Новости

11.04.2025  Учёный Политехнического института НовГУ совершенствует «осязаемый» искусственный интеллект

В Новгородском университете представили математическую модель электронной динамической перестройки аппаратной нейросети.

  Метод позволит реализовать физическую, «осязаемую» нейросеть с возможностью перестройки в режиме реального времени. Автор разработки — старший научный сотрудник кафедры Проектирования и технологии радиоаппаратуры Политехнического института НовГУ Александр Никитин.

На данный момент аналогов метода в России и зарубежных странах нет.

Аппаратно-реализованный ИИ может работать гораздо быстрее, чем «традиционный» программный искусственный интеллект. Аппаратно-реализованные нейронные сети — это класс нейронных сетей, имеющих физическую («в железе») реализацию. Они построены на различных физических принципах и в основе своей имитируют работу головного мозга. К примеру, электронные схемы, выполненные на микропроцессорах или на специализированных нейронных процессорах (нейрочипах).

Все нейросети представляют собой структуры, состоящие из искусственных нейронов и соединяющих их синапсов, определяющих степень связи между нейронами. Все вместе они обрабатывают информацию и делают выводы. А роль параметров, определяющих степень влияния одного нейрона на другой, возложена на так называемые веса. Это коэффициенты, определяющие «влияние» входящих данных. Они могут увеличивать или уменьшать важность определённой информации. Именно они корректируются во время машинного обучения, чтобы то, что выдаёт нейросеть, наиболее соответствовало тому, что у неё попросили.

Программные нейросети переводят запрос в машинный код — язык инструкций, понятный процессору компьютера, который осуществляет вычисления. То есть скорость работы программного ИИ напрямую зависит от скорости процессора и внешних устройств. Для аппаратной реализации искусственного интеллекта пропускается этот этап преобразования, и нейросеть сразу приступает к вычислению результата — это задаёт потенциал в приросте скорости получения результата, поскольку вычисления происходят параллельно.

Математическая модель учёного Политехнического института НовГУ позволила решить одну из главных задач – обеспечить возможность внешнего управления синапсами – областями взаимодействия между аппаратно-реализованными нейронами. Синапсы нужны для связывания и запоминания отношений «посыл — следствие». С их помощью нейросеть перестраивается с одной задачи на другую, «учится».

«Если в программной нейросети перестройка — смена задачи — осуществляется через программный код, то как это сделать в аппаратной сети, «в железе»? Как обучить «железку» чему-то новому? Переставлять нейроны вручную? На данный момент главная проблема физических, то есть реализованных «в железе», нейросетей — это перестройка весов, особенно если нейроны имеют субмикронные размеры. Это лишает подобные приборы возможности адекватно реагировать на меняющиеся условия окружающей среды. Возможность динамической перестройки аппаратных нейросетей в реальном времени — одна из важнейших задач, решение которой позволит выйти сфере искусственного интеллекта на новый уровень», — объяснил Александр Никитин.

Следующим этапом является получение полной программной модели электронно-перестраиваемой нейросети. Построенная полная модель сможет дать ответ на ряд вопросов, связанных с параметрами исходной магнитоэлектрической структуры и величин внешнего электрического поля, при которых физически реализованная нейроструктура будет способна решать поставленные задачи.

Исследование выполнено за счёт гранта Российского научного фонда.

ПТИ