#архитектура нейросети

Ученые впервые объединили головной мозг и аналог спинного мозга плодовой мушки в общую трехмерную карту. Результаты показали, как голова и тело обмениваются сигналами. Анализ сети помог выявить распределенную систему контроля: базовыми движениями насекомого руководили местные группы нейронов, тогда как мозг играл лишь роль координатора.

Научный коллектив из Института физики твердого тела РАН, МФТИ и СП «Квантовые технологии» исследовал вопрос о том, как неизбежные производственные дефекты влияют на работу искусственных нейронов на основе сверхпроводников. Ученые систематизировали три основных типа асимметрии, которые могут возникать в таких устройствах, и показали, что каждый из них оставляет уникальный «отпечаток» на выходном сигнале нейрона. Эта работа не только объясняет ранее полученные экспериментальные данные, но и предоставляет инженерам мощный инструмент для диагностики и отладки сверхпроводниковых нейросетей — ключевого элемента для создания энергоэффективного искусственного интеллекта будущего.

Исследователи Лаборатории социальной и когнитивной информатики НИУ ВШЭ — Санкт-Петербург под руководством Сергея Кольцова научились уменьшать размер нейронных сетей быстро и без потери качества благодаря методам статистической физики.

Команда исследователей из Т-Технологий, Московского физико-технического института (МФТИ) и Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ) разработала новаторский метод, позволяющий проследить «жизненный цикл» отдельных концепций внутри сложных нейронных сетей. Подход получил название SAE Match. Он работает как своего рода магнитно-резонансная томография для искусственного интеллекта, создавая детальную карту того, как абстрактные признаки — «пушистый», «историческое событие» или «радость» — зарождаются, трансформируются и передаются между слоями нейросети. Это фундаментальный прорыв в области интерпретируемости искусственного интеллекта, открывающий путь к созданию более прозрачных, надежных и управляемых систем.

Модели искусственного интеллекта нередко искажают факты, что ставит под угрозу не только интерпретацию известных научных данных, но и обработку новых и написание текстов на их основе. Историк из США проанализировал специфику информации о прошлом и опубликовал рекомендации по ее изложению, которые должны сформировать у текста «иммунитет» к галлюцинациям нейросетей.

Исследователи из Центра искусственного интеллекта Сколтеха предложили новую архитектуру нейросети для генерации структурированных криволинейных координатных сеток — важного инструмента расчетов в физике, биологии и даже финансах.