Современные исследования об искусственном интеллекте и больших мозгоподобных нейронных сетях

Журнал Nature Machine Intelligence опубликовал уникальное исследование голландских ученых. Боджиан Инь и Сандер Бохте. Сотрудники института математики и компьютерных наук продемонстрировали колоссальное продвижение на пути к искусственному интеллекту. Компьютерный разум можно использовать на разных устройствах, в том числе планшетах, смартфонах. Конфиденциальность подобных приложений защищена.

В предложенных исследованиях показано, как с помощью мозгоподобных частиц можно быстро и эффективно обучать нейронные сети. При этом также используются актуальные обучающие техники. Такие приложения работают как распознаватели речи, носители искусственного интеллекта.

Мозг – крупная, энергоэффективная сеть. Современные искусственные нейронные структуры частично дублируют биологическую нейронную сеть. Уникальные возможности демонстрируют спайковые нейронные системы. Они имитируют работу биологических нейронов максимально точно и способны реагировать на внешние события очень быстро.

Сегодня программы искусственного интеллекта становится максимально приближены к потребителям. Пользователь получает продукты ИИ через приложения на собственных электронных устройствах. Такие программы реализуют важнейшие для потребителя задачи: надежность, оперативность, конфиденциальность. Распознаватели человеческой речи используются в детских игрушках, бытовой технике. Навигация дронов, системы локального наблюдения, мониторинг систем здравоохранение – в этих и иных направлениях находит свое применение компьютерная симуляция.

Машинное обучение нуждается в постоянной тренировке для отличного выполнения поставленных задач. И стандартные нейронные сети, и импульсные функционируют на основе алгоритмов. Основная проблема состоит в том, что эти алгоритмы задействуют большой объем памяти. Из-за этого применение искусственного интеллекта возможно только для решения небольших задач. Именно такое ограничение является причиной сдерживания запуска практических приложений машинного интеллекта. Сандер Бохте отмечает этот момент. В настоящее время запущен проект «Человеческий мозг». В рамках данного проекта ведется работа над архитектурой и обучающими технологиями для иерархической обработки когнитивного типа.

Имитация обучающегося мозга

Обучение алгоритмов – серьезный вопрос, сопряженный с рядом проблем. Этот процесс не способен сравниться с возможностями человеческого мозга. Естественная нейронная сеть способна учиться на новом опыте. Могут создаваться новые связи, меняться. Примеров для этого живому мозгу нужно намного меньше, чем искусственной системе. Процесс этот более быстрый, эффективность значительно выше. Боджиань Инь отмечает, что задача ученых –разработать систему, которая по своим способностям будет максимально приближена к функциям человеческих нейронов.

Исследователь приводит пример с ошибками, совершаемыми во время вождения. Допущенная ошибка сразу же становится ценным опытом, на котором мозг обучается. Человек при этом способен скорректировать свое поведение сразу же, а не через час. По словам Инь, целью работ является передача нейронной сети постоянно обновляемой информации. Предыдущую информацию при этом хранить не нужно. Это существенное отличие новых разработок от большинства современных сетей, которые накапливают информацию и работают с ней. Машинное обучение в новом формате требует колоссальных мощностей и большого объема памяти.

Сети с миллионами нейронов

Благодаря новым системам обучения алгоритмов появляется возможность функционирования больших нейронных систем. Совместные исследования Технического университета и Holst Center продемонстрировали новые возможности на примере оживленного проспекта в Амстердаме. Во время демонстрации видео импульсная нейронная сеть SPYv4 распознавала автомобили, велосипеды и пешеходов.

Еще недавно возможность машинного обучения предполагала максимальное количество нейронов 10 тысяч. Сегодня это сети с 6 миллионами нейронов. Это толчок к обучению высокопроизводительных систем, таких как SPYv4.

Подобные исследования – начало пути к новым мощным решениям ИИ. На основе таких разработок создаются чипы, способные запускать программы ИИ с минимальным энергопотреблением. Вскоре эти программы могут появиться на доступных современных устройствах (очки виртуальной реальности, слуховые аппараты).