착시현상, 양자역학, 신경망은 언뜻 보면 전혀 관련이 없는 주제처럼 보일 수 있습니다.그러나새로운 연구에 출판됨APL 머신러닝, 나는 "양자 터널링"이라는 현상을 사용하여 인간과 거의 같은 방식으로 착시 현상을 "볼" 수 있는 신경망을 설계했습니다.

내 신경망은 유명한 인물에 대한 인간의 인식을 시뮬레이션하는 데 능숙했습니다.네커 큐브그리고루빈의 꽃병환상이며 실제로는 훨씬 더 큰 기존의 것보다 낫습니다.신경망컴퓨터 비전에 사용됩니다.

이 작품은 또한 다음과 같은 질문에 대해 밝힐 수 있습니다.인공지능(AI) 시스템은 인간의 인지와 같은 것을 실제로 달성할 수 있습니다.

왜 착시인가?

착시우리의 두뇌를 속여 실제일 수도 있고 아닐 수도 있는 것을 보도록 하세요.우리는 완전히 이해하지 못합니다착시 현상이 작동하는 방식그러나 그것들을 연구하면 다음과 같은 경우에 우리의 뇌가 어떻게 작동하는지, 그리고 때때로 어떻게 실패하는지 배울 수 있습니다.백치그리고 계속장거리 우주 비행.

인간의 시각을 모방하고 연구하기 위해 AI를 사용하는 연구자들은 다음과 같은 사실을 발견했습니다.착시문제를 제기합니다.컴퓨터 비전 시스템은 다음과 같은 복잡한 물체를 인식할 수 있지만예술 그림, 그들은 자주할 수 없다이해하다착시.(최신 모델은 최소한일종의 환상, 그러나 이러한 결과는 추가 조사가 필요합니다.)

내 연구에서는 양자 물리학을 사용하여 이 문제를 해결합니다.

내 신경망은 어떻게 작동하나요?

인간일 때뇌정보를 처리하여 어떤 데이터가 도움이 되고 어떤 데이터가 그렇지 않은지 결정합니다.신경망은 다음의 기능을 모방합니다.뇌데이터를 유용하거나 유익하지 않은 것으로 저장하고 분류할 수 있는 여러 계층의 인공 뉴런을 사용합니다.

뉴런은 이웃의 신호에 의해 활성화됩니다.각 뉴런이 스위치를 켜기 위해 벽돌 벽을 넘어야 하고, 이웃의 신호가 점점 더 높이 부딪쳐 마침내 꼭대기를 넘어 반대쪽의 활성화 지점에 도달한다고 상상해 보십시오.

양자 역학에서 전자와 같은 작은 물체는 때때로 "양자 터널링"이라는 효과를 통해 명백히 뚫을 수 없는 장벽을 통과할 수 있습니다.내 신경망에서 양자 터널링을 사용하면 뉴런이 때때로 벽돌 벽을 통해 활성화 지점으로 곧바로 점프하고 "그렇지 않아야 하는" 경우에도 스위치를 켤 수 있습니다.

왜 양자 터널링인가?

20세기 초반에 양자 터널링이 발견되면서 과학자들은 다음과 같은 설명을 할 수 있게 되었습니다.자연 현상~와 같은방사성 붕괴고전 물리학에 따르면 그것은 불가능해 보였습니다.

21세기에도 과학자들은 비슷한 문제에 직면해 있습니다.기존 이론은 인간의 인식, 행동, 의사결정을 설명하기에는 부족합니다.

연구에 따르면 양자 역학의 도구가 설명에 도움이 될 수 있습니다.인간 행동그리고의사결정.

어떤 사람들은 그렇게 제안했지만양자 효과 우리 뇌에서 중요한 역할을 한다그렇지 않더라도 우리는 여전히 다음의 법칙을 찾을 수 있습니다.양자역학인간의 사고를 모델링하는 데 유용합니다.예를 들어, 양자 계산 알고리즘은 다음과 같습니다.더 효율적많은 작업에 대한 기존 알고리즘보다.

이를 염두에 두고 주사를 놓으면 어떤 일이 일어나는지 알고 싶었습니다.양자 효과신경망의 작동에 들어갑니다.

그렇다면 양자 터널링 네트워크는 어떻게 작동합니까?

우리가 광학을 볼 때환각두 가지 가능한 해석(예: 모호한 입방체 또는 꽃병과 얼굴)으로 연구자들은 우리가 일시적으로두 가지 해석을 동시에, 우리 두뇌가 어떤 사진을 봐야 할지 결정할 때까지 말이죠.

이 상황은 슈뢰딩거의 고양이의 양자역학적 사고 실험과 유사합니다.이 유명한 시나리오는 양자 입자의 붕괴에 따라 수명이 좌우되는 상자 안의 고양이를 묘사합니다.에 따르면양자역학, 입자는 우리가 관찰할 때까지 동시에 두 가지 다른 상태에 있을 수 있습니다. 따라서 고양이도 동시에 살아 있으면서도 죽어 있을 수 있습니다.

나는 네커 큐브와 루빈의 꽃병 환상을 인식하도록 양자 터널링 신경망을 훈련시켰습니다.직면했을 때환각입력으로서 두 해석 중 하나 또는 다른 해석의 출력을 생성했습니다.시간이 지나면서 어떤 해석을 선택했는지가 앞뒤로 바뀌었습니다.

전통적인신경망또한 이러한 동작을 생성하지만 추가로 내 네트워크는 두 개의 특정 출력 사이를 오가는 몇 가지 모호한 결과를 생성했습니다. 마치 우리 두뇌가 하나를 결정하기 전에 두 가지 해석을 함께 유지할 수 있는 것과 같습니다.

지금은 무엇입니까?

시대에딥페이크그리고가짜 뉴스, 우리의 두뇌가 환상을 처리하고 현실 모델을 구축하는 방법을 이해하는 것이 그 어느 때보다 중요해졌습니다.

다른 연구에서는 양자 효과가 우리가 이해하는 데 어떻게 도움이 될 수 있는지 탐구하고 있습니다.사회 몸가짐그리고의견의 급진화소셜 네트워크에서.

장기적으로는양자 기반 AI결국에는 발전에 기여할 수 있다.의식이 있는 로봇.하지만 지금은 나의 연구 작업이 계속되고 있습니다.

추가 정보:Ivan S. Maksymov, 착시 인식을 위한 양자 터널링 심층 신경망,APL 머신러닝(2024).DOI: 10.1063/5.0225771

이 기사는 다음에서 재출판되었습니다.대화크리에이티브 커먼즈 라이센스에 따라.읽기원본 기사.