Mokslininkai sukūrė į el. laiško priedą telpantį DI modelį, atkartojantį beždžionės regėjimą

Mokslininkai iš tyrimų „Cold Spring Harbor“ laboratorijos kartu su kolegomis sukūrė itin mažą dirbtinio intelekto (DI) modelį, galintį prognozuoti, kaip žmogui artimos beždžionės smegenys reaguoja į matomus vaizdus. Vasario 25 d. „Nature“ publikuotame tyrime modelis buvo sumažintas iki 10 tūkst. parametrų – tūkstančius kartų mažiau nei įprasti neuroniniai tinklai, ir vis tiek išlaikė panašų tikslumą. Dėl itin mažo dydžio modelis yra toks kompaktiškas, kad gali tilpti net į el. laiško priedą.

Kaip buvo atkurtas beždžionės regėjimas

JAV tyrėjai analizavo beždžionių (makakų) regos sistemą – smegenų dalį, kuri apdoroja vaizdinę informaciją. Tyrimo metu gyvūnams buvo rodomi įvairūs natūralūs vaizdai, o mokslininkai fiksavo, kaip į juos reaguoja skirtingi neuronai.

Surinkti duomenys leido sukurti DI modelį, kuris gali prognozuoti neuronų reakcijas į vaizdus. Ypač svarbūs buvo vadinamieji V4 neuronai, kurie smegenyse padeda atpažinti spalvas, tekstūras, formas ir sudėtingesnius objektų bruožus.

Tyrimas taip pat parodė, kad tiek biologiniai neuronai, tiek DI modelis vaizdus pirmiausia suskaido į paprastesnius elementus – pavyzdžiui, kraštus, spalvas ar tekstūras. Iš šių pagrindinių savybių vėliau formuojamas sudėtingesnis objektų suvokimas. Mokslininkai taip pat pastebėjo, kad kai kurie neuronai reaguoja į labai specifinius vaizdo elementus, pavyzdžiui, taškus, kurie gali būti svarbūs atpažįstant objektus ar veidus.

Modelis sumažintas tūkstančius kartų

Pradiniame etape mokslininkai naudojo didelį neuroninį tinklą su maždaug 60 milijonų parametrų. Tačiau vėliau modelis buvo smarkiai suspaustas ir sumažintas iki maždaug 10 tūkstančių parametrų, neprarandant daug tikslumo.

Tai reiškia, kad modelis tapo tūkstančius kartų mažesnis nei dauguma šiuolaikinių DI sistemų. Dėl tokio dydžio jis yra pakankamai kompaktiškas, kad galėtų būti perduotas kaip nedidelis failas, pavyzdžiui, el. laiško priedas.

Šis rezultatas rodo, kad kai kurias sudėtingas smegenų funkcijas galima modeliuoti naudojant gerokai paprastesnes sistemas nei manyta anksčiau.

Kodėl tai gali būti svarbu DI ateičiai

Mokslininkai teigia, kad tokie biologijos įkvėpti modeliai gali padėti kurti gerokai efektyvesnį DI. Šiandien daugelis šių sistemų yra labai didelės ir reikalauja milžiniškos skaičiavimo galios bei energijos. Dėl to jų treniravimas ir naudojimas kainuoja brangiai ir dažnai vyksta tik dideliuose duomenų centruose.

TAIP PAT SKAITYKITE: Mokslininkai naudoja žmogaus „mini smegenis“ kompiuterių valdymui – kas toliau?

Tuo metu žmogaus ar gyvūnų smegenys tą pačią informaciją apdoroja daug efektyviau – naudodamos mažiau energijos ir palyginti paprastus neuroninius tinklus. Todėl tyrėjai bando perkelti šiuos principus į DI sistemas. Jei tokie metodai pasiteisins, ateityje modeliai galėtų būti daug mažesni, pigesni ir veikti net įprastuose įrenginiuose.

Tai galėtų reikšti, kad pažangios DI funkcijos dažniau veiktų telefonuose, robotuose ar kituose kasdieniuose įrenginiuose, o ne tik dideliuose serveriuose. Mažesni modeliai taip pat sunaudotų mažiau elektros energijos, todėl jų naudojimas būtų ekonomiškesnis.

Be to, tokios sistemos gali būti naudingos ir neuromokslams. Analizuodami, kokiu būdu DI atkartoja neuronų veiklą, tyrėjai gali geriau suprasti smegenų darbą ir vizualinės informacijos apdorojimo procesus. Tokie modeliai leidžia mokslininkams aiškiau matyti, kaip skirtingi neuronai prisideda prie objektų, spalvų ar formų atpažinimo.

O tai gali padėti geriau suprasti smegenų veikimo principus ir net prisidėti prie neurologinių ligų, pavyzdžiui, Alzheimerio ar kitų smegenų sutrikimų, efektyvesnių tyrimų.