ТАСС, 1 ноября. Ученые из США и Австралии впервые создали рукотворную нейросеть, способную учиться в потоковом режиме и запоминать информацию в процессе работы, не используя для этого внешнюю память. Это стало возможным благодаря использованию нанопроводов в качестве аналогов нервных окончаний, сообщила пресс-служба Сиднейского университета. Исследование опубликовано в среду в журнале Nature Communications.

       "Как правило, при работе систем машинного обучения данные сначала записываются в память, а потом они используются для обучения нейросетей, на что расходуется много энергии и что не позволяет использовать подобные алгоритмы для обработки потоковых данных. Нейросети на базе нанопроводов решают эту проблему и позволяют значительно сократить расходы энергии и памяти", - заявила соавтор работы из Сиднейского университета Зденка Кунчич, чьи слова приводит пресс-служба вуза.

       Исследователи уже много лет работают над созданием нейроморфных систем - рукотворных аналогов нервной системы на базе нанопроводов. Пересечения этих наноструктур способны прогнозируемо менять свое сопротивление при движении электричества через часть нанопроводов, что позволяет использовать их в качестве мемристора: резистора с эффектом памяти, который обладает некоторыми ключевыми свойствами нервных клеток.

       Недавно ученые обнаружили, что эти конструкции из нанопроводов лишены одного из главных недостатков других типов мемристоров - их неспособности обучаться на лету и при этом запоминать новые знания в процессе работы. В прошлом это не позволяло применять подобные аналоги нервных клеток для обработки потоковых данных, непрерывно поступающих в нейросеть из подключенных к ней камер и сенсоров или из глобальной сети.

       Исследователи доказали, что их разработка может решать подобные задачи, создав на ее базе систему машинного зрения, способную распознавать черно-белые изображения рукописных цифр. Работу этого физического подобия нейросети исследователи проверили на наборе из 70 тыс. изображений из базы данных MNIST, используемой для обучения систем машинного зрения.

       Проведенные профессором Кунчич и ее коллегами тесты показали, что нейросеть на нанопроводах научилась распознавать рукописные цифры с 93,4% точностью. Она могла запомнить последовательность из 8 чисел не используя при этом внешние хранилища данных. Эта технология приближает разработку машинного интеллекта с высокой эффективностью и небольшими затратами энергии для выполнения задач, максимально приближенных к реальности, считают авторы.