Научный прорыв совершили исследователи, создавшие глубокую нейронную сеть, которая не просто распознаёт изображения, а способна понимать оптические иллюзии подобно человеческому мозгу. В основе этой способности лежит принцип квантового туннелирования. В ходе экспериментов новая модель продемонстрировала более точное соответствие человеческому восприятию при анализе классических иллюзий — куба Неккера и вазы Рубина, — чем традиционные крупные нейросети, применяемые в компьютерном зрении.
Зрение человека — это результат сложной работы физиологических и психологических механизмов. Оптические иллюзии намеренно эксплуатируют эти механизмы, заставляя мозг видеть в одном изображении два разных варианта и спонтанно переключаться между ними. Такая многовариантность восприятия является уникальной чертой биологического интеллекта.
Современные алгоритмы искусственного интеллекта, даже будучи вдохновлёнными биологией, часто неспособны воспроизвести эту особенность. Их архитектура в первую очередь нацелена на эффективное распознавание и категоризацию объектов, но игнорирует тонкости нейронных процессов, лежащих в основе человеческого сознания и восприятия. Учёные полагают, что корень проблемы — в фундаментальном различии между искусственными и биологическими нейронами.
Инновационный подход на стыке дисциплин
Иван Максимов, старший научный сотрудник Института будущего искусственного интеллекта и кибернетики Университета Чарльза Стерта (Австралия), предложил принципиально новое решение. Он интегрировал явление квантового туннелирования в архитектуру глубокой нейронной сети, что позволило ей «осмысливать» двусмысленные изображения. «На первый взгляд, оптические иллюзии, квантовая механика и нейронные сети кажутся совершенно разными областями. Однако мои исследования показывают, что именно „квантовое туннелирование“ может наделить нейросети интерпретационными способностями, аналогичными человеческим», — пояснил учёный в своей статье для The Conversation.
Как квантовая физика меняет работу нейросетей
Мозг человека постоянно фильтрует информацию, выделяя самое важное. Глубокие нейронные сети, состоящие из множества слоёв искусственных нейронов, построены по аналогичному принципу и способны обрабатывать сложные, нелинейные данные.
Обычно для активации искусственного нейрона входной сигнал должен преодолеть определённый энергетический порог. Максимов предположил, что явление квантового туннелирования может позволить нейронам «просачиваться» сквозь этот барьер даже при недостаточном сигнале. Эта способность, заимствованная из квантового мира, и даёт сети возможность справляться с неоднозначностью оптических иллюзий.
Квантовое туннелирование — это способность микрочастиц преодолевать барьеры, которые в классической физике считаются непреодолимыми.
Обратите внимание: Мировые банки внедряют технологию Blockchain, чтобы не потерять конкурентноспособность.
Это явление стало возможным благодаря корпускулярно-волновому дуализму, когда частицы (например, электроны) ведут себя одновременно и как тела, и как волны. Эффект, открытый в начале XX века, объясняет многие процессы, включая радиоактивный распад.Существуют гипотезы, что квантовые эффекты могут играть роль и в работе нашего мозга, влияя на механизмы сознания и поведения. Хотя эти теории ещё требуют доказательств, квантовые алгоритмы уже показали свою высочайшую эффективность в решении специфических задач. «Исходя из этого, я решил исследовать, что произойдёт, если интегрировать квантовые эффекты непосредственно в архитектуру нейронных сетей», — объясняет Максимов.
На иллюстрации показана архитектура глубокой нейронной сети, использующей эффект квантового туннелирования.
Нейросеть и кот Шрёдингера: неожиданная параллель
Максимов обучил свою модель на классических оптических иллюзиях. В процессе обучения сеть многократно «просматривала» изображения, и с каждым актом квантового туннелирования её внутреннее представление о картинке немного менялось, пока она не «принимала решение» о её интерпретации.
При обработке иллюзий алгоритм выдавал два равновероятных варианта восприятия (например, для куба Неккера — какая грань находится спереди). Со временем предпочтение сети начинало колебаться между этими вариантами, прежде чем остановиться на одном, что в точности повторяет динамику человеческого восприятия. Это поведение удивительным образом напоминает знаменитый парадокс кота Шрёдингера, который одновременно и жив, и мёртв, пока за ним не наблюдают.
(а) Куб Неккера: ответ на вопрос «Теневая сторона куба находится спереди или сзади?» случайным образом колеблется между двумя стабильными состояниями восприятия. (б) Ваза Рубина: «Вы видите два профиля или вазу?»
Исследователи проводят прямую аналогию с квантовым мысленным экспериментом. Подобно тому как квантовая частица существует в суперпозиции состояний до момента измерения, нейросеть с квантовым туннелированием удерживает в себе обе интерпретации изображения, прежде чем «коллапсировать» к одной из них. Колебания между вариантами в сети — это и есть проявление подобного квантового эффекта на макроскопическом уровне алгоритма.
Максимов уверен, что открытие имеет широкие перспективы для применения. Такие сети могут повысить надёжность интерпретации данных пилотами и космонавтами, ускорить диагностику неврологических расстройств, связанных с восприятием, и даже стать шагом на пути к созданию машин с элементами ситуационного осознания. Подробные результаты исследования были опубликованы в авторитетном журнале APL Machine Learning.
Больше интересных статей здесь: Новости науки и техники.