Phys.org: различия между клетками мозга могут быть ключом к обучению у людей и ИИ

Технологии развиваются настолько стремительно, что даже футурологи не берутся предсказывать жизнь людей через 30-50 лет, но ученые продолжают работать над совершенствованием технологий. Особенного это касается развития ИИ. Исследователи обнаружили, что изменчивость между клетками мозга может ускорить обучение людей и улучшить работу мозга и будущего искусственного интеллекта.

Новое исследование показало, что при изменении электрических свойств отдельных клеток в симуляторах сетей мозга сети обучались быстрее, чем в симуляторах с идентичными клетками. Ученые также обнаружили, что для получения одинаковых результатов сетям требуется меньшее количество подстроенных клеток, а также то, что этот метод менее энергоемкий, чем модели с идентичными клетками.

Авторы говорят, что их результаты могут рассказать нам о том, почему наш мозг так хорошо учится, а также помочь в создании более совершенных искусственных интеллектуальных систем, таких как цифровые помощники, способные распознавать голоса и лица, или технологии самоуправляемых автомобилей. Исследование опубликовано в журнале Nature Communications.

Первый автор исследования Николас Перес, аспирант кафедры электротехники и электроники Имперского колледжа Лондона, отметил следующее:


Мозг состоит из миллиардов клеток, называемых нейронами, которые связаны между собой огромными "нейронными сетями", позволяющими нам узнавать о мире. Нейроны похожи на снежинки: издалека они выглядят одинаково, но при ближайшем рассмотрении становится ясно, что нет двух совершенно одинаковых.

В отличие от них, каждая клетка искусственной нейронной сети - технологии, на которой основан ИИ, - идентична, различаются только их связи. Несмотря на скорость, с которой развивается технология ИИ, их нейронные сети не обучаются так же точно и быстро, как человеческий мозг, и исследователи задались вопросом, может ли отсутствие вариативности клеток быть тому виной.

Они задались целью изучить, может ли имитация мозга путем изменения свойств клеток нейронной сети повысить эффективность обучения в ИИ. Они обнаружили, что вариативность клеток улучшает их обучаемость и снижает потребление энергии. Ведущий автор исследования доктор Дэн Гудман, также сотрудник кафедры электротехники и электроники Imperial, сказал:


Для проведения исследования ученые сосредоточились на изменении "постоянной времени", то есть на том, как быстро каждая клетка решает, что она хочет сделать, исходя из того, что делают подключенные к ней клетки. Некоторые клетки принимают решение очень быстро, обращая внимание только на то, что только что сделали подключенные к ним клетки. Другие клетки будут реагировать медленнее, основывая свое решение на том, что другие клетки делали в течение некоторого времени.

Ученые поставили перед сетью задачу выполнить несколько эталонных задач машинного обучения: классифицировать изображения одежды и рукописных цифр; распознать жесты человека; определить произнесенные цифры и команды. Результаты показали, что, позволяя сети комбинировать медленную и быструю информацию, она лучше справлялась с задачами в более сложных реальных условиях.

Когда они изменили количество изменчивости в смоделированных сетях, они обнаружили, что те, которые показали лучшие результаты, соответствовали количеству изменчивости, наблюдаемой в мозге, что говорит о том, что мозг, возможно, эволюционировал, чтобы иметь именно то количество изменчивости, которое необходимо для оптимального обучения.

Николя добавил, что они "продемонстрировали, что ИИ можно приблизить к тому, как работает наш мозг, эмулируя определенные свойства мозга. Однако существующие системы ИИ далеки от того уровня энергоэффективности, который мы находим в биологических системах".