Dirbtinis intelektas – automobilio pastatymas, kuriame yra tik 12 neuronų

TU Wien“ (Viena) informatikai tobulina dirbtinį intelektą, semdamiesi įkvėpimo iš biologijos. Naujieji metodai pasiekia nuostabių rezultatų su stebėtinai mažai pastangų.

Natūraliai išaugusios smegenys veikia visai kitaip nei įprasta kompiuterinė programa. Jis nenaudoja kodo, susidedančio iš aiškių loginių nurodymų, tai yra ląstelių tinklas, kuris bendrauja tarpusavyje. Tokių tinklų modeliavimas kompiuteriu gali padėti išspręsti problemas, kurias sunku suskirstyti į logines operacijas.

TU „Wien“ (Viena), bendradarbiaujant su Masačusetso technologijos instituto (MIT) tyrėjais, dabar sukurtas naujas požiūris į tokių neuroninių tinklų programavimą, kuris visiškai kitaip modeliuoja nervų signalų laiko raidą. Tai įkvėpė ypač paprastas ir gerai ištirtas padaras – apvalusis kirminas C. elegans. Kompiuteryje buvo imituojamos jo nervų sistemos nervinės grandinės, o tada modelis buvo pritaikytas mašininio mokymosi algoritmais. Tokiu būdu pavyko išspręsti nepaprastas užduotis atliekant itin mažą imituotų nervinių ląstelių skaičių – pavyzdžiui, pastatyti automobilį. Nors kirminų įkvėptą tinklą sudaro tik 12 , jį galima išmokyti vairuoti roverio robotą į tam tikrą vietą. Ramin Hasani iš „TU Wien“ kompiuterių inžinerijos instituto dabar pristatė savo darbą TEDx konferencijoje Vienoje spalio 20 d.

Galima parodyti, kad šie nauji neuroniniai tinklai yra itin universalūs. Kitas privalumas yra tas, kad galima suprasti jų vidinę dinamiką – priešingai nei standartiniai dirbtiniai neuroniniai tinklai, kurie dažnai laikomi naudinga, bet neišvengiama „juoda dėže“.

Dirbtinis intelektas - automobilio pastatymas, kuriame yra tik 12 neuronų
Neuroninis tinklas: skirtingi tarpusavyje susijusių neuronų sluoksniai. Kreditas: Vienos technologijos universitetas

Signalai išsišakojusiuose tinkluose

„Turi būti mokomi nerviniai tinklai“, – sako Ramin Hasani. „Jūs pateikiate konkretų įvestį ir sureguliuojate ryšius tarp neuronų taip, kad būtų pasiektas norimas rezultatas.“

Pavyzdžiui, įvestis gali būti nuotrauka, o išvestis gali būti paveikslėlyje esančio asmens vardas. „Laikas šiame procese paprastai neturi svarbaus vaidmens“, – sako Radu Grosu iš TU Vienos kompiuterių inžinerijos instituto. Daugeliui neuroninių tinklų visa įvestis pateikiama vienu metu, iš karto gaunant tam tikrą išvestį. Tačiau gamtoje viskas labai skiriasi.

Pavyzdžiui, kalbos atpažinimas visada priklauso nuo laiko, kaip ir sinchroniniai vertimai ar judesių sekos, reaguojančios į besikeičiančią aplinką. „Tokias užduotis galima geriau atlikti naudojant tai, ką mes vadiname RNN, arba pasikartojančiais neuroniniais tinklais“, – sako Ramin Hasani. „Tai yra architektūra, galinti užfiksuoti sekas, nes tai priverčia neuronus prisiminti, kas nutiko anksčiau.“

Hasani ir jo kolegos siūlo naują RNN architektūrą, pagrįstą biofizikiniu neuronų ir sinapsės modeliu, leidžiančiu keisti laiką. „Standartiniame RNN modelyje tarp pirmojo ir antrojo neuronų yra nuolatinis ryšys, apibrėžiantis, kaip stipriai vieno neurono veikla daro įtaką dviejų neuronų veiklai“, – sako Raminas Hasani. „Mūsų naujojoje RNN architektūroje ši sąsaja yra netiesinė laiko funkcija.“

Kreditas: Vienos technologijos universitetas

Kirmino smegenys, galinčios pastatyti automobilį

Leidimas ląstelių veiklai ir ryšiams tarp ląstelių kisti laikui bėgant, atveria visiškai naujas galimybes. pigus parktronikai ir Raminas Hasani, Mathiasas Lechneris ir jų bendradarbiai teoriškai parodė, kad jų architektūra iš esmės gali apytiksliai įvertinti savavališką dinamiką. Norėdami parodyti naujojo požiūrio universalumą, jie sukūrė ir išmokė nedidelį neuroninį tinklą: „Mes pritaikėme neuroninę grandinę iš nematodo C. elegans nervų sistemos. Jis yra atsakingas už paprasto refleksinio elgesio – prisilietimo – sukūrimą. pasitraukimas “, – sako Mathiasas Lechneris, dabar dirbantis Austrijos mokslo ir technologijų institute (IST). „Šis neuroninis tinklas buvo imituojamas ir apmokytas valdyti realaus gyvenimo programas.“

Sėkmė yra nepaprasta: mažas, paprastas tinklas, turintis tik 12 neuronų (po atitinkamų treniruočių) gali išspręsti sudėtingas užduotis. Pavyzdžiui, jis buvo mokomas manevruoti transporto priemonę į stovėjimo vietą iš anksto nustatytu keliu. „Mūsų atveju neuroninio tinklo, kuris gamtoje valdytų nematodų kirminų judėjimą, išvestis naudojama transporto priemonei vairuoti ir pagreitinti“, – sako Hasani. „Teoriškai ir eksperimentiškai įrodėme, kad mūsų naujieji neuroniniai tinklai gali išspręsti sudėtingas užduotis realiame gyvenime ir imituotoje fizinėje aplinkoje.“

Naujas požiūris turi dar vieną svarbų pranašumą: jis leidžia geriau suprasti vidinį nervinio tinklo veikimą. Ankstesni  , kuriuos dažnai sudarė daugybė tūkstančių mazgų, buvo tokie sudėtingi, kad buvo galima išanalizuoti tik galutinius rezultatus. Vargu ar buvo įmanoma giliau suprasti, kas vyksta viduje. Mažesnį, bet ypač galingą Vienos komandos  lengviau analizuoti, todėl mokslininkai bent iš dalies gali suprasti, kurios nervinės ląstelės sukelia kokį nors poveikį. „Tai yra didelis pranašumas, skatinantis toliau tirti jų savybes“, – sako Hasani.

Žinoma, tai nereiškia, kad ateityje automobilius statys dirbtiniai kirminai, tačiau tai rodo, kad dirbtinis intelektas, kurio architektūra labiau panaši į smegenis, gali būti kur kas galingesnis, nei manyta anksčiau.

Parašykite komentarą

El. pašto adresas nebus skelbiamas. Būtini laukeliai pažymėti *