Ludzki mózg to fascynująca maszyna. Każdy z jego około 86 miliardów neuronów działa jako niewielka jednostka przetwarzania informacji, odbierająca sygnały z otoczenia – najczęściej od sąsiednich neuronów – i przekazująca je dalej. Co ważne, nie ma tam centralnego koordynatora, który zarządza całym procesem. Każda komórka uczy się samodzielnie, w oparciu o lokalne sygnały, dostosowując swoją aktywność do dynamicznie zmieniających się warunków. Dzięki temu sieci neuronalne w mózgu są nie tylko wyjątkowo elastyczne, ale też energooszczędne i odporne na zakłócenia.
Czytaj też: Przełom w neurobiologii! Ludzkie neurony połączono z mózgiem szczura
Sztuczne sieci neuronowe, które od dekad inspirują się mózgiem, wciąż mają z tym jednak problem. Choć również składają się z “neuronów” połączonych w warstwy, ich uczenie jest zazwyczaj sterowane z zewnątrz – przez tzw. funkcję straty i algorytm propagacji wstecznej, który przekazuje “co robić” każdemu neuronowi. To sprawia, że sztuczne sieci są potężne, ale nie do końca autonomiczne.
Neurony inmorficzne to krok bliżej sztucznego mózgu?
Zespół naukowców z Göttingen Campus Institute for Dynamics of Biological Networks (CIDBN) oraz Max Planck Institute for Dynamics and Self-Organization (MPI-DS) postanowił radykalnie zmienić to podejście. W ramach projektu opisanego na łamach Proceedings of the National Academy of Sciences uczeni stworzyli tzw. neurony infomorficzne – jednostki, które uczą się samodzielnie, na podstawie informacji dostępnych w swoim najbliższym otoczeniu.
Czytaj też: Jak komunikują się neurony? Naukowcy mają teraz nad nimi kontrolę
To podejście nie tylko eliminuje potrzebę zewnętrznej kontroli nad procesem uczenia każdego neuronu, ale też znacznie przybliża zachowanie sieci sztucznej do tego, co obserwujemy w mózgu. W praktyce oznacza to, że każda jednostka sieci decyduje sama, które sygnały są dla niej istotne, jak je przetwarzać i w jaki sposób wpływać na pozostałe neurony. Model ten oparty jest na działaniu komórek piramidowych w korze mózgowej – kluczowych dla procesów poznawczych i adaptacyjnych.
Sercem nowego podejścia jest precyzyjna definicja celu uczenia – nie tyle narzucona z góry, co pozostawiona do “odkrycia” przez same neurony. Naukowcy zastosowali nowatorską miarę teoretyczno-informacyjną, która pozwala neuronowi ustalić, czy powinien dążyć do redundancji z sąsiadami (czyli przetwarzać podobne dane), współdziałać synergicznie (czyli łączyć siły) czy też specjalizować się w unikalnym fragmencie informacji dostępnej w sieci.
Jak wyjaśnia Valentin Neuhaus z MPI-DS:
Dzięki specjalizacji w określonych aspektach wejścia i koordynacji z sąsiadami, nasze infomorficzne neurony uczą się, jak najlepiej wspierać zadanie realizowane przez całą sieć.
To oznacza, że zamiast jednej nadrzędnej strategii, powstaje sieć dynamicznych, uczących się jednostek, które same wypracowują reguły interakcji – dokładnie tak, jak robi to mózg. W efekcie sieć może być bardziej elastyczna, odporniejsza na błędy i – co szczególnie istotne w kontekście aplikacji w urządzeniach mobilnych – bardziej energooszczędna.
Choć neurony infomorficzne to dopiero początek nowego podejścia w inżynierii sztucznej inteligencji, ich znaczenie może być ogromne. W praktyce mogą stać się podstawą sieci, które będą uczyć się efektywniej, szybciej adaptować do zmieniających się warunków i funkcjonować bez potrzeby ciągłej ingerencji z zewnątrz. Taki model byłby idealny np. dla robotów eksplorujących nieznane środowiska, dla autonomicznych systemów diagnostycznych, a nawet dla urządzeń ubieralnych, które analizują nasze zdrowie w czasie rzeczywistym.
Jednocześnie nowe neurony mogą pomóc w lepszym zrozumieniu, jak działa nasz własny mózg. Eksperymenty z infomorficznymi jednostkami mogą symulować określone struktury neuronalne i ujawnić zasady organizacji, które do tej pory były trudne do wychwycenia w eksperymentach biologicznych. To szansa na zbliżenie neuronauki i sztucznej inteligencji w sposób głęboki i obustronnie korzystny.