Простая электрическая схема научилась распознавать цветы по размеру их лепестков. Это может показаться тривиальным по сравнению с системами искусственного интеллекта (ИИ), которые распознают лица в толпе, транскрибируют устные слова в текст и совершают другие удивительные подвиги. Тем не менее крошечная схема превосходит обычные системы машинного обучения в одном ключе: она обучается сама, без помощи компьютера, подобно живому мозгу. Полученный результат демонстрирует один из способов избежать огромного объема вычислений, они обычно требуются для создания системы искусственного интеллекта – проблемы, которая может стать серьезным препятствием по мере усложнения таких программ. Исследование опубликовано в журнале Science.
Представил работу Сэмюэл Диллаву, физик из Университета Пенсильвании, на ежегодном собрании Американского физического общества.
Диллаву и его коллеги собрали небольшую сеть, случайным образом соединив вместе 16 обычных электрических компонентов, называемых регулируемыми резисторами, подобно множеству трубочистов. Каждый резистор служит краем сети, а узлы – это соединения, в которых соединяются выводы резисторов. Чтобы использовать сеть, исследователи устанавливают напряжения на определенных входных узлах и считывают напряжения на выходных узлах. Регулируя резисторы, автоматизированная сеть училась производить желаемые выходные сигналы для заданного набора входов.
Чтобы обучить систему с минимальными вычислениями и памятью, исследователи фактически построили две идентичные сети друг над другом. В “зажатой” сети они подавали входное напряжение и фиксировали выходное напряжение до желаемого значения. В “свободной” сети они фиксировали только входное напряжение, а затем позволяли всем остальным напряжениям плавать до любого значения, что обычно давало неправильное выходное напряжение.
Затем система отрегулировала сопротивления в двух сетях в соответствии с простым правилом, которое зависело от того, была ли разница напряжений на резисторе в зажатой сети больше или меньше, чем разница напряжений на соответствующем резисторе в свободной сети. После нескольких итераций эти корректировки привели все напряжения на всех, и обучили обе сети выдавать правильный выходной сигнал для заданного входа.
Важно отметить, что для настройки требуется очень мало вычислений. Системе нужно только сравнить падение напряжения на соответствующих резисторах в зажатой и свободной сетях, используя относительно простой электрический виджет, называемый компаратором, говорит Диллаву.
Сеть была настроена на выполнение различных простых задач искусственного интеллекта, отметил ученый на встрече. Например, она может с более чем 95-процентной точностью различать три вида ириса на основе четырех физических измерений цветка: длины и ширины его лепестков и чашелистиков, расположенных чуть ниже цветка. Это канонический тест ИИ, в котором используется стандартный набор из 150 изображений, 30 из них были использованы для обучения сети.
