Глубинные нейросети аналогичны системам нашего мозга

TJHi-Tech

Не просто «чёрные ящики»: как нейросети применяют не для замены людей, а для изучения работы мозга

Модели, часто критикуемые за непрозрачные алгоритмы, отлично подходят для исследований в неочевидных, на первый взгляд, целях.

Дамир Камалетдинов

1280
Фото Quanta

В 2011 году в глубоком обучении произошла революция, после чего нейросети превзошли людей в распознавании объектов. С тех пор человечество всё больше полагается на глубинные нейросети или Deep neural networks. Их применяют в беспилотных автомобилях, смартфонах, соцсетях и многих повседневных вещах.

Однако с развитием глубокого обучения усилилась и критика такого подхода. Самая частая претензия, которую начали предъявлять нейросетям — их непрозрачность: зачастую даже сами исследователи не в курсе, как именно алгоритмы принимают решение. Но группа исследователей в Стэнфордском университете решила использовать эту особенность нейросетей на пользу науке — для изучения работы человеческого мозга. На это обратили внимание в Quanta Magazine.

Как нейросети начали применять для изучения мозга

Глубинные нейросети отличаются от привычных нейронных сетей тем, что используют множество уровней для постепенного извлечения информации из необработанных данных. Это позволяет им быть более гибкими, универсальными в применении и моделировать более сложные данные с меньшим количеством ресурсов. Например, при обработке изображения одни уровни такой нейросети могут распознавать области по краям, а другие — определять лица, текст или цифры.

1280
Как может работать распознавание изображений в глубинных нейросетях. Изображение Свена Бенке по лицензии Creative Commons 4

Глубокие нейронные сети можно научить выявлять закономерности, например, определённых животных на изображениях. В процессе обучения алгоритм сам отрегулирует связи между виртуальными «нейронами» и научится связывать входные данные с корректной меткой. В идеале глубинную нейросеть после единоразовой тренировки можно использовать для распознавания данных, которые она никогда не видела.

Один из главных прорывов в работе над нейросетями с глубоким обучением произошёл в 2011 году. Тогда доктор наук в вычислительной нейробиологии MIT Дэниел Яминс создал систему, которая могла бы распознавать объекты на изображениях вне зависимости от их размеров, позиции и других свойств — то, что с лёгкостью даётся людям, но в те годы ещё не удавалось машинам.

Я чётко помню, как мы обнаружили нейросеть, которая действительно решает эту задачу. Было два часа утра, слишком рано, чтобы будить моего советника или других коллег, поэтому я решил пройтись по холоду в Кэмбридже. Я был очень взволнован. Дэниел Яминс, доктор наук в вычислительной нейробиологии MIT

Работа Яминса стала выдающимся достижением в области искусственного интеллекта и в том числе обеспечила им такое мощное развитие в течение нескольких следующих лет. Но для учёного и его коллег-нейробиологов система оказалась поворотным моментом по другой причине — она позволила серьёзно приблизиться к разработке вычислительных моделей функций мозга.

В итоге Яминс и его советник Джеймс Дикарло возглавили лабораторию в Стэнфордском университете, где нейросети используют не для того, чтобы превзойти людей или облегчить им жизнь, а чтобы лучше понять, как работает человеческий мозг.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Чем вредны бананы? Чем вредны бананы?

Углеродный след обычных вещей и процессов

kiozk originals
«Можно хакнуть либидо через тело»: исследовательница Сара Хилл — о гормонах и женской сексуальности «Можно хакнуть либидо через тело»: исследовательница Сара Хилл — о гормонах и женской сексуальности

Женские гормоны настолько могущественны, что могут убить или возродить либидо

Forbes
Бизнес в особом режиме Бизнес в особом режиме

Московская область — один из благоприятных регионов для развития формата ОЭЗ

РБК
Американские горки. Почему эйфория от выборов в США долго не продлится Американские горки. Почему эйфория от выборов в США долго не продлится

Чуда, в которое готовы были поверить участники мировых рынков, не случилось

СНОБ
«Не считаю себя селебрити» «Не считаю себя селебрити»

Евгений Цыганов может отмечать премьеры едва ли не каждый день

Огонёк
5 нелепых исторических событий 5 нелепых исторических событий

Самые удивительные и необычные исторические факты, в которые трудно поверить

Maxim
Аборт и закон: могут ли нам запретить решать, когда быть матерью? Аборт и закон: могут ли нам запретить решать, когда быть матерью?

Как один закон может повлиять на судьбы многих женщин

Cosmopolitan
Бумажные полотенца и средство для мытья посуды помогли удалить токсичные химикаты с кожи Бумажные полотенца и средство для мытья посуды помогли удалить токсичные химикаты с кожи

Как эффективно удалить токсичные загрязнения с кожи

N+1
Пять преступников номер один в мире Пять преступников номер один в мире

Хит-парад злодеев современности

Maxim
Александр Великий Александр Великий

Македонец, покоривший мир

kiozk originals
Где снимали сериал «Убивая Еву» Где снимали сериал «Убивая Еву»

Герои британского триллера побывали в самых разных уголках Европы

GQ
Жанна Бадоева: «В моей жизни отсутствует понятие ”вредная еда”» Жанна Бадоева: «В моей жизни отсутствует понятие ”вредная еда”»

Подробности обычной жизни Жанны Бадоевой

Худеем правильно
Литовцы или литвины? Литовцы или литвины?

Кто в большей степени имеет право считаться наследниками Великого княжества?

Дилетант
«Патриархат вредит мужчинам, я в этом убеждена»: большое интервью с Таней Мингалимовой «Патриархат вредит мужчинам, я в этом убеждена»: большое интервью с Таней Мингалимовой

Нежный редактор здесь, ноунеймы

Playboy
7 фактов о техасском Мэттью по фамилии Макконахи 7 фактов о техасском Мэттью по фамилии Макконахи

Путешественник по черным дырам и настоящий детектив Мэттью Макконахи

Maxim
Князь Довмонт, герой Пскова Князь Довмонт, герой Пскова

Ещё при жизни о князе Довмонте сложились легенды.

Дилетант
Быт с привилегиями: чем «Городок чекистов» в Екатеринбурге отличался от других советских районов Быт с привилегиями: чем «Городок чекистов» в Екатеринбурге отличался от других советских районов

История и современность района Екатеринбурга, известного как «Городок чекистов»

VC.RU
Актер 2020 года: Юра Борисов Актер 2020 года: Юра Борисов

Победные дубли Юры Борисова открыли ему путь в лигу киночемпионов

GQ
Искала одного, выбрала другого: чему меня научили свидания Искала одного, выбрала другого: чему меня научили свидания

Читательница поделилась опытом первых свиданий с людьми, встреченными онлайн

Psychologies
Продюсер 2020 года: Вячеслав Муругов Продюсер 2020 года: Вячеслав Муругов

Империя Вячеслава Муругова оккупирует все экраны страны

GQ
Сладость обиды Сладость обиды

Социальные сети как фабрика показных переживаний

Огонёк
Как относились друг к другу Бунин и Горький? Как относились друг к другу Бунин и Горький?

В отношениях Ивана Бунина и Максима Горького можно выделить три этапа

Культура.РФ
Братец Кролик и братец Лис Братец Кролик и братец Лис

Банкротство Прамода Миттала с долгом в сто тридцать миллионов фунтов

Tatler
Родом из детства Родом из детства

Для того, чтобы похудеть, достаточно разобраться со своими детскими отношениями?

Худеем правильно
Пирог с курицей, грибами и гречкой Пирог с курицей, грибами и гречкой

Идеальное платоновское блюдо — пирог

Weekend
«Искусство не терпит трафаретов» «Искусство не терпит трафаретов»

История жизни Ильи Репина в его картинах

Культура.РФ
Как ухаживать за замшевой обувью: эксплуатация, чистка и 6 лучших средств Как ухаживать за замшевой обувью: эксплуатация, чистка и 6 лучших средств

Замшевая обувь неприхотлива в уходе, но даже тут есть свои нюансы и тонкости

Cosmopolitan
Секонд-хенд от дизайнера Секонд-хенд от дизайнера

Магазин RigRaise — первая в России попытка дать шанс старым вещам

Эксперт
Головоногий моллюск спирула впервые попал на видео и шокировал ученых Головоногий моллюск спирула впервые попал на видео и шокировал ученых

Раньше посмотреть на морского обитателя в естественной среде не удавалось

National Geographic
Карен Газарян: Что не так с жертвами харрасмента Карен Газарян: Что не так с жертвами харрасмента

Жертвы насильников не чувствуют собственные границы и путаются логически

СНОБ
Открыть в приложении