Как нейросети могут адаптироваться в реальном времени: прорывное открытие от российских ученых

В НГУ имени Ярослава Мудрого группа исследователей создала математическую модель для аппаратного ИИ. Разработанная система позволяет физическому ИИ самостоятельно обучаться и оперативно адаптироваться в реальном времени, что раньше было свойственно лишь программным нейросетям. Как отмечает руководитель проекта, Александр Никитин, ключевое достоинство разработки заключается в управлении синапсами без необходимости модификации аппаратной части. Это дает возможность аппаратной нейросети приспосабливаться к новым задачам и изменяющимся обстоятельствам, как это делает программный ИИ, но со значительно большей эффективностью.

В основе предложенной модели лежит принцип функционирования осцилляторов. Процесс обучения основан на их синхронизации, то есть достижении единой частоты. Контроль этих колебаний извне позволяет регулировать работу нейронной сети в целом. Кроме того, ученые применили многослойные магнитоэлектрические структуры, которые служат настраиваемой платформой для взаимодействия между нейронами. Это обеспечивает гибкую настройку алгоритмов ИИ без потребности в полной перепрошивке системы. Часть разработки уже реализована на языке программирования Python, что обеспечивает интеграцию новой физической модели с алгоритмами машинного обучения, открывая перспективы для создания гибридных ИИ-систем.