Catastrophic interference とは

破局的な忘却としても知られる致命的な干渉は、人工ニューラルネットワークが、新しい情報を学習する際に以前に学習した情報を完全かつ突然忘れる傾向にあります。ニューラルネットワークは、認知科学へのネットワークアプローチと接続主義アプローチの重要な部分です。これらのネットワークは、コンピュータシミュレーションを使用して、記憶や学習などの人間の行動をモデル化しようとします。致命的な干渉は、接続主義モデルのメモリを作成する際に考慮すべき重要な問題です。もともとMcCloskey and Cohen(1989)、Ractcliff(1990)の研究によって科学界の注目を集めました。それは、「感度 – 安定性」ジレンマまたは「安定性 – 可塑性」ジレンマの根本的な発現である。具体的には、これらの問題は、新しい情報に敏感であるが混乱しない人工ニューラルネットワークを作ることができるという問題を指す。ルックアップテーブルおよび接続ネットワークは、安定性可塑性スペクトルの反対側にある。前者は新しい情報の存在下で完全に安定しているが、新しい入力から一般原則を一般化する能力が不足している。一方、標準的なバックプロパゲーションネットワークのようなコネクション主義的なネットワークは、新しい情報に非常に敏感であり、新しい入力を一般化することができます。バックプロパゲーションモデルは、一般化する人間の能力を反映する限り、人間の記憶の良好なモデルと考えることができるが、これらのネットワークはしばしば人間の記憶よりも安定性が低い。特に、これらの逆伝播ネットワークは致命的な干渉を受けやすい。これは、人間の記憶をモデル化しようとするときに問題と見なされます。なぜなら、これらのネットワークとは異なり、人間は典型的に壊滅的な忘却を示さないからです。したがって、人間の記憶のモデルとしての妥当性を高めるためには、これらの逆伝播モデルから致命的な干渉の問題を根絶する必要がある。