendizaje profundo es solo otro término para ” usar ANN o PGM con más capas ocultas “. ¡Eso es!

PGM: modelo gráfico probabilístico.