В журнале Nature Human Behaviour вышла статья исследователей из Университета Оснабрюка, Свободного университета Берлина и ряда других научных центров. Ученые разработали новую архитектуру нейросетей — полностью топографические нейронные сети (All-TNN), которые лучше отражают устройство зрительной системы человека, чем классические модели, такие как сверточные нейронные сети (CNN).
Обычные CNN работают эффективно, повторяя одну и ту же функцию во всех участках изображения. Но такой подход не отражает реальное поведение мозга. В коре больших полушарий зрительная информация организована ретинотопически — так, что соседние области коры обрабатывают соседние участки зрительного поля. Более того, признаки, на которые реагируют нейроны, также связаны с их расположением на поверхности коры.
Авторы новой модели перенесли этот принцип в архитектуру искусственной сети: в All-TNN избирательность к признакам варьируется вдоль «поверхности» сети. То есть признаки, которые «ищет» модель, меняются постепенно, подобно тому, как это происходит в мозге. Это приближает ИНС к биологической зрительной системе и делает возможным более точное воспроизведение не только обработки информации, но и поведенческих паттернов человека.
Модели All-TNN не только демонстрируют лучшую интерпретацию визуальных данных, но и могут в будущем помочь нейробиологам изучать фундаментальные процессы восприятия. Авторы подчеркивают: они хотят сделать обучение таких моделей более эффективным и гибким, ведь именно плавное распределение признаков в коре — одно из важнейших открытий биологии, которое все еще ждет точной имитации в ИИ.
Ранее Наука Mail рассказала, как размышляющий ИИ незаметно оставляет за собой углеродный след, сравнимый с дальнемагистральным перелетом.