Новое исследование ученых Саратовского государственного университета (СГУ) открывает возможности для приближения работы искусственного интеллекта к биологическим принципам человеческого мозга. Открытие, опубликованное в издании The European Physical Journal Special Topics, фокусируется на спайковых нейронных сетях.
Спайковые нейронные сети представляют собой многообещающее направление для разработки высокоэффективных и экономичных вычислительных систем, поскольку они имитируют функционирование настоящего мозга. В отличие от традиционных ИИ-систем, где нейроны работают непрерывно, в спайковых сетях каждый нейрон активируется только при получении сигнала извне, что значительно снижает энергопотребление.
Исследователи СГУ провели глубокий анализ влияния различных видов шума на активность искусственных нейронов в таких сетях. Они подчеркнули важность этого аспекта, так как в реальных условиях любая система функционирует в присутствии помех и случайных факторов.
Ключевым открытием стал феномен когерентного резонанса: при определенном уровне шума наблюдается упорядочивание активности нейронов, что приводит к более стабильной и продуктивной работе сети. Это явление описывается как возникновение порядка из хаоса.
Доцент кафедры радиофизики и нелинейной динамики СГУ Андрей Бух отметил: «Это фундаментальное исследование дает понимание оптимальных методов интеграции нейронов в сеть и настройки их параметров. Неверный выбор параметров может существенно снизить или полностью лишить сеть функциональности.»
Бух также объяснил, что нейронные связи повышают «инертность» нейронов, делая их менее восприимчивыми к шуму. Однако чрезмерное усиление связей может не только уменьшить влияние шумов, но и ухудшить способность нейронов передавать полезные сигналы.
Исследование выявило необходимость тонкого баланса: нейроны должны быть достаточно сильно связаны для подавления шума, но не настолько, чтобы препятствовать эффективной передаче информации. Понимание этого механизма критически важно для точной настройки функциональных спайковых нейросетей.
Ученые СГУ указали на растущий интерес к спайковым нейронным сетям в научном сообществе, хотя большинство работ сосредоточено на простейших моделях. «Мы стремимся к более глубокому пониманию и потенциальному применению этих сетей, поэтому изучаем режимы функционирования нейронов ФитцХью-Нагумо. Эти модели требуют сложной, но необходимой тонкой настройки, чем мы и занимались», — добавил Андрей Бух.
В процессе работы применялись методы моделирования источников шума и динамических систем, описываемых дифференциальными уравнениями.
Проект был поддержан Российским научным фондом (№ 23-12-00103) и соответствует целям федеральной программы «Приоритет-2030».
Saratov Scientists Pave Way for More Human-Like AI
A new study by scientists from Saratov State University (SSU) is poised to bring artificial intelligence closer to the biological principles governing the human brain. Published in The European Physical Journal Special Topics, this discovery focuses on spiking neural networks.
Spiking neural networks are considered a promising direction for developing highly efficient and economical computing systems due to their ability to mimic the functioning of biological brains. Unlike traditional AI systems where neurons operate continuously, in spiking networks, each neuron activates only upon receiving an external signal, significantly reducing power consumption.
SSU researchers conducted an in-depth analysis of how various types of noise affect the activity of artificial neurons in these networks. They emphasized the importance of this aspect, as any real-world system operates in the presence of interference and random influences.
A key discovery was the phenomenon of coherent resonance: at a specific noise intensity, a self-organization of neural activity emerges, leading to more stable and efficient network operation. This phenomenon is described as the emergence of order from chaos.
Andrei Bukh, Associate Professor at SSU`s Department of Radiophysics and Nonlinear Dynamics, stated, «This fundamental research provides insights into how best to integrate neurons into a network and tune their parameters for optimal functioning. An ill-considered choice of parameters can lead to a non-functional or poorly efficient network.»
Bukh further explained that connections between neurons increase their «inertia,» making them less susceptible to noise. However, an excessive increase in connectivity can not only reduce noise influence but also impair a neuron`s ability to transmit useful signals.
The study highlighted the necessity of finding a delicate balance: neurons must be sufficiently connected to withstand harmful noise, yet not so much that it impedes the transmission of crucial information. Understanding this mechanism is a critical step towards the «fine-tuning» required for building functional spiking neural networks.
SSU scientists noted the growing interest in spiking neural networks within the scientific community, although most existing work focuses on simpler models. «Since we are interested in a much closer approximation to the potential application of such networks, we are investigating the operating modes of FitzHugh-Nagumo neurons. The complexity of using such models lies in their need for precise fine-tuning, which was the focus of our research,» Bukh added.
The research involved methods for modeling noise sources and dynamic systems expressed by differential equations.
The project was supported by the Russian Science Foundation (project № 23-12-00103) and aligns with the strategic goals of the federal program «Priority-2030.»
