Ученые подобрали архитектуру нейросети, воспроизводящей сложность биологического нейрона с точностью 99%. Исследование позволило впервые провести сопоставление биологических и искусственных нейронов.
Ключевое сходство между искусственными и биологическими нейронами состоит в том, как они обрабатывают поступающую информацию. Оба типа нейронов получают входящие сигналы и, основываясь на этой информации, решают, посылать ли свой собственный сигнал другим нейронам. Для моделирования взаимосвязи между входными данными, получаемыми длинными древовидными ветвями биологического нейрона (дедритами), и его решением послать сигнал дальше, нейробиологи используют функцию ввода-вывода.
Именно эту функцию авторы исследования обучили имитировать нейросеть. Они начали с создания масштабной имитации функции ввода-вывода нейрона из коры головного мозга крысы с различными деревьями дендритных ветвей вверху и внизу, известными как пирамидальный нейрон. Затем они ввели симуляцию в нейронную сеть, в каждом слое которой было до 256 искусственных нейронов. Ученые последовательно увеличивали количество слоев, пока не достигли 99-процентной точности на миллисекундном уровне между входом и выходом моделируемого нейрона. Нейросеть успешно предсказала поведение функции ввода-вывода нейрона при количестве слоев от пяти до восьми.
Ученые предполагают, что результаты исследования позволят вывести на новый уровень исследования вычислительных способностей мозга путем его сравнения с нейросетями. Например, если каждый биологический нейрон подобен пятислойной нейронной сети, то, возможно, нейросеть с 50-ю слоями эквивалентна 10 реальным нейронам.
Авторы исследования также считают, что их результат может изменить подход к развертыванию нейросетей путем их приближения к тому, как работает мозг: например, может оказаться эффективным заменить каждый простой элемент нейросети блоком, имитирующим биологический нейрон.
