Текущие тенденции в области ИИ вращаются вокруг создания все более крупных нейронных сетей, что вызывает опасения по поводу высокого энергопотребления и отсутствия интерпретируемости. Напротив, человеческий мозг с его 100 млрд нейронов и 100 трлн синаптических связей потребляет всего около 20 Вт мощности. Каждый отдельный нейрон мозга более разнообразен и сложен, чем любая существующая модель ИИ.
Исследователи из Китайской академии наук и Пекинского университета объединили усилия с целью разработать ИИ-модель, которая сможет выполнять больше задач при гораздо меньшем потреблении энергии. В то время как нейроны мозга генерируют и передают сложные, динамически изменяющиеся сигналы, основанная на кремниевых чипах ИИ-модель, которую ученые охарактеризовали как «грубую абстракцию» биологического нейрона, способна генерировать лишь нули и единицы.
Исследователи использовали математическую модель, впервые предложенную в 1952 году неврологами Аланом Ходжкином и Эндрю Хаксли, для создания нейронной сети. Эта сеть, обладая меньшим размером и более сложной внутренней структурой, смогла эффективно воспроизвести возможности более крупной и простой модели. Модель, состоящая из четырех нейронов типа «интеграция и срабатывание» (leaky integrate-and-fire), воспроизвела поведение одного нейрона модели Ходжкина-Хаксли с помощью различных теоретических доказательств и симуляций.
Проведенные эксперименты подтвердили эффективность «модели внутренней сложности» при решении многих задач. Полученные результаты открывают перспективы для интеграции нейробиологических принципов в архитектуру искусственного интеллекта, а также предлагают практические решения для оптимизации и повышения производительности моделей ИИ.
Доцент кафедры электротехники и компьютерной инженерии Калифорнийского университета Джейсон Эшрагян отметил, что исследование стимулировало изучение новых типов аппаратного обеспечения, выходящих за пределы традиционных кремниевых технологий. По его мнению, пересмотр и углубление связи между нейробиологией и искусственным интеллектом приведут к созданию более эффективных, мощных, «мозгоподобных» систем ИИ. Будущее развитие ИИ, вероятно, будет зависеть от сочетания точного моделирования биологических нейронов и надежного аппаратного обеспечения.