No soy un experto en redes neuronales, pero creo que puedo proporcionar más información que las otras respuestas actuales (sin ofenderles)
Las respuestas hasta ahora están pensando demasiado en las razones no neuronales para dormir.
Existe un algoritmo de activación / desactivación para las redes neuronales no supervisadas llamadas máquinas Helmholtz, un tipo de codificador automático. Un autoencoder básicamente toma como entrada algunos datos X en la capa más externa y a través de varias capas de redes neuronales (más comúnmente con las capas internas con menos nodos que las capas externas) y luego conduce a un nivel de salida que tiene el mismo número de nodos que la entrada capa. Intenta aprender los coeficientes en las transiciones entre capas de modo que reproduzca los datos X lo mejor que pueda del menor número de nodos en las capas más internas. Por lo tanto, es un tipo de compresión con pérdida de la distribución de datos en la que se entrena. En el algoritmo de activación / reposo, el ciclo de reposo es donde se entrena la red neuronal en la dirección opuesta utilizando esencialmente las salidas como entradas. Por lo tanto, la red neuronal está creando sus propios datos para el entrenamiento. Creo que hay algoritmos similares para redes neuronales recurrentes.
- ¿Cuál es la arquitectura típica de un chatbot de IA?
- ¿Por qué Go es el único juego de mesa en el que los humanos aún pueden vencer a las computadoras de manera confiable?
- ¿El aprendizaje por refuerzo es el primer paso para la IA general?
- ¿Qué debe saber el laico sobre el aprendizaje automático?
- ¿Por qué el gobierno indio no está financiando principalmente la investigación y el desarrollo de inteligencia artificial?
Los humanos constantemente toman todos los valores de entrada a lo largo del tiempo e intentan predecir los datos futuros. Siento y veo que mi pierna se balancea hacia adelante, me inclino hacia adelante, comienzo a caer, predigo que mi pierna me atrapará y voy a dar un paso caminando por la calle como lo he hecho miles de veces antes ( más datos) Cuando mi pie cae y mi predicción es correcta, las conexiones neuronales que conforman esa vía integrada se fortalecen (las neuronas que se disparan juntas se unen). Soñar es esencialmente (en su mayor parte) eliminar la entrada del mundo real de este bucle de predicción. Así que simplemente ejecutamos nuestras máquinas de predicción en un poco de memoria aleatoria y se dispara desde allí. Entonces, a partir de este argumento también, una suspensión de la red neuronal sería la eliminación de datos de entrada mientras se sigue ejecutando su predicción, tal vez con algunas perturbaciones aleatorias.