Австралийская компания Cortical Labs показала, что объединение сразу 15 биологических компьютеров в единую сеть заставляет живые человеческие нейроны работать точнее и эффективнее. Вопреки известной поговорке, здесь «пятнадцать голов» действительно оказались лучше одной: коллективная культура нейронов решала задачи заметно умнее, чем любая отдельная машина.
Соединённые нейрочипы распределяли задачи между собой, проходя тесты точнее и эффективнее. Источник изображения — newatlas.com
Новую разработку представили на первой международной конференции по органоидному интеллекту (International Conference on Organoid Intelligence), прошедшей в США. Систему назвали вполне символично — HIVE, то есть «улей».
В основе HIVE лежит объединение 15 прорывных биокомпьютеров CL1 производства Cortical Labs. Идея проста: вместо того чтобы доверять решение задач одной машине на живых клетках мозга, инженеры решили проверить, не выведет ли результат на новый уровень командная работа.
Больше «мозговых мощностей» само по себе не гарантирует успех — это знает каждый, кому доводилось делать групповой проект. Тем не менее машины CL1 внутри HIVE самостоятельно распределяли между собой разные части задачи, выбирая наиболее эффективный путь к результату. Этому нейроны никто не обучал: выращенные в лаборатории клетки сами нашли такую стратегию, оказавшись частью более крупной сети.
«Биологические вычисления обладают огромным потенциалом, но практичная система не может зависеть от того, безупречно ли отработает одна-единственная культура каждый раз», — отметил доктор Бретт Каган, сооснователь и глава Cortical Labs.
По его словам, природа решает сложные задачи сообща: мозг распределяет информацию между специализированными участками, а улей опирается на множество рабочих особей, каждая со своей функцией, вносящих вклад в общий результат. HIVE переносит этот принцип на биологические вычисления, создавая системы, которые стабильнее, устойчивее и способнее любой отдельной культуры.
Разработчики подчёркивают, что схема HIVE не только масштабируется, но и оказывается более стабильной. Поскольку речь идёт о живых клетках, одна группа нейронов может отлично работать сегодня и «лениться» завтра. Объединение нескольких групп помогает удерживать стабильную производительность за счёт распределения нагрузки, а также позволяет системе продолжать работу, даже если одна из групп по какой-то причине перестаёт отвечать.
В тесте на распознавание символов объединение семи биокомпьютеров подняло точность примерно с 80% до 99%. В другом эксперименте HIVE вёл виртуального персонажа по сетке к заданной цели, и систему сравнили с классическим алгоритмом ИИ Deep Q-Network (DQN), который опирается на алгоритмы, а не на живые клетки.
DQN набрал около 32% от максимального результата, тогда как лучший одиночный биокомпьютер Cortical дошёл до 40%. Когда же сразу несколько живых машин совместно решали, какой ход сделать, показатель подскочил примерно до 70%. А распределение задачи между специализированными биовычислительными группами дало ещё больше — около 80%.
В компании оговариваются, что результаты предварительные и ограничены как условиями эксперимента, так и той моделью ИИ, с которой сравнивали HIVE. Тем не менее команда считает, что они убедительно демонстрируют преимущество коллективной работы нейросетевых вычислений перед использованием таких машин поодиночке.
Теперь исследователи намерены разобраться, как именно нейроны обмениваются сигналами и обрабатывают обратную связь между связанными машинами, а также проверить, сдвинет ли добавление новых соединений результат ещё дальше в нужную сторону.
«Одна культура может особенно хорошо показать себя в конкретный день, а другая — нет. Когда культуры работают вместе, эти индивидуальные различия слабее влияют на итог, — пояснил Джонсон Чжоу, научный сотрудник Cortical Labs. — HIVE даёт нам способ управлять этой изменчивостью, опираясь при этом на адаптивность, которая и делает биологические системы столь мощными».
Помимо практической пользы, такой подход оказывается куда более энергоэффективным способом задействовать машинное обучение. Исследование представили на первой конференции ICOI, прошедшей в Вашингтоне 26 и 27 октября.
Источник: Cortical Labs.
