Компьютерные нейронные сети демонстрируют впечатляющие результаты, но нуждаются в мощных электронных устройствах: видеокартах и AI-ускорителях для работы.
Ученые из США выбрали иной подход и воплотили нейросеть в механизме, состоящем из пружин с переменной жесткостью.
Инженеры-механики Калифорнийского университета в Лос-Анджелесе создали механический эквивалент компьютерной нейронной сети. Это трехмерная решетчатая конструкция из соединенных пружин с регулируемой жесткостью. Настраивая жесткость каждой пружины, такую конструкцию можно обучить реагировать на изменяющиеся условия. сообщают ученые в журнале Science RoboticsЭто программируемый материал, который может менять распределение нагрузок и смягчать возникшие напряжения.
Нейронные сети функционируют по принципу связей между нейронами. В искусственных сетях, используемых на компьютерах и мобильных устройствах, нейроны организованы в слои. В начале их связи случайны, и сама сеть не имеет ценности. Для обучения ей поступают миллионы изображений – например, если это сеть для распознавания картинок.
При обработке изображения нейросетью первые нейроны слоя передают сигнал следующим слоям до тех пор, пока последний слой не выдаст конечный результат. Каждая картинка создает свой трехмерный рисунок активации нейронов послойно, но изображения с похожим содержанием, хотя и активируют немного разные нейроны, дают один и тот же выходной сигнал. Например, для всех изображений с собаками получается одно и то же значение, как у слова «собака».
Изменение связей между нейронами во время обучения обуславливает функционирование нейросети. Некоторые нейроны усиливают соединение друг с другом, формируя отдельные группы. Эти группы активируются одновременно при наличии характерных черт объекта на изображении. Если показывать нейросети разные изображения собак, в ней будут активироваться одни и те же группы «собаковидности», что позволяет нейросети отвечать словом «собака». Таким образом, обучение нейросети (в том числе компьютерной) сводится к формированию связей нужной силы между определенными нейронами.
Инженеры из Калифорнии предложили простой способ: объединить механические пружины с регулируемой жесткостью в многослойную трёхмерную структуру. Жесткость пружин станет играть роль силы связей нейронов. С помощью компьютерного моделирования исследователи изучили 200 разных структур и пришли к выводу, что оптимальнее соединять пружины в треугольные пирамиды. Именно такая структура наиболее схожа с простейшей компьютерной нейронной сетью.
Создание многослойной структуры из пружин ученым оказалось сложным, поэтому в эксперименте использовали плоскую решетку из треугольников размером примерно 60 на 45 сантиметров. Размер одной пружины составлял около 15 сантиметров. Без электричества не обошлось: жесткость пружин регулировала магнитное поле обычных звуковых катушек, а силу воздействия на пружину регистрировал датчик деформации. Поэтому образцу следовало бы назвать электромеханической нейросетью, а не чисто механической.
Достаточно простой конструкции оказалось достаточно, чтобы научить систему реагировать на измененные условия. Пружинная система динамически приспосабливалась под воздействие давления разной силы со всех сторон, с целью свести его к нагрузке неизменного значения и направления.
Механическая нейросеть калифорнийских ученых ведет себя как «умный» материал, реакции которого можно программировать обучением. Из нее можно сделать крыло самолета, которое подстраивается под потоки воздуха, выгибаясь нужным образом, чтобы избежать сильных колебаний подъемной силы. Броня из таких пружинящих треугольников будет концентрировать максимальную прочность в месте удара снаряда.
Однако для достижения этой цели необходимо значительно сократить масштабы механической нейронной сети и переместить её в микроскопический мир. материалы с регулируемой жесткостьюТогда возникнет возможность создавать трехмерные решетки из большого числа пружинящих элементов. Интеллектуальность такой «вещественной нейросети» увеличится многократно – её можно будет обучать значительно более сложным действиям.