A neurális hálózatok
A neurális hálózatok fejlesztése az idegsejtek, mint az agy alapvető egységeinek megértésével kezdődött, amelyek mindegyike több ezer másikkal kapcsolódik szinapszisokon keresztül. Ezt a koncepciót később a perceptron megalkotásával ültették át a mesterséges neurális hálózatokra, amelyek az MI egyik korai modelljének tekinthetők. Az évek során a fejlesztések elvezettek a mélytanulás (deep learning) kialakulásához, ahol több réteg mesterséges neuron alkot összetett architektúrákat, amelyek fejlett számítási képességekkel rendelkeznek. A mélytanulási modellek, például a konvolúciós neurális hálózatok (CNN) és a visszacsatolásos neurális hálózatok (RNN), ma már kiválóak az olyan feladatokban, mint a képfelismerés, a nyelvi fordítás, sőt kreatív tevékenységek, például a művészet és a zene generálása.
Példa: DeepMind AlphaFold
Az AlphaFold a biológiai és mesterséges neurális hálózatok közötti hidat képviseli. Ez a DeepMind által fejlesztett rendszer mélytanulási technikákat alkalmaz a fehérjeformálódás előrejelzésére, ami a molekuláris biológia egyik alapvető folyamata. A fehérjék szerkezetének megértése óriási hatással van a neurotudományra is, mivel betekintést nyújt az olyan idegi rendellenességekbe, amelyek a fehérjék helytelen formálódásához kapcsolódnak, mint például az Alzheimer-kór.
Bár az MI a neurotudományból merített inspirációt, ez a kapcsolat kölcsönös. A neurotudósok szintén az MI-t használják arra, hogy mélyebb betekintést nyerjenek az agy titokzatos működésébe. Az idegi folyamatok szimulálásával és hatalmas neurológiai adathalmazok elemzésével az MI segít feltárni az olyan komplex folyamatokat, mint a kogníció, észlelés és viselkedés.