Ученые нашли замену нейросетям

Исследователи утверждают, что сложные многослойные нейронные сети, применяемые в машинном обучении, могут быть заменены осцилляторами с запаздывающей обратной связью.

Это открытие, сделанное ученым СГУ в рамках международного исследовательского коллектива, имеет потенциал значительно упростить и удешевить процесс создания устройств, способных выполнять задачи искусственного интеллекта в реальном времени. Сообщение об этом поступило из пресс-службы Минобрнауки РФ.

Осцилляторы, как утверждают ученые, представляют собой системы, способные генерировать и поддерживать колебания. Это свойство осцилляторов может быть использовано для создания более эффективных и быстрых устройств, способных обрабатывать данные в реальном времени. Такой подход открывает новые перспективы в области развития искусственного интеллекта и его применения в различных сферах.

По мнению специалистов, переход от сложных нейронных сетей к осцилляторам с запаздывающей обратной связью может стать революционным шагом в области технологий искусственного интеллекта. Это позволит ускорить процесс обучения устройств, сделать их более эффективными и доступными для широкого круга потребителей.

Исследователи из Саратовского национального исследовательского государственного университета (СГУ) имени Н.Г. Чернышевского, в частности Владимир Семенов, заведующий лабораторией компьютерного моделирования в электронике СГУ, вместе с ученым из Берлинского технического университета, провели исследование, демонстрирующее, что системы с двумя связанными бистабильными осцилляторами и запаздыванием могут эмулировать поведение сложных нейронных сетей.

К числу интересных систем, способных имитировать сложное поведение, относятся осцилляторы, такие как маятник или электрический контур. Когда к таким осцилляторам добавляется обратная запаздывающая связь, их динамика становится более сложной, позволяя системам воспроизводить поведение целых сетей, состоящих из множества взаимодействующих элементов.

Эксперименты показали, что два связанных бистабильных осциллятора с запаздыванием способны эмулировать поведение двухслойной нейронной сети. Это открытие подчеркивает потенциал использования подобных систем для моделирования и изучения сложных процессов, аналогичных работе нейронных сетей в биологических системах.

Исследователи внимательно изучили два важных явления: стохастический резонанс, когда шум увеличивает полезный сигнал, и распространение волнового фронта, при котором одно из двух сосуществующих состояний системы заполняет все доступное пространство.

По мнению Владимира Семенова, создание физических нейронных сетей является сложным и затратным процессом. Однако осцилляторы с запаздыванием могут предложить более простую и экономически выгодную альтернативу.

В контексте физической реализации системы искусственного интеллекта на основе многослойных сетей, необязательно точно копировать ее в чистом виде. Возможно использование связанных осцилляторов с запаздыванием, если условия позволяют, как отмечает сообщение Минобрнауки РФ.

Исследователи утверждают, что данный подход может оказаться особенно эффективным при создании устройств, способных решать задачи в реальном времени, таких как прогнозирование временных рядов, распознавание изображений или оптимизация. Особый интерес вызывает использование осцилляторов с запаздывающей обратной связью в этом контексте.

В начале своего исследования ученые провели моделирование поведения осцилляторов на компьютере, а затем перешли к созданию физических прототипов на основе электронных компонентов. Результаты экспериментов подтвердили все теоретические расчеты, что свидетельствует о точности подхода.

Современные ученые по всему миру активно изучают осцилляторы с запаздывающей обратной связью. Одним из ключевых преимуществ прототипов, разработанных командой Владимира Семенова, является простота схем, низкая стоимость электронных компонентов и компактные размеры устройств.

Исследователи в Саратовском университете планируют расширить область применения осцилляторов с запаздыванием, чтобы решать более широкий круг задач. Они изучают возможность использования этих систем для моделирования "спайковых нейронных сетей", которые имитируют электрическую активность клеток мозга. Этот новый класс нейронных сетей представляет собой значительный научный интерес, так как может помочь лучше понять принципы работы мозга.

Исследования, финансируемые грантом Российского научного фонда, являются частью стратегического проекта СГУ "ИКТ-Электроника" программы "Приоритет-2030". Полученные результаты были опубликованы в журнале Neural Networks. Это открывает новые перспективы для развития нейронауки и применения ее достижений в различных областях, от робототехники до медицины.

Источник и фото - ria.ru