Arsitektur Jaringan Neural untuk Membentuk Keterampilan Otomatis. Bagian 1

Makalah ini memperkenalkan arsitektur neural yang terinspirasi oleh mekanisme pembentukan kebiasaan pada manusia, seperti yang dijelaskan dalam buku 'Atomic Habits' karya James Clear, di mana tindakan menjadi otomatis setelah pengulangan. Sistem ini memiliki empat komponen utama: pengklasifikasi kebaruan, jaringan sadar, jaringan generatif, dan jaringan bawah sadar, ditambah verifikator eksternal. Gambar masukan berupa bentuk geometris pertama-tama diklasifikasikan sebagai baru atau familiar. Gambar baru masuk ke jaringan sadar, yang belajar melalui penguatan. Setelah jawaban benar, jaringan generatif membuat variasi dari contoh yang berhasil, yang digunakan untuk menyempurnakan jaringan bawah sadar, membuat keterampilan menjadi otomatis. Eksperimen melibatkan pengenalan lingkaran, persegi, segitiga, salib, dan bintang, dengan dua yang terakhir awalnya belum pernah dilihat. Jaringan bawah sadar dilatih awal pada tiga bentuk pertama, dan pengklasifikasi kebaruan dilatih untuk menganggapnya familiar. Saat salib muncul, ia diarahkan ke jaringan sadar, yang harus mengklasifikasikannya dengan benar, kemudian jaringan generatif menghasilkan banyak contoh sintetis untuk melatih bawah sadar. Setelah pelatihan, pengklasifikasi kebaruan diperbarui sehingga salib menjadi familiar, dan jaringan bawah sadar menanganinya secara langsung. Makalah ini menguraikan kriteria keberhasilan: berkurangnya panggilan ke jaringan sadar, peningkatan akurasi bawah sadar pada varian baru, retensi keterampilan lama, dan berkurangnya kebaruan untuk bentuk yang dipelajari. Arsitektur ini sengaja dibuat sederhana untuk pengujian awal, dengan rencana masa depan untuk tugas yang lebih kompleks dan agen.