Мозг бабочек на порядки эффективнее искусственных нейросетей
Ученые построили модель обонятельной системы бражника Manduca sexta. На небольшом количестве информации они смогли воспроизвести то, как насекомые обучаются в природе. При этом на обучение современных искусственных нейросетей требуется на порядки больше данных. Препринт с результатами работы опубликован на сервере arXiv.org.
Искусственные нейросети с глубоким обучением могут хорошо распознавать образы на основе представленных в обучающей выборке. Однако, несмотря на название, эти системы существенно отличаются от естественных нейросетей животных. Соответственно, многие процессы, в том числе и обучение, по-видимому, происходят в них совсем по-разному. Это различие подтверждает тот факт, что эффективность обучения живых организмов (например, насекомых) и искусственных структур сильно разнится.
В новой работе ученые построили компьютерную модель, которая воспроизводит структуру обработки обонятельной информации у бабочки. Она состоит из пяти модулей: 30 000 рецепторов, обонятельной доли мозга, грибовидного тела, бокового рога мозга и слоя внешних нейронов. Рецепторы считывают информацию о молекулах и передают сильно зашумленный сигнал. В обонятельной доле он усиливается. Считается, что клетки грибовидного тела хранят информацию о запахах. Боковой рог управляет нейронами в грибовидном теле. Внешние нейроны преобразуют сигнал в поведенческую команду, например, такую как «лететь направо».
Эта система во многом отличается от искусственных нейросетей. Например, обонятельная доля представляет информацию в пространстве низкой размерности, в то время как грибовидные тела пользуются многомерным пространством параметров. В то же время все слои искусственных нейросетей обычно пользуются информацией одинаковой размерности. Кроме того, у насекомых иная система вознаграждения. Если бабочка получает искомый сигнал, нейромедиатор октопамин массово выбрасывается по всей обонятельной доле и грибовидному телу. Без этой системы обонятельного обучения попросту не происходит. Меж тем, у искусственных нейросетей обучение обычно происходит посредством обратного распространения ошибки, то есть передачи информации в обоих направлениях, чего не происходит в природе.
Созданная авторами новой работы программа продемонстрировала все основные свойств обучения реальных насекомых, в частности, она преобразовывала зашумленный сигнал с рецепторов в однозначное указание действия на внешних нейронах. «Наша модель может надежно обучаться новым запахам и демонстрирует статистические свойства срабатывания нейронов, совпадающие с реальными», — говорят авторы статьи. Ученые надеются, что их работа позволит создать новые системы машинного обучения, способные обучаться на небольшом количестве примеров.
