В Германии создали ИИ, который «думает» почти как человеческий мозг

Исследователи из Геттингенского университета и Института динамики и самоорганизации Макса Планка (Германия) совершили прорыв в области искусственного интеллекта (ИИ), разработав «инфоморфные нейроны». Эти новые искусственные нейроны способны обучаться независимо, имитируя работу своих биологических собратьев гораздо точнее, чем существующие модели. Результаты опубликованы в журнале PNAS.

В чем разница между обычным ИИ и мозгом?

Современные искусственные нейронные сети (ИНС) – это мощные инструменты. Представьте их как систему из слоев, где каждый слой состоит из множества искусственных нейронов (простых вычислительных единиц). Когда информация поступает на вход, она проходит через эти слои, обрабатывается нейронами, и на выходе получается результат – например, распознанное изображение или переведенный текст.

Однако есть ключевое отличие от человеческого мозга. Большинство ИНС обучаются «сверху вниз». Им нужен внешний координатор, который анализирует ошибки всей сети и корректирует работу всех нейронов сразу (часто с помощью сложного процесса под названием «обратное распространение ошибки»). Биологические же нейроны в нашем мозге действуют иначе: они получают информацию только от своих ближайших соседей и обучаются локально, адаптируясь к своему непосредственному окружению. Именно поэтому мозг до сих пор значительно превосходит ИИ в гибкости и энергоэффективности.

Новые инфоморфные нейроны преодолевают это ограничение. Вот что делает их особенными:

1. им не нужен внешний «дирижер», потому что каждый инфоморфный нейрон сам решает, какая информация от соседей важна, а какая – нет.
2. они учатся, обмениваясь сигналами только с нейронами в непосредственной близости, как в реальном мозге.
3. сеть из таких нейронов способна организовывать свою работу без глобального контроля.
4. разработчики ориентировались на пирамидальные клетки коры головного мозга, известные своей способностью обрабатывать информацию из разных локальных источников для обучения и адаптации.

Как они учатся? 

Исследователи задали нейронам очень общие и простые цели обучения. Вместо того чтобы диктовать конкретные правила, они позволили нейронам самим их найти. Для этого использовалась информационно-теоретическая мера – это математический инструмент, который помогает нейрону определить оптимальную стратегию взаимодействия с соседями. Грубо говоря, нейрон «решает»: стоит ли ему стремиться к избыточности (делать то же, что и соседи), синергии (сотрудничать, дополняя соседей) или специализации (сосредоточиться на уникальном фрагменте информации, который не обрабатывают другие).

«Теперь мы напрямую понимаем, что происходит внутри сети и как отдельные искусственные нейроны обучаются независимо», — подчеркивает Марсель Грец из Геттингенского университета.

По словам ученых это разработка имеет двойную ценность:

1. инфоморфные нейроны открывают путь к созданию нового поколения ИИ – более гибких, адаптивных и потенциально гораздо более энергоэффективных систем. Такие сети могут лучше справляться с задачами, где требуется обучение «на лету» и адаптация к меняющимся условиям, ближе подражая реальным когнитивным процессам.
2. Создавая ИИ, который обучается подобно биологическим нейронам, ученые получают уникальный инструмент для исследования самого мозга. Моделирование на основе инфоморфных нейронов может помочь лучше понять сложные механизмы обучения и самоорганизации в наших собственных головах.

Это исследование – важный шаг к сокращению разрыва между искусственным и биологическим интеллектом.