Современные большие языковые модели и многослойные нейросети становятся всё мощнее, но за это приходится платить огромным энергопотреблением. Человеческий мозг, напротив, обходится примерно 20 ваттами. Учёные из Грацского технического университета вместе с международными партнёрами создали ИИ-модель, которая работает по принципам мозга: гибко планирует и решает сложные задачи, значительно экономя энергию.
Исследование опубликовано в журнале Nature Machine Intelligence. Ведущие авторы — Вольфганг Маасс (Wolfgang Maass) и Юйкунь Ян (Yukun Yang) из Института машинного обучения и нейронных вычислений.
Три механизма мозга
Вдохновляясь исследованиями гиппокампа, учёные выделили три ключевых принципа, которые мозг использует при планировании:
- создание когнитивных карт — превращение отношений между абстрактными объектами в геометрические отношения между нейронными кодами, что даёт системе «чувство направления»;
- стохастические нейронные вычисления — постоянная генерация гипотетических сценариев и прогнозов;
- композиционное кодирование — разбиение информации и планов действий на переиспользуемые компоненты.
Благодаря этим механизмам модель, подобно человеку или животному, может придумывать и проверять возможные пути решения, не просчитывая каждый из них до конца. Если случайно выбранный промежуточный шаг приближает к цели (когнитивная карта подсказывает направление), система продолжает двигаться в эту сторону. На новой позиции она снова оценивает варианты и постепенно приближается к результату.
«При таком подходе наша ИИ-модель способна гибко реагировать на изменившиеся или новые ситуации, не требуя переобучения», — отмечает Юйкунь Ян.
Как проверяли возможности
Учёные протестировали систему на трёх задачах: навигации в двумерном пространстве, ориентации в абстрактном многомерном пространстве и сборке-разборке силуэта из строительных блоков. Во всех случаях модель успешно справлялась с планированием и решением.
Авторы подчёркивают: их подход не претендует на конкуренцию с большими языковыми моделями. Он скорее предлагает альтернативу для задач, где важны энергоэффективность и гибкость.
Где это может пригодиться
В перспективе такие системы подойдут для роботов, автономных автомобилей и других устройств на краю сети — там, где искусственный интеллект должен работать локально и при ограниченном энергоснабжении.
«Мы всё ещё находимся на относительно ранней стадии разработки, — говорит Вольфганг Маасс. — Но наша работа показывает, что мощный ИИ необязательно требует огромных дата-центров и колоссальных затрат энергии».
Исследование проводилось в сотрудничестве с Университетом Цинхуа и Национальным исследовательским советом Италии.
