Alimlər özünü bərpa edə bilən və ənənəvi modellərlə müqayisədə daha sürətli öyrənən yeni tip süni intellekt təqdim ediblər. Sistem insan beyninin sabitliyi qoruma və yüklənmədən sonra bərpa olunma qabiliyyətini təmin edən homeostaz və özünütənzimləmə prinsiplərinə əsaslanır. Təcrübələrdə bu süni intellekt “səsli” və natamam məlumatlarla işləyərkən yüksək dayanıqlılıq nümayiş etdirib - onun dəqiqliyi mövcud neyroşəbəkələrlə müqayisədə xeyli az azalıb. Bu, tibbi və əczaçılıq sahələrində etibarlı süni intellekt sistemlərinin yaradılmasına yol aça bilər. Müasir neyroşəbəkələr hələ də zəif tərəflərə malikdirlər: verilənlərdəki kiçik səhvlər və ya parametrlərin balanssızlığı “neyronların ölməsinə”, yəni şəbəkənin bəzi hissələrinin qeyri-aktiv hala gəlməsinə səbəb ola bilər. Bu isə modelin öyrədilməsini çətinləşdirir. Tədqiqatçılar problemi fərqli istiqamətdən həll etməyə qərar veriblər - hesablamaları artırmaq əvəzinə, təbiətin özündən ilham alıblar.

 

Bunun nəticəsində BioLogicalNeuron adlı neyroşəbəkə arxitekturasının yeni elementi yaradılıb - bu element bioloji neyronların dayanıqlılığından ilhamlanaraq dizayn edilib. Əsas ideya homeostazın - beynin özünü tənzimləmə mexanizminin - imitasiya edilməsindən ibarətdir. BioLogicalNeuron “kalsium səviyyəsi” adlanan virtual göstəricidən istifadə edir - bu, bioloji hüceyrələrin aktivlik və sağlamlıq indikatorunun analoqudur. Əgər bu səviyyə normanı aşarsa, neyron daxili özünənəzarət mexanizmini işə salır: həddindən artıq güclü əlaqələri zəiflədir, vacib olanları gücləndirir və istifadə olunmayanları “kəsir”. Beləliklə, şəbəkə özü yüklənmənin qarşısını alır və sabitliyini qoruyur. Model dərmanların hazırlanmasında istifadə olunan mürəkkəb məlumat bazaları üzərində, o cümlədən HIV və SPID tədqiqatları ilə bağlı verilənlərdə sınaqdan keçirilib.

 

BioLogicalNeuron cəmi 3 təlim dövrü ərzində 100% doğrulama dəqiqliyinə nail olub, halbuki ənənəvi arxitekturalar üçün bu göstəriciyə çatmaq 15 dövrə qədər vaxt tələb edirdi. Bu, yalnız yüksək öyrənmə səmərəliliyini deyil, həm də hesablama resurslarının daha rasional istifadəsini göstərir. Yeni sistem “çirkli” məlumatlar şəraitində də işləmək qabiliyyətini qoruyur. Tədqiqatçılar təlim verilənlərinə qəsdən səs (yəni təsadüfi səhvlər və ya qarışıqlıq) əlavə etdikdə, modelin performansı orta hesabla cəmi 8.6% azalıb, halbuki digər neyroşəbəkələrdə bu göstərici 13-17% arasında dəyişib. BioLogicalNeuron süni intellektin yaradılması yanaşmasını dəyişə bilər. Hesablama gücünü və məlumat miqdarını artırmaq əvəzinə, tədqiqatçılar indi beynin fəaliyyət prinsiplərinə - özünütənzimləmə və bərpa mexanizmlərinə əsaslanırlar. Belə süni intellekt öyrəndiyi bilikləri itirmədən öyrənməyə və uyğunlaşmağa qadirdir, həm də nasazlıqlara qarşı dayanıqlıdır. Bu xüsusilə tibb, dərman hazırlanması və məlumatların tez-tez natamam olduqları digər sahələr üçün çox vacibdir.