Мощность ИИ увеличили с помощью цифровых астроцитов

Сотрудники кафедры нейротехнологий Университета Лобачевского разработали нейросеть на принципах взаимодействия клеток головного мозга. Впервые в искусственном интеллекте ученые использовали цифровые аналоги вспомогательных клеток мозга – астроцитов. Производительность нейросети выросла на 20%.

«Включение астроцитов в модель нейроморфного искусственного интеллекта – новый шаг в развитии спайковых нейросетей. Именно они обрабатывают информацию так, как это делает мозг человека: решают динамические задачи, обучаются во время работы, запоминая данные. Мы доказали, что цифровые астроциты позволяют эффективно управлять динамикой нейронов и реализовать в искусственном интеллекте рабочую память. Возможно, это и есть недостающее звено в решении проблемы обучения спайковых нейронных сетей», – рассказала автор исследования, профессор кафедры нейротехнологий Института биологии и биомедицины ННГУ имени Н.И. Лобачевского Сусанна Гордлеева.

По ее словам, подобные нейросети могут объяснить раннее неизученные механизмы кодирования, обработки и хранения информации в мозге, причины развития нейродегенеративных заболеваний в процессе старения и многое другое. Экспериментальные нейросети с астроцитами реализуют в ННГУ на основе мемристивных элементов в микро- и наноэлектронике.

«В перспективе такие технологии способны преодолеть ограничения существующих методов машинного обучения по энергоэффективности. На их основе могут быть созданы интеллектуальные информационно-вычислительные платформы нового поколения для обработки больших потоков информации с использованием принципов работы мозга. Нейроморфные программные платформы могут применяться в медицинской и ИТ-промышленности для обработки и классификации данных, в построении виртуальных моделей нервной системы», – добавила Сусанна Гордлеева.

Исследование выполнено при грантовой поддержке Российского научного фонда по программе Национального центра физики и математики направления «Искусственный интеллект и большие данные в технических, промышленных, природных и социальных системах». Результаты опубликованы в научном журнале по нейросетевым технологиям IEEE Transactions on Neural Networks and Learning Systems в конце 2023 года.