Когда исследователи говорят об искусственном интеллекте, то в основном подразумевают класс компьютерных программ, называемый «искусственными нейронными сетями». Они призваны имитировать работу нашего , что существенно расширяет спектр их возможностей и дает пространство для креатива. Такие «сети» могут идентифицировать содержание фотографий, побеждать людей в стратегических играх и даже самостоятельно управлять транспортными средствами.
По сути, эти программы состоят из набора «нейронов», как и наш . Каждый нейрон связан со случайным числом своих сородичей и способен выполнять лишь базовые вычисления. Однако вместе они образуют такую мощную сеть, что ее вычислительный потенциал практически безграничен — все зависит от итогового числа составляющих.
Самая важная сеть в нейронной сети — это характер связи между нейронами. Процесс формирования таких связей называется «машинным обучением» и тоже напоминает то, как наш собственный учится обрабатывать информацию. Единственная разница заключается в том, что наш регулярно удаляет старые связи, но большинство нейронных сетей делают это лишь в самом конце обучения.
Поэтому исследователи из MIT решили попробовать кое-что новое: регулярно «обрезать» сеть прямо во время изучения. Они обнаружили, что этот метод в конечном итоге формирует нейтронные сети, которые так же хороши, как и стандартные — однако при этом они занимают на 90% меньше места и намного более эффективны. Кроме того, им нужно меньше времени на обучение, а результаты их работы более точны в сравнении с традиционными аналогами — все благодаря качественной связи всех нейронов друг с другом.
В ближайшем будущем ученые планируют развивать свою методику, чтобы получить поколение качественно более совершенных нейронных сетей. Эти мощные и легковесные программы можно будет интегрировать даже на пользовательские устройства и заставить работать даже на обычном смартфоне, что открывает широчайшие возможности во всех сферах компьютерных технологий — от разработки компьютерных игр до создания приложений с практически универсальным функционалом.
