Поки розробники штучного інтелекту спалюють гігавати електроенергії та будують дата-центри розміром із квартал, щоб навчити нейромережі бачити світ, природа доводить: для складних завдань гігантські потужності не потрібні.
Вчені провели унікальний експеримент із медоносними бджолами. Результати, опубліковані у Space Daily, здивували навіть самих дослідників: комах вдалося навчити впевнено впізнавати конкретних людей за фотографіями.
960 тисяч нейронів проти мільярдів
Тривалий час у науковому світі вважалося, що розпізнавання облич — це прерогатива виключно вищих ссавців із великим об'ємом мозку та специфічними нейронними структурами. Проте бджолиний мозок містить менше ніж 1 мільйон нейронів (для порівняння, у людини їх близько 86 мільярдів).
Щоб перевірити можливості комах, дослідники використали стандартні портретні фотографії з психологічних тестів, повністю прибравши підказки: знімки обрізали до контурів обличчя та шиї, а тло й освітлення зробили ідентичними.
Система мотивації: цукор проти гіркоти
Оскільки в дикій природі бджоли не мають жодного еволюційного приводу роздивлятися людські профілі, вчені застосували класичний метод винагороди:
- Одне конкретне обличчя пов’язали з краплею солодкого сиропу (сахарози).
- Інші портрети "замінували" гірким розчином хініну.
Після серії тренувань бджоли почали безпомилково летіти до "правильного" фото. Ба більше, коли фінальні тести провели взагалі без солодкої підказки, комахи все одно обирали потрібну людину з точністю від 80% до 90%! Ця інформація закарбувалася в їхній пам'яті щонайменше на дві доби.
Вони бачать нас так само, як ми їх
Найбільшим відкриттям стало те, як саме бджоли це роблять. Вони не просто запам'ятовували окрему пляму чи форму носа. Дослідники спробували переставити місцями елементи знайомого обличчя (очі, ніс, рот), залишивши самі деталі незмінними. Комахи миттєво втратили орієнтир і перестали впізнавати образ.
Це доводить, що бджоли використовують конфігуративну обробку зображень — оцінюють взаємне розташування та пропорції всіх елементів разом. Саме так працює і людський мозок.
Як на базі бджіл оптимізувати складні обчислення ШІ
Сучасні штучні нейромережі (особливо глибокі згорткові мережі типу CNN, що використовуються в Face ID) працюють за принципом "грубої сили". Вони аналізують мільйони параметрів, проганяючи зображення через десятки прихованих шарів нейронів, де кожен шар відповідає за дрібні деталі: від ліній до відтінків. Це потребує колосального обсягу обчислень (FLOPs) та постійної перевірки мільярдів вагових коефіцієнтів.
Бджоли показують архітекторам майбутніх ШІ-систем абсолютно інший шлях — розріджене кодування (sparse coding) та конфігураційні евристики. Замість аналізу всього масиву пікселів, бджолиний мозок миттєво створює спрощену геометричну карту ключових точок (топологічний паттерн).
Ось як це можна перенести в інженерію комп'ютерного зору для ШІ:
- Зниження розмірності "на льоту": Замість глибоких нейромереж розробники можуть використовувати математичні моделі, що імітують грибоподібні тіла (mushroom bodies) у мозку комах. Це дозволяє стискати складне високорозмірне зображення обличчя у короткий бінарний код без втрати геометрії об'єкта.
- Локальні правила навчання: Замість енерговитратного методу зворотного поширення помилки (backpropagation), який оновлює мільярди зв'язків у ШІ, архітектура "бджолиного типу" може використовувати принципи пластичності, залежної від часу імпульсу (STDP). Мережа змінює зв'язки лише між тими кількома нейронами, які безпосередньо зреагували на паттерн, що радикально економить такти частоти процесора.
- Енергоефективність на рівні Edge AI: Оптимізований за таким принципом алгоритм розпізнавання облич здатний стабільно працювати на наднизьких потужностях (кілька міліват). Йому не потрібні GPU-прискорювачі в хмарі — весь код поміщається на копійчаному мікроконтролері.
Чому це важливо для світу IT та стартапів?
Як зазначив дослідник Мартін Джурфа, здатність крихітного органу виконувати операції, під які у людини виділені цілі спеціалізовані зони мозку, відкриває шалені перспективи для інженерів.
Сьогодні архітектура штучного інтелекту (особливо Computer Vision) часто страждає від "прожорливості" — їй потрібні колосальні обчислювальні ресурси. Механізми, підгледжені у бджіл, можуть допомогти розробникам створити абсолютно нове покоління еволюційних та енергоефективних ШІ-моделей.
Механізми, підгледжені у комах, стануть основою для абсолютно нового покоління нейроморфних ШІ-моделей. Це реальний крок до систем розпізнавання для автономних міні-дронів, розумних датчиків розумного дому чи медичних імплантів, які працюватимуть локально, автономно і споживатимуть мінімум енергії. Природа знову підказує нам найкоротший шлях до ідеальної оптимізації.
Це реальний крок до систем розпізнавання, які зможуть працювати локально на мікрочіпах, смарт-пристроях із низькою потужністю чи автономних дронах, взагалі не потребуючи підключення до "важких" хмарних серверів. Природа знову підказує нам найкоротший шлях до оптимізації.
За матеріалами expert.in.ua
Коментарі
Дописати коментар