Мы все уверены, что роботы, в отличие от людей, в отдыхе не нуждаются. Потому что они никогда не устают. И будут продолжать выполнять свою задачу еще очень долго после того, как даже самый тренированный человеческий разум отключится от усталости. Ведь когда человек переутомляется, он может заболеть. Или даже умереть. И поэтому мы периодически очень сильно нуждаемся в отдыхе. В то время как машина нуждается лишь иногда в небольшом техобслуживании. Или обновлении программного обеспечения. Если, конечно, она хорошо настроена и правильно запрограммирована…
Роботы хотят спать
Однако это может быть не совсем так. Исследователи, работающие над созданием искусственного интеллекта, позволяющего компьютерам обрабатывать данные из реального мира в режиме реального времени, обнаружили в этом предположении серьезный изъян. После долгих испытаний нейронные сети, используемые в их экспериментах, вдруг стали нестабильными. И единственным способом вернуть их в нормальное состояние оказался… сон!
Изучаемые нейронные сети известны как Spiking Neural Networks, или SNN. Они предназначены для более точной имитации поведения биологических нейронов, чем это происходит в изучаемых традиционных системах искусственного интеллекта (ИИ). Обычно нейроны в искусственных нейронных сетях получают входные данные определенного размера. И если средневзвешенное значение количества этих данных превышает определенных порог, нейрон «срабатывает». И передает данные на следующий уровень сети. Или обрывает операцию. Пока все просто, да? Однако, к сожалению, такого подхода недостаточно при работе с тонкими и сложными данными из реального мира. И поэтому нейронные сети, предназначенные для анализа изображений и звуков, часто содержат специализированные настройки. Они нужны для фильтрации и обработки данных.
Новые подходы, стремящиеся использовать биологию для усовершенствования сбора и распознавания визуальных и слуховых данных, привели к появлению целого нового класса ИИ. Он известен как нейроморфные нейронные сети. SNN – одна из подобных разработок. И ее основное отличие от других подобных разработок заключается в том, что она не просто оценивает средневзвешенное значение входных данных. Она использует специальное уравнение для вычисления поведения биологического нейрона. Это очень мощный и очень современный подход к созданию современных систем ИИ. Однако, применив его, исследователи обнаружили, что обучение SNN стало несколько хаотичным. Пытаясь усвоить огромные объемы информации во время обучения, SNN вдруг начала «глючить». Она оказалась не в состоянии отличить шум от сигнала в наборах данных, используемых для обучения.
Куда вы меня тащите! Дайте поспать!
Команда под руководством ученого-информатика Ицзин Уоткинс столкнулась с этой проблемой при попытке работы с чипом, предназначенным для устройств биометрической идентификации. И решила позволить сетям SNN делать то же, что делаем мы, когда устаем. Вместо того, чтобы скармливать роботу все больше тренировочных данных, команда ученых подвергала SNN воздействию компьютерного эквивалента сигналов, которые наш мозг получает, когда мы погружаемся в глубокий сон. После прослушивания полученных сигналов сети вернулись к обучению с новыми силами. И показали гораздо более стабильные и предсказуемые результаты. Удивительно, но все это было очень похоже на то, что происходит в нашем мозгу, когда мы устаем. И когда хорошо высыпаемся.
Науке давно известно, что сон имеет очень важное значение для живых существ. Невозможность получить глубокий, полноценный сон может привести к развитию различных нейродегенеративных заболеваний. Таких, например, как болезнь Альцгеймера. И еще нам абсолютно необходим сон, чтобы сформировать долгосрочные воспоминания. И закрепить новые навыки.
Эксперимент, проведенный с SNN, фактически имитирует то, что, по нашему мнению, происходит с человеческим мозгом во время недосыпания. И намекает нам, что мы еще немного приблизились к созданию искусственного мозга, который будет похож на наш. В долгосрочной перспективе эти технологии откроют нам массу возможностей для интеграции ИИ с нашим собственным разумом и телом.