Повторение структуры мозга сделало ИИ эффективнее

В исследовании, опубликованном в Neurocomputing, ученые из Университета Суррея (Англия) показали, что имитация разреженной и структурированной нейронной сети мозга может значительно повысить производительность искусственных нейронных сетей (ИНС), используемых в генеративном и других современных моделях ИИ, таких как ChatGPT.

Метод, получивший название топографическое разреженное отображение (Topographical Sparse Mapping, TSM), переосмысливает работу систем искусственного интеллекта на самом фундаментальном уровне. В отличие от традиционных моделей глубокого обучения, которые соединяют каждый нейрон одного слоя со всеми нейронами следующего, расходуя энергию впустую, TSM соединяет каждый нейрон только с соседними или родственными, подобно тому, как зрительная система мозга эффективно организует информацию. Благодаря такому естественному подходу модель устраняет необходимость в огромном количестве ненужных соединений и вычислений.

Усовершенствованный ИИ превзошел точность стандартных сетей на эталонных наборах данных. Поскольку этот подход позволяет избежать постоянной тонкой настройки и перекоммутации, система обучается быстрее, использует меньше памяти и потребляет менее одного процента энергии обычной модели ИИ.

В то время как текущая система применяет нейроморфное отображение к входному слою модели ИИ, его распространение на более глубокие слои, по мнению ученых, сделает сети еще более компактными и эффективными. Исследовательская группа также изучает возможности применения этого подхода в других областях, например в более реалистичных нейроморфных компьютерах, где повышение эффективности может иметь еще большее значение.

Ранее Наука Mail рассказывала, может ли ИИ различать добро и зло.