Работа, о которой идет речь, вышла в журнале PLOS Computational Biology. Ученые из Мюнхенского технического университета (TUM) выяснили, что искусственные нейронные сети, если их предварительно обучить с использованием биологических данных, могут делать более точные и быстрые прогнозы. Вдохновением для них послужила работа зрительной системы у позвоночных в раннем развитии — еще до открытия глаз.
На этой стадии в сетчатке глаза возникают спонтанные волны активности. Эти «сетчаточные волны» не зависят от внешнего света и координируют соединения между глазом и мозгом. Грубо говоря, глаз начинает тренироваться видеть до того, как впервые откроется.
Исследователи использовали данные сетчаточных волн мыши, чтобы предварительно обучить нейросети, имитирующие работу мозга. Затем все сети — и те, что прошли такое обучение, и те, что нет — тренировали с помощью видеосимуляции от первого лица: мышь бежит по узкому коридору с разными узорами на стенах.
Задача была проста: предсказывать, как будут меняться узоры на стенах. Предварительно обученные сети справились с ней быстрее и точнее. При этом ученые проверили, не связано ли улучшение с тем, что у этих сетей было больше времени на обучение. Даже при одинаковой продолжительности предварительно подготовленные сети работали лучше.
Далее задачу усложнили: использовали реальные видео от лица бродячей кошки. Качество изображения было ниже, движения — сложнее. Но и тут предварительно обученные сети показали лучшие результаты.
Интерес к тому, как ИИ может понимать и предсказывать движения, растет не только в лабораториях, но и в дикой природе. Ранее Наука Mail рассказала о проекте, в котором нейросети обучаются на видеозаписях поведения животных в горах Швейцарии.