Российские ученые совершили значительный прорыв в области искусственного интеллекта, разработав инновационную структуру биполярного морфологического нейрона. Данная разработка представляет собой упрощенную версию классических нейронов, которые используются в современных системах ИИ. Центр научной коммуникации МФТИ сообщает, что новый метод обучения способен существенно повысить эффективность работы нейронных сетей.
Аспирант МФТИ Михаил Зингеренко подчеркнул, что разработанный метод позволяет достигать высоких результатов при использовании упрощенной структуры нейронов. Такой подход открывает новые возможности для создания более быстрых и энергоэффективных нейронных сетей.
В современных системах искусственного интеллекта используются преимущественно классические искусственные нейроны, работающие на основе операций сложения и умножения. Поскольку операция умножения требует значительных вычислительных ресурсов, научное сообщество активно ищет альтернативные модели нейронов. Биполярные морфологические нейроны, в которых умножение заменяется на операцию взятия максимума, являются одним из перспективных направлений исследований.
Российским исследователям удалось создать усовершенствованную модель биполярного морфологического нейрона, которая существенно упрощает процесс вычислений, сокращая количество вычислительных веток с четырех до одной. Разработанный метод обучения нейросетей использует технологию дистилляции знаний, что позволяет достичь точности, сравнимой с классическими моделями.
Эксперименты показали, что созданные учеными аналоги систем LeNet и ResNet-22 демонстрируют практически идентичную точность при распознавании изображений и рукописного текста по сравнению с классическими версиями. Это открытие создает основу для разработки высокопроизводительных и экономичных версий других алгоритмов искусственного интеллекта, сообщает ТАСС.
