Компьютерные нейронные сети впечатляют результатами, но требуют для работы мощные электронные устройства: видеокарты и AI-ускорители. Ученые из США решили пойти другим путем и воплотили нейросеть в механизме, состоящем из пружин переменной жесткости.
Инженеры-механики Калифорнийского университета в Лос-Анджелесе разработали механический аналог компьютерной нейронной сети — трехмерную решетчатую структуру из соединенных между собой пружин с регулируемой жесткостью. Настраивая жесткость каждой пружины, такую структуру можно научить реагировать на меняющиеся условия. Как сообщают ученые в журнале Science Robotics, по сути это программируемый материал, способный динамически перераспределять нагрузки и гасить возникающие напряжения.
Нейронные сети как таковые работают на логике связей нейронов друг с другом. В искусственных нейросетях, которые доступны на компьютерах и смартфонах, нейроны уложены в несколько слоев. Изначально они случайным образом соединены между собой и нейросеть в целом бесполезна. Поэтому ее обучают: например, если это нейросеть для распознавания изображений, то ей на вход подают миллионы фотографий и картинок.
Когда нейросеть «видит» картинку — активируются некоторые нейроны первого слоя, которые передают сигнал некоторым нейронам второго слоя, и так далее, пока последний слой не выдаст одиночный итоговый сигнал. Каждая картинка создает собственный трехмерный «рисунок» послойной активации нейронов, но картинки со схожим содержимым, хоть и активируют немного разные нейроны, выдают один и тот же итоговый сигнал. Например, слово «собака» для всех картинок с собаками.
Так происходит благодаря изменению связей между нейронами во время обучения нейросети. Какие-то нейроны усиливают соединение друг с другом, связываясь в отдельные группы. Суть в том, что эти группы нейронов раз за разом активируются вместе, когда на картинке есть какие-то характерные черты объекта. И если давать нейросети разные изображения собак, в ней будут активироваться одни и те же группы нейронов «собаковидности», что и позволяет нейросети отвечать словом «собака». Поэтому обучение нейросети (в том числе компьютерной) сводится к тому, чтобы выстроить связи нужной силы между определенными нейронами.
Идея калифорнийских инженеров проста: если соединить механические пружины с регулируемой жесткостью в трехмерную многослойную структуру, то жесткость пружин будет играть роль силы нейронных связей. Исследователи с помощью компьютерного моделирования перебрали 200 разных структур и пришли к выводу, что эффективнее всего соединять пружины между собой в треугольные пирамиды. Именно такая структура ведет себя максимально похоже на примитивную компьютерную нейросеть.
Ученым было сложно создать сразу многослойную структуру из пружин, поэтому в эксперименте они ограничились плоской решеткой из треугольников размером примерно 60 на 45 сантиметров, где размер одной пружины составлял около 15 сантиметров. Также не получилось обойтись совсем без электричества: жесткость пружин в опытной установке регулировало магнитное поле обычных звуковых катушек, а силу воздействия на пружину регистрировал датчик деформации. Поэтому опытный образец, строго говоря, следовало бы называть электромеханической нейросетью, а не чисто механической.
Даже такой небольшой и простой структуры оказалось достаточно, чтобы обучить ее реагировать на меняющиеся условия. Система пружин динамически подстраивалась под давление разной силы, поступающее с разных сторон, чтобы свести его к нагрузке постоянной величины и направления.
Механическая нейросеть калифорнийских ученых, таким образом, вела себя как «умный» материал, реакции которого можно программировать обучением. Если сделать из нее, например, крыло самолета — оно сможет подстраиваться под потоки воздуха, выгибаясь нужным образом, чтобы не допустить сильных колебаний подъемной силы. А броня из таких пружинящих треугольников будет концентрировать максимальную прочность в месте удара снаряда.
Правда, для этого нужно кардинально уменьшить масштабы механической нейросети и перенести ее в микромир. Авторы исследования предлагают использовать для этого новейшие материалы с регулируемой жесткостью. Тогда, по их мнению, появится возможность создавать уже трехмерные решетки из огромного количества пружинящих элементов, и интеллектуальность такой «вещественной нейросети» возрастет многократно — ее можно будет обучать куда более сложному поведению.
Автор: Никита Логинов