多倫多大學的Parham Aarabi開發的一種新的計算機演算法，可以戰略性地存儲和回憶信息，就像我們的大腦一樣。
應用科學和工程學院Edward S. Rogers Sr .電氣和計算機工程系的副教授還開發了一種實驗工具，它利用新演算法幫助失憶的人。
在過去，計算機依靠用戶告訴他們應該存儲什麼樣的信息。但是隨著人工智慧(AI)技術的興起深度學習和神經網路，出現了向「模糊」方法發展的趨勢。
十年前，計算是絕對的，CPU以精確的方式處理和存儲內存數據，以做出二元決策。沒有任何含糊之處。
現在希望計算機做出近似的結論並猜測百分比。希望圖像處理器告訴我們，例如，一張照片有10%的可能性包含一輛汽車，有40%的可能性包含一名行人。
Aarabi通過複製幾個屬性，擴展了存儲和檢索信息的相同模糊方法，這些屬性幫助人類確定要記住什麼，以及同樣重要的是，要忘記什麼。
研究表明，我們傾向於優先考慮最近發生的事情，而不是最近發生的事情。也強調對我們來說更重要的記憶，把長的敘述壓縮到它們的本質。
例如，今天記得送女兒去學校，承諾會還錢給某人，承諾我會讀一篇研究論文，但是不記得我經歷的每一秒鐘。
忽略某些信息的能力可能會大大增強現有的機器學習模型。
今天，機器學習演算法在數百萬個資料庫條目中搜尋，尋找將幫助它們正確地將給定輸入與給定輸出相關聯的模式。只有在無數次迭代之後，演算法才能最終變得足夠精確，以處理它尚未見過的新問題。
如果生物啟發的人工記憶使這些演算法能夠突出最相關數據他們可能會更快地得出有意義的結果。
該方法還可以支持處理自然語言幫助失憶者記錄關鍵信息。
Aarabi和他的團隊已經使用一個簡單的基於電子郵件的界面建立了這樣一個工具。它根據演算法優先順序和關鍵字的相關索引來提醒參與者重要的信息。
最終，它面向的是記憶喪失。這有助於他們以一種非常人性化、非常柔和的方式記住事情，而不會讓他們不知所措。大多數任務管理工具太複雜，在這些情況下沒有用。
目標是將演示放在人們手中，無論他們是在應對嚴重的記憶衰退還是僅僅是日常壓力，看看會得到了什麼反饋。接下來的步驟是在以下方面建立夥伴關係衛生保健以更全面的方式進行測試。
這些天來，人工智慧應用越來越多地出現在許多以人為中心的領域，阿拉比教授通過研究如何更好地將人工智慧與這些軟領域相結合，希望確保人工智慧的潛力在社會中得到充分發揮。
Aarabi說這個演算法僅僅是個開始，生物靈感記憶很可能會讓人工智慧更接近人類水平的能力。
