Как модель реального нейрона сделала искусственный интеллект эффективнее

Парадокс налицо. Мозг — эта невероятная биологическая машина — тратит примерно 25 ватт. Он решает задачи, с которыми справляются гигантские языковые модели, потребляющие мегаватты. Очевидно, мы упускаем какой-то фундаментальный принцип, бездумно наращивая масштабы вместо ума.

Исследователи Ли Гоци, Сюй Бо и Тянь Юнхун решили взглянуть на самую основу — на искусственный нейрон. В современных сетях он предельно упрощен: «собрал сигналы — выдал результат». Настоящая же нервная клетка — это сложнейший биохимический компьютер. Почему бы не сделать наши вычислительные единицы хоть немного похожими на оригинал?

Старая модель нейрона — новый прорыв для ИИ

Ответ пришел из прошлого века. Еще в 1952 году нейробиологи Ходжкин и Хаксли, изучая гигантский нерв кальмара, создали математическую модель, описывающую, как нейрон накапливает заряд и «стреляет». Эта модель, хоть и сложная, удивительно точна.

Китайская команда взяла за основу именно нейрон Ходжкина-Хаксли и построила на нем сеть. Они называют это «маленькой сетью с большой внутренней сложностью», в противовес нынешним «огромным сетям с маленькой сложностью». Да, такой нейрон сложнее в вычислениях. Но результат того стоит!

Их прототип показал четырехкратный рост производительности при одновременном снижении энергозатрат. Представьте: эффективность растет не потому, что мы добавили еще триллион нейронов, а потому, что каждый из них стал умнее и ближе к биологическому прототипу.

Это кардинально иной путь: интенсивный вместо экстенсивного. Не больше, а лучше. Как отметил Джейсон Эшрагян из Калифорнийского университета, более глубокая связь с нейронаукой может открыть дорогу к созданию систем, которые не только мощнее, но и… разумнее в своем устройстве. Может, пора учиться у природы, а не просто копировать ее масштаб?