РОССИЙСКИЕ УЧЁНЫЕ СОЗДАЛИ МНОГОЗАДАЧНУЮ НЕЙРОСЕТЬ:

РОССИЙСКИЕ УЧЁНЫЕ СОЗДАЛИ МНОГОЗАДАЧНУЮ НЕЙРОСЕТЬ

В последнее время новости о нейросетях, генерирующих картинки по текстовым запросам, широко обсуждаются, но мимо внимания общественности проходят действительно прорывные разработки в этой области. 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.

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.

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.

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. Эти сведения, как считают Некоркин и его коллеги, ускорят разработку еще более сложных «многозадачных» нейросетей.