40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 پرده‌برداری از فرایند یادگیری مهارت های حرکتی

پرده‌برداری از فرایند یادگیری مهارت های حرکتی

پژوهشگران دانشگاه تسوکوبا مدل ریاضیاتی برای یادگیری مهارت های حرکتی ساخته‌اند که بازتابی از فرایند یاد‌‌‌‌گیری مهارت های حرکتی در مغز انسان‌هاست. یافته‌ها نشان می‌دهند که کاوشگری حرکتی، یعنی تغییرپذیری بالای حرکات، اهمیت بالایی در یادگیری مسائل جدید دارد. نتایج پژوهش مذکور می‌توانند توان‌بخشی حرکتی بیماران را ارتقاء دهند.

فرایند یادگیری مهارت های حرکتی همچنان ناشناخته باقی مانده است؛ حتی حرکاتی که در ظاهر ساده به نظر می‌رسند نیز فرایند زیربنایی بسیار پیچیده‌ای دارند. پژوهشگران ژاپنی به‌تازگی مدل جدیدی برای یادگیری مهارت ‌‌‌‌های حرکتی ارائه داده‌اند که نظریات مختلف را با یکدیگر تلفیق می‌کند. بر اساس پژوهش مذکور که در ژورنال Neural Networks منتشر شده است، مدل جدید می‌تواند یادگیری مهارت های حر‌‌‌کتی انسان‌ها را به‌خوبی شبیه‌سازی کند و بدین ترتیب، مسیر را برای درک بهتر کارکرد مغز هموار سازد.

حرکتی ساده مثل دراز کردن دست و برداشتن یک شیء را در نظر بگیرید؛ در همین حرکت، زوایای بدن و مفاصل درگیر به طرق بی‌شمار می‌توانند با هم ترکیب شوند. این نکته در مورد ماهیچه‌ها نیز صدق می‌کند. با توجه به تعداد بالای ترکیبات بالقوه از ماهیچه‌ها، مفاصل و نورون‌ها، این پرسش مطرح می‌شود که یادگیری حرکات چطور رخ می‌دهد؟ پژوهشگران دانشگاه تسوکوبا سعی در یافتن پاسخ این سؤال داشته‌اند.

یادگیری مهارت های حرکتی

پژوهشگران در ابتدا یک مدل ریاضیاتی ساختند، تا فرایند یادگیری مهارت های حرکتی جدید را تقلید کند. این مدل به‌نحوی طراحی شد، تا آنچه را به نظر می‌رسد هنگام یادگیری مهار‌‌‌‌‌ت های حرکتی جدید در مغز رخ می‌دهد، منعکس کند. در گام بعدی، مدل تحت آزمایش قرار گرفت، تا نتایج سه پژوهشی را که روی انسان‌ها اجرا شده بود، شبیه‌سازی کند؛ در این سه پژوهش، آزمودنی‌ها می‌بایست مهارت‌های حرکتی کاملاً جدیدی اجرا می‌کردند.

جان ایزاوا، نویسنده ارشد پژوهش مذکور، توضیح می‌دهد: «نتایج شبیه‌سازی به طرز شگفت‌آوری به نتایج آزمایشات انسانی نزدیک بود. این مدل می‌تواند مکانیزم‌های مختلف یادگیری حرکتی، همچون کاوشگری حرکتی، حذف زوائد و یادگیری مبتنی بر خطا را توجیه کند.»

به نظر می‌رسد مقادیر بالاتر کاوشگری حرکتی به درک بهتری مشتقات حسی کمک می‌کند؛ مشتقات حسی تأثیر دستورهای مغز بر خطای حرکتی را اندازه می‌گیرند. بدین ترتیب، خطاها به اصلاحات حرکتی تبدیل می‌شوند.

لوکاس ربلو دال‌بلو، نویسنده اول مقاله می‌گوید: «شبیه‌سازی موفقیت‌آمیز نتایج آزمایشات انسانی، دستاورد امیدوارکننده‌ای است، چون نشان می‌دهد مکانیزم پیشنهادی به‌خوبی می‌تواند آنچه را در طول یادگیری مها‌‌‌‌رت های حرکتی در مغز اتفاق می‌افتد، انعکاس دهد.»

یافته‌های این پژوهش، با تأکید بر اهمیت کاوشگری حرکتی، اطلاعات خوبی در مورد فرایند یادگیری مهارت های حرکتی در انسان‌ها در اختیار قرار می‌دهند. به بیان دیگر، هنگام یادگیری مهارت های حرکتی جدید باید به کاوشگری حرکتی توجه داشت؛ این نکته در توان‌بخشی بیماران مفید است.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]