ТехволнаИскусственные нейросети научились избегать перегрузок благодаря механизму гомеостаза
Специалисты Московского физико-технического института совместно с коллегами из Института биологии и биомедицины ННГУ имени Лобачевского создали систему, которая не даёт искусственным нейронным сетям, имитирующим работу мозга, уходить в неконтролируемые режимы. В основу легла идея гомеостаза — способности живых организмов поддерживать внутреннее равновесие. Руководитель лаборатории нейробиоморфных технологий МФТИ Виктор Казанцев пояснил, что это свойство, обычно присущее биологическим объектам, удалось воспроизвести в цифровой архитектуре.
Сеть в реальном времени отслеживала собственную активность и гибко меняла силу сигналов между нейронами, подавляя перевозбуждение. Эксперименты проводились на импульсной нейронной сети — платформе, максимально приближенной по структуре к биологическому мозгу. В таких архитектурах информация передаётся короткими электрическими разрядами, спайками, а в промежутках нейроны молчат, что резко снижает энергопотребление по сравнению с классическими нейросетями.
Результаты работы опубликованы в журнале The European Physical Journal Special Topics. Исследование поддержало Министерство науки и высшего образования РФ в рамках двух профильных проектов. Учёные показали, что при низких целевых частотах сеть увеличивает число спайков внутри каждого всплеска, а при высоких — наращивает частоту самих всплесков.
Так система автоматически подстраивается под требуемый уровень активности и сохраняет устойчивость в широком диапазоне режимов. Важную роль в подавлении перевозбуждений сыграла кратковременная синаптическая депрессия. После фазы интенсивной работы контакты между нейронами на короткое время ослабляют передачу сигналов, что предотвращает лавинообразные супервсплески, когда один нейрон генерирует сотни импульсов подряд.
Разработку дополнили алгоритмом долговременной пластичности. Он меняет вес связей в зависимости от интервалов между импульсами, благодаря чему все нейроны в широком частотном диапазоне синхронно откликаются на внешние стимулы. В результате сеть научилась выдавать коллективные разряды, в которых участвуют практически все элементы.
При превышении допустимого порога система переключается в режим пропуска лишних стимулов, а при генерации ответа формирует мощный синхронный разряд. Это делает передачу сигнала устойчивой к шуму и помехам. По мнению авторов, предложенные механизмы могут стать фундаментом для простых нейроморфных процессоров, сопоставимых по энергоэффективности с человеческим мозгом.
Благодаря встроенной саморегуляции такие чипы смогут избегать зависаний и будут защищены от сбоев. Подобные системы найдут применение в автономной робототехнике — устройствах, способных принимать решения без постоянной связи с облачными серверами. Это особенно важно для работы в удалённых или агрессивных средах.
В перспективе исследователи планируют адаптировать подход для более сложных сетей, где нейроны смогут самостоятельно формировать новые связи взамен утраченных. Это приблизит искусственные системы к пластичности живого мозга.
