Снежинкой хрупкой помочь ИИ
Что может дать изучение снежинок и нейронов головного мозга
Ученые Имперского колледжа Лондона выдвинули и подтвердили гипотезу о том, что использование разных — а не идентичных, как это делается сейчас,— искусственных нейронов при создании искусственного интеллекта (ИИ) повышает эффективность работы искусственных нейронных сетей. Идею о том, что искусственные нейроны должны быть разными, ученым подсказали нейроны человеческого мозга и снежинки.
Фото: Анатолий Жданов, Коммерсантъ
Как известно, в природе не бывает двух одинаковых снежинок. То же самое и с нейронами головного мозга млекопитающих — каждый из них не похож ни на один другой. При этом искусственные нейронные сети, создаваемые человеком, хотя и подражают работе головного мозга, однако используемые в них нейроны абсолютно одинаковы. Как считают ученые Имперского колледжа Лондона, именно поэтому человеческий мозг по-прежнему превосходит ИИ по многим параметрам, например, он быстрее учится, адаптируется к меняющимся условиям, переключается с одной задачи на другую. Их исследование опубликовано в журнале Nature Communications.
Специалист по вычислительной нейробиологии Дэниел Гудмен, участвовавший в исследовании, в интервью порталу NEO.LIFE пояснил разницу между способностью к обучению и адаптацией к меняющимся обстоятельствам у человеческого мозга и ИИ. Искусственный интеллект можно обучить играть, например, в известную в 80-х годах аркадную видеоигру Pong. «По краям поля движутся две ракетки, которые поочередно отбивают мячик. Обученный ИИ будет играть в эту игру идеально. Лучше, чем человек,— говорит ученый.— Однако стоит придвинуть ракетки хотя бы на пиксель ближе друг к другу, и ИИ не сможет играть в нее, так как он обучен только на конкретные параметры игры и не может справиться с любыми, даже самыми незначительными изменениями в ней». У человека такой проблемы не будет, отмечает господин Гудмен. Причина этого в том, считает ученый, что все нейроны головного мозга человека разные.
Лаборатория интеллектуальных систем и сетей Имперского колледжа попробовала немного изменить каждую клетку в искусственной нейронной сети, сделанной по образцу головного мозга. В результате эффективность и точность работы искусственной нейронной сети повысилась на 20%.
В рамках исследования ученые Имперского колледжа изучили принцип связи нейронов головного мозга млекопитающих между собой. Это происходит посредством электрических импульсов, четко согласованных по времени, и эти импульсы кардинально отличаются от цифровых и аналоговых вычислительных операций. Изменив нейроны в системах ИИ так, чтобы они отличались друг от друга, как нейроны головного мозга, и добившись того, чтобы они как можно больше точно воспроизводили импульсную работу сетей мозга, ученые смогли повысить эффективность этих систем. В частности, улучшились показатели работы ИИ по распознаванию речи, получению и интерпретации голосовых команд. А изменение времени активации искусственных нейронов позволило повысить эффективность выполнения задач с временнЫм компонентом, таких как распознание произносимых подряд цифр.
Между тем нейробиолог из лаборатории в Колд-Спринг-Харбор (штат Нью-Йорк, США) Парта Митра уверен, что дело не столько в разнообразии нейронов в системах ИИ, сколько в том, как они скомпонованы.
Например, говорит он, в электронных цепях все компоненты одинаковые, но в зависимости от того, как они выстроены, эта цепь будет использоваться для конкретного типа прибора, будь то радиоприемник или стиральная машина с сушкой.
Его британский коллега отмечает, что и это может способствовать повышению эффективности работы систем ИИ, например, в решении задач, связанных не с временнЫми, а с пространственными компонентами. И оба ученых сходятся в том, что уже в ближайшее время появятся системы ИИ, построенные из искусственных нейронов (сделанных из силикона),— нейроморфные системы. Такие системы будут имитировать еще одну важную особенность естественных нейронных сетей — пластичность. Это способность мозга изменять свою «проводку» путем роста и реорганизации физических связей с другими клетками.
Именно пластичность может стать важнейшим свойством для создания автономных ИИ-систем, которые смогут взаимодействовать с реальным миром, как это делает человеческий мозг, адаптируясь к новым обстоятельствам, позволяя человеку распознавать опасность и избегать ее, регулировать двигательную активность путем анализа сенсорной информации и т. п. И эта пластичность может позволить ИИ научиться, например, безошибочно играть в Pong с изменяющимися параметрами, говорят ученые.