Саратовские ученые нашли способ сделать мышление ИИ более похожим на человеческое
14:54 7 октября 2025 | Просмотры: 27
Исследователи Саратовского государственного университета имени Н. Г. Чернышевского сделали открытие, которое может приблизить искусственный интеллект к работе человеческого мозга. Их статья опубликована на сайте The European Physical Journal Special Topics.
Спайковые нейронные сети считаются перспективным направлением для создания экономичных вычислительных систем. Они имитируют работу биологического мозга, активируя нейроны только при внешнем сигнале, в отличие от традиционных искусственных сетей, которые работают постоянно.
Ученые СГУ исследовали, как различные типы шума влияют на активность нейронов в спайковых сетях. В реальных условиях работа нейросетей всегда происходит с помехами и случайными воздействиями. Они обнаружили интересный феномен: при определенной интенсивности шума активность нейронов упорядочивается, делая их работу более стабильной и эффективной. Это явление называется когерентным резонансом — возникновением порядка из хаоса.
Доцент кафедры радиофизики и нелинейной динамики Андрей Бух отметил, что фундаментальное исследование помогает понять, как лучше включать нейроны в сеть и настраивать их параметры. Неправильный выбор параметров может привести к созданию неработоспособной или малоэффективной сети.
Связь между нейронами увеличивает их устойчивость к шуму, но также может снижать способность передавать полезные сигналы. Ученые пришли к выводу, что нужно найти баланс: нейроны должны быть достаточно связаны, чтобы противостоять шуму, но не настолько, чтобы это мешало передаче важной информации. Понимание этого механизма — ключевой шаг к созданию работоспособных спайковых нейросетей.
Интерес к спайковым нейронным сетям растет, но большинство исследований сосредоточено на простых моделях. Ученые СГУ изучают более сложные модели, такие как модель ФитцХью-Нагумо, которая требует тонкой настройки.
В ходе исследования использовались методы моделирования шума и динамических систем, выраженных дифференциальными уравнениями. Работа поддержана Российским научным фондом и согласуется со стратегическими целями федеральной программы «Приоритет-2030».
