Группа ученых под руководством физика Сэмюэла Диллаву собрала небольшую электрическую сеть, соединив случайным образом 16 резисторов. Исследователи устанавливают напряжение для определенных входных узлов и считывают показатели выходных узлов. Самостоятельно регулируя резисторы, сеть научилась производить желаемые данные для заданного набора исходных значений.
«Сеть была настроена для выполнения множества простых задач ИИ, — говорит Диллаву. — Например, она может различать три вида цветков ириса с точностью более 95% на основе четырех параметров: длины и ширины лепестков и чашелистиков».
Для машинного обучения ИИ, как правило, используют искусственные нейронные сети. Такие сети обычно существуют только в памяти компьютера. Нейронная сеть состоит из точек или узлов, каждый из которых может принимать значение от 0 до 1, соединенных ребрами. Каждое ребро имеет свой вес в зависимости от значений в узлах. При обучении такой системы требуется проводить регулировку веса ребер, чтобы получить нужный результат.
«Это сложная проблема оптимизации, которая значительно возрастает с увеличением размера сети и требует большого количества вычислительных ресурсов», — отмечает Диллаву. — Ситуация усложняется тем, что все ребра должны настраиваться одновременно».
Чтобы обойти эту проблему, физики искали системы, которые могли бы настраивать себя без внешних вычислений.
В своем исследователи ученые построили две идентичные сети друг над другом. В замкнутой сети они подавали напряжение и фиксировали на выходных элементах нужные значения. В открытой сети устанавливалось только напряжение на входном резисторе.
Система регулировала сопротивление на резисторах в двух сетях в зависимости от разницы напряжений между идентичными узлами в каждой из них. За нескольких итераций эти корректировки привели все напряжения во всех резисторах в двух сетях в соответствие. Система научилась выдавать правильные выходные данные для заданных исходных значений.
«Эта настройка требует незначительных вычислений, — говорит Диллаву. —Системе нужно только сравнить падение напряжения на соответствующих резисторах в замкнутой и свободной сетях с помощью компаратора. Наша работа доказывает принципиальную возможность нового способа машинного обучения, который не требует больших вычислений».
Читать далее:
«Джеймс Уэбб» сделал самую четкую фотографию звезды в истории
Добровольная смерть. Рассказываем, как работает процедура эвтаназии во всем мире
Ученые наткнулись на археологическую аномалию 1500-летней давности