В России создали нейросеть, способную решать шесть разных типов задач

Исследователи из России разработали "многозадачную" нейросеть, способную работать сразу с шестью разными классами задач благодаря ее повышенному сходству с тем, как устроены сенсорно-моторные и когнитивные регионы мозга. Об этом в четверг сообщила пресс-служба Российского научного фонда (РНФ) со ссылкой на исследование в журнале Scientific Reports.

"Мы использовали результаты недавних когнитивных нейрофизиологических экспериментов для разработки новой архитектуры рекуррентной импульсной нейросети, которую можно обучить решению множества различных задач. Изучение механизмов ее работы значительно расширило наши представления о том, как функционируют естественные и искусственные нейронные сети", - пишут исследователи.

Несмотря на огромные успехи уже существующих нейросетей, практически все они обладают одним общим недостатком - в подавляющем большинстве случаев они способны справляться только с одним типом задач, на решение которых они были натренированы. Это отличает искусственные нейросети от их природных аналогов, способных решать множество разных проблем и гибко менять механизмы своей работы.

Универсальные нейросети

Группа российских исследователей под руководством Владимира Некоркина, заведующего отделом нелинейной динамики Института прикладной физики РАН (Нижний Новгород) сделала большой шаг к решению этой проблемы при разработке новой архитектуры рекуррентной импульсной нейросети, чьи нейроны напоминают по своему устройству реальные нервные клетки людей и других многоклеточных живых существ.

Основой для разработки этой нейросети, как отмечают ученые, послужили недавние эксперименты на обезьянах и других модельных животных. Нейрофизиологи изучали то, как нервная система приматов решает задачи, в том числе определяет направление движения объектов на экране или принимает разные решения в зависимости от того, какие фигуры выводятся на дисплей компьютера.

Некоркин и его коллеги использовали эти данные для создания нейросети, элементы которой были способны обмениваться короткими импульсами друг с другом, а также активироваться в разное время, что делает их более похожими на реальную нервную систему. Эту нейросеть ученые обучили решать шесть разных классов задач, относящихся к двум большим условным группам - задачам выбора и повторения.

После этого исследователи проследили за тем, сможет ли их разработка справиться с тестом из ста случайным образом скомбинированных задач всех шести типов. Эта проверка подтвердила работоспособность нейросети, а также позволила ученым раскрыть принципы устройства этой системы ИИ, в том числе обнаружить внутри нее группы из специализированных нейронов. Эти сведения, как считают Некоркин и его коллеги, ускорят разработку еще более сложных "многозадачных" нейросетей.