Ученые разработали первую в мире нейронную сеть, полностью построенную на принципах взаимодействия клеток реального головного мозга. Так, модель воспроизводит передачу сигналов не только между нервными клетками, но и между нейронами и астроцитами — вспомогательными клетками мозга. Эксперименты показали, что «подключение» астроцитов в работу нейросети улучшает ее способность «запоминать», то есть воспроизводить ранее полученную информацию, на 20%. Результаты исследования, поддержанного грантом Президентской программы Российского научного фонда (РНФ), опубликованы в журнале IEEE Transactions on Neural Networks and Learning Systems.
Наш мозг очень быстро реагирует на то, что происходит в окружающем мире: на сигналы опасности, например красный свет светофора, а также нейтральные или положительные стимулы, такие как знакомые лица. Он также в разы эффективнее и быстрее всех существующих компьютерных алгоритмов обрабатывает информацию и учится. Поэтому ученые стремятся создать искусственную нейронную сеть, максимально точно воспроизводящую работу головного мозга. Классические нейросети состоят из простых элементов, взаимодействующих друг с другом подобно естественным нервным клеткам. Однако это упрощенная модель, поскольку в головном мозге, помимо нейронов, есть множество клеток других типов, обобщенно называемых глией. Одни из важнейших компонентов глии — астроциты. Это клетки-«помощники», которые питают нейроны и выделяют вещества, регулирующие передачу электрических импульсов. Также эти клетки участвуют в запоминании информации, а также ее закреплении в памяти.
Ученые из Нижегородского государственного университета имени Н. И. Лобачевского(Нижний Новгород) с коллегами из Королевского колледжа Лондона (Великобритания) предположили, что, если включить в нейронную сеть элементы, имитирующие астроциты, можно оптимизировать ее работу.
Авторы разработали модель, состоящую из элементов, имитирующих нейроны и астроциты. Предложенную нейросеть можно разделить на три слоя: пирамидальные нейроны, воспринимающие сигналы; вставочные нейроны, распространяющие эти сигналы по сети; и астроциты. При этом между искусственными нейронами передаются сигналы, подобные электрическим импульсам, а между астроцитами и от них нейронам — сигналы, воспроизводящие химические вещества, которые выделяются естественными клетками в головном мозге.
Авторы обучили алгоритм распознавать изображения с цифрами и буквами, закодированные в наборе двоичных данных (сочетаниях 0 и 1). Сначала в обучении исследователи задействовали только пирамидальные и вставочные нейроны. Далее авторы подключили к обучению всю систему «искусственных клеток» — как нейроны, так и астроциты, после чего сравнили качество двух вариантов обучения, оценив, насколько корректно нейросеть «вспоминает» — то есть воспроизводит по численному коду — изображения, показанные ей ранее. Оказалось, что нейросеть с астроцитами «запоминала» информацию на 20% лучше. Это значит, что такой алгоритм смог воспроизвести большее количество ранее «изученных» картинок по двоичному коду. Это объясняется тем, что клетки-помощники посылают нейронам дополнительные активирующие сигналы, тем самым облегчая взаимодействие между нейронами и вовлекая их в запоминание.
«Предлагаемая нами модель может использоваться при создании нейроморфного, то есть подобного человеческому мозгу, искусственного интеллекта, работающего более энергоэффективно, чем любые другие алгоритмы. Кроме того, нашу нейросеть можно использовать для моделирования процессов, происходящих в головном мозге, в частности передачи сигналов между нейронами и астроцитами. Это позволит лучше понять причины некоторых когнитивных нарушений и разработать подходы к их лечению. В дальнейшем мы попробуем учесть в модели психоэмоциональные процессы, характерные для человеческого мозга, такие как стресс и эмоции, поскольку они существенно влияют на качество запоминания», — рассказывает руководитель проекта, поддержанного грантом РНФ, Сусанна Гордлеева, доктор физико-математических наук, заведующая научно-исследовательской лабораторией нейродинамики и когнитивных технологий.