Max Home IndustryХорошо, заголовок немного преувеличен, но звучит ли немного точнее — «12 нейронов нематодного червя, припарковавшего машину»? C. elegans определенно является очаровательным червем в сообществе ИИ.
Нематодный червь C. elegans — очень простой организм с умеренно сложным поведением. Важно то, что мы нанесли на карту всю ее нейронную сеть, и это привело к ряду потрясающих проектов. Сначала была эмулирована вся сеть, поэтому мозг червя был помещен в лего, а затем в тело Arduino. Совсем недавно была смоделирована подсеть из 12 нейронов, которым удалось успешно реализовать алгоритм балансировки вертикального маятника — червь балансирует полюс на своем хвосте.
Все это достаточно удивительно, но теперь у нас есть та же подсеть из 12 нейронов, которая припарковывает машину:
Рассматриваемая сеть обычно отвечает за рефлекс отвода. Вы касаетесь «носа» C. elegans, и она удаляется.
A = общая нейронная структура C. elegans B = цепь рефлекса ответвления.
В этом случае сеть была изменена, но не биологически маловероятным образом. Сетевые соединения могли изменяться по силе с течением времени. Модельные нейроны в этом случае намного сложнее и тоньше, чем в большинстве нейронных сетей. Также моделировалось поведение синапса, разрыв между нейронными связями. Различные параметры более реалистичных нейронов задавались с помощью простого алгоритма обучения с подкреплением. Это отличает эту работу от предыдущего примера с балансировкой полюсов, потому что сеть обучена выполнять эту работу.
В этом случае он был опробован на балансировке полюсов, классической задаче горного автомобиля и парковке. В каждом случае сеть училась выполнять свою работу.
Вы можете увидеть, как улучшилась сеть в задаче балансировки полюсов, на видео ниже:
Обучение было достаточно быстрым — 5000 итераций для изучения задачи парковки. Другие задачи, похоже, занимают больше времени, но есть доказательство того, что эта нейронная схема и другие подобные схемы являются универсальными приближениями для любой непрерывной динамики с конечным временем, что означает, что их можно обучить делать что угодно.
«Мы показываем, что наши политики нейронных цепей работают так же хорошо, как и политики глубинных нейронных сетей, с преимуществом реализации интерпретируемой динамики на клеточном уровне».
Надо сказать, что достижение такого комплекса всего с 12 нейронами замечательно. Однако вы также должны учитывать повышенную сложность каждого нейрона. Чтобы правильно сравнить подобное с подобным, вам необходимо сопоставить количество настраиваемых параметров в «реальной» нейронной модели и в гораздо более простых нейронных сетях, которые мы обычно используем. Давно утверждалось, что точная модель того, как работает бологический нейрон, может не быть необходимой для достижения тех же результатов. Например, самолет не летает, взмахивая крыльями, но и птицы, и самолеты используют одни и те же принципы гидродинамики.
Это не означает, что этот подход к нейронным сетям может иметь больше, чем просто теоретический интерес. Если 12 нейронов могут научиться парковать машину, сколько потребуется, чтобы ее водить?