Курам наспех: дроны будут имитировать мышление птиц

Российские ученые в ходе эксперимента с обычными курами впервые описали механизм мышления птиц, позволяющий им отличать одни предметы от других. Этот естественный механизм работает значительно эффективнее существующих методов, применяемых в современных электронных нейросетях, которым для решения аналогичных задач требуются большие объемы данных и значительные вычислительные мощности. Специалисты планируют использовать открытую архитектуру для создания самообучающихся роботов и дронов, способных выполнять сложные задачи, ранее доступные только человеку. Подробнее — в материале «Известий».

Как мыслят птицы

Исследователи из Института ИИ МФТИ и МГУ впервые описали механизм мышления птиц, который позволяет им различать предметы с разными свойствами. Этот естественный процесс мозга намного эффективнее его электронных аналогов. Обычным нейросетям для этого требуются суперкомпьютеры и терабайты данных, в то время как любой цыпленок методом проб и ошибок может быстро научиться отличать, например, съедобное от несъедобного. Открытую исследователями архитектуру ученые смогут использовать для создания роботов или дронов, которые будут способны самообучаться в процессе работы и выполнять задачи, которые ранее были доступны только человеку.

Понять, как мыслят птицы, разработчикам помог специальный эксперимент с обыкновенными курами. В экспериментальной камере разместили пластину из оргстекла с приклеенными бусинами разных цветов. Между ними рассыпали корм, количество гранул которого примерно соответствовало числу бусин. Птица, совершая клевки, должна была научиться отличать съедобные зерна от несъедобных бусин, формируя категорию «несъедобное». С помощью камер специалисты отслеживали поведение птиц и анализировали логику их принятия решений.

— Мы разработали новый дизайн эксперимента, в котором цыплятам последовательно предъявляли три поверхности с бусинами. Цель заключалась в определении момента формирования категории в процессе обучения. Результаты показали, что при последовательном предъявлении категория формируется, однако алгоритм категоризации зависит от порядка предъявления цветов. Этот феномен может быть связан как с врожденными функциональными системами цыплят, так и с их индивидуальным опытом, — сказала сотрудник МГУ, аспирант биологического факультета МГУ им. М.В. Ломоносова Екатерина Диффинэ.

Поведение птиц оказалось закономерным: в среднем частота ошибок — клевков по бусинам вместо корма — снижалась, и птицы постепенно формировали новую категорию объектов — «несъедобное». Ученые описали эту закономерность с помощью математической модели, которая позволяет предсказывать последовательность действий птицы.

— Оказалось, что наблюдаемые последовательности единичных поведенческих актов могут быть обусловлены некоторыми скрытыми состояниями, то есть имеют дополнительную структуру. После исключения клевков по корму дополнительная структура исчезает. Таким образом, обнаруженная ранее «структура» объясняется, по-видимому, как включением подкрепляемых действий, так и цветом бусин,— пояснил инженер-исследователь Центра когнитивного моделирования Института ИИ МФТИ Евгений Дживеликян.

Также специалисты изучили роль асимметрии мозга, проводя обучение птиц с одним закрытым глазом. Из-за почти полного перекреста зрительных нервов у птиц информация от каждого глаза обрабатывается в основном противоположным полушарием. Когда через три часа после обучения птицу тестировали с другим открытым глазом, количество ошибок резко возрастало. А значит, память о категории первоначально остается только в том полушарии, которое получило зрительный опыт.

Непрерывно обучающийся ИИ

Исследование открывает путь к созданию нового поколения ИИ, способных учиться, сохранять и переносить знания аналогично биологическим системам. Перенос информации из правого полушария в левое указывает на возможный эволюционно сформировавшийся механизм оптимизации обучения, отметил ведущий эксперт в области ИИ «Университета 2035» Ярослав Селиверстов.

— Перенос этих принципов в ИИ может привести к созданию систем, способных к настоящему непрерывному обучению. Архитектура, имитирующая этот асимметричный процесс, позволит быстро адаптироваться к новым условиям, не стирая при этом ранее усвоенные проверенные знания, — отметил он.

Технология может найти применение в ИИ для создания роботов или дронов для поисково-спасательных миссий и рекомендательных систем. Они будут не просто анализировать исторические данные пользователей, но и гибко и безопасно исследовать новые, потенциально полезные для человека варианты, минимизируя при этом «ошибочные действия», подчеркнул эксперт. Например, сельскохозяйственный дрон сможет различать сорняки и культурные растения. Также это ключ к более эффективным системам компьютерного зрения для медицинской диагностики, где модель должна уверенно отличать артефакты от патологий, постоянно обучаясь на новом потоке данных.

Исследования мозга далеко не всегда становятся основой для создания новых алгоритмов и моделей ИИ. Несмотря на определенное сходство между обработкой текстов в больших языковых моделях и мозговыми процессами, сам процесс обучения в этих системах протекает по-разному, пояснил доцент факультета программной инженерии и компьютерной техники ИТМО Александр Кугаевских.

— Данное исследование теоретически может помочь в тех походах, когда ИИ не проводит несколько итераций обучения, а запоминает объект и его признаки с первого взгляда. Однако пока успешных практик таких нейрофизиологических исследований практически не было, несмотря на многочисленные попытки. Но это не значит, что этого не надо делать, — сказал ученый.

Способность животных выделять категории объектов во внешней среде довольно сложно проверяется в нейробиологических экспериментах. Казалось бы, простое разделение на «съедобное» и«несъедобное» — элементарная операция, но ученые до сих пор имеют лишь слабое представление о том, как она реализована на нейросетях, отметил эксперт Центра нейробиологии и нейрореабилитации имени Владимира Зельмана Центра био- и медицинских технологий Сколтеха Игорь Бондарь.

— Нужно отдать должное коллегам, которые провели точный эксперимент, демонстрирующий на поведенческом уровне такую функцию мозга, как категоризация. Безусловно, первые результаты потребуют дальнейшего подтверждения, но такой уверенный старт в сложной теме впечатляет, — сказал он.

Заявления авторов исследования о возможности создания новой архитектуры ИИ пока выглядят преувеличенными, считает гендиректор группы компаний ST IT, эксперт рынка TechNet НТИ Антон Аверьянов.