Нейронная сеть сделала очередной важный шаг к машинному интеллекту. Впервые физическая нейросеть продемонстрировала способность учиться и запоминать «на лету», так или почти так, как это делает настоящий мозг. Результат работы ученых из Австралии и США открывает путь к созданию более эффективного машинного интеллекта с низким потреблением энергии, способного решать боле сложные задачи.

Нанопроволочные нейросети состоят из крошечных нитей, которые переплетены в клубок, как бирюльки. Эти сети способны выполнять специфические вычислительные задачи. При помощи простых алгоритмов, реагирующих на изменения сопротивления в местах соединения, эта функция возникает, когда электрический ток сталкивается с изменениями в сопротивлении. Приблизительно то же самое происходит с синапсами мозга.

Ученые из Университета Сиднея и Калифорнийского университета в Лос-Анджелесе научили нейросеть распознавать и запоминать последовательности электрических импульсов, соответствующих изображениям. Эта задача похожа на запоминание телефонного номера. Также нейросеть выполнила типовую задачу по распознаванию изображений, взятых из базы рукописных цифр MNIST, сообщает Science Daily.

По словам разработчиков, это значительный шаг вперед. Обучение моделей ИИ дается непросто, когда имеешь дело с большим количеством данных, которые могут постоянно меняться. Стандартный подход состоит в том, чтобы сохранить данные в памяти, а затем натренировать модель машинного обучения при помощи этой информации. Но этот подход расходует слишком много энергии.

«Наш новый метод позволяет нанопроволочной нейросети учиться и запоминать „на лету“, образец за образцом, извлекая данные онлайн и избегая, тем самым, значительного использования памяти и энергии», — сказала профессор Зденка Кунчич, руководившая проектом.

Модели машинного обучения на основе искусственных нейросетей сейчас не оптимизированы под задачу обработки данных, поступающих в режиме реального времени, например, он датчиков.

В эталонном тесте для моделей машинного обучения нанопроволочная нейросеть набрала 93,4%, распознавая изображения. Тест на память требовал вспомнить последовательности цифр, до восьми подряд. В обоих случаях данные транслировались в сеть, чтобы продемонстрировать способность сети к онлайн-обучению.