Российские учёные приблизили архитектуру нейросети к строению мозга — это сделало её на 20 % умнее

Встраивание цифровых аналогов вспомогательных клеток мозга в архитектуру нейросетей позволило российским исследователям добиться 20-процентного прироста производительности при распознавании образов. Этот прорыв, осуществленный командой Нижегородского государственного университета (ННГУ), не просто улучшает существующие алгоритмы, а закладывает основу для создания truly нейроморфных систем, где каждый элемент выполняет не только вычислительную, но и «сервисную» функцию, приближая искусственный интеллект к биологическому прототипу.

Нейронная сеть нового поколения: роль глиальных клеток

Традиционные искусственные нейронные сети — это грубая модель биологического мозга. Они игнорируют целый класс клеток — глию, которая составляет до 90% клеток центральной нервной системы. В живом организме астроциты и микроглия не просто «обслуживающий персонал». Они регулируют синаптическую пластичность, управляют метаболизмом нейронов и выводят токсины. Без них нейроны гибнут или теряют способность к обучению.

Ученые ННГУ впервые интегрировали в ИИ цифровые «астроциты» — виртуальные элементы, которые моделируют химическое взаимодействие с искусственными нейронами. В предложенной архитектуре используется три слоя: слой пирамидальных нейронов (прием сигнала), слой вставочных нейронов (распространение сигнала) и слой цифровых астроцитов (модуляция активности). Между нейронами курсируют электрические импульсы, а между нейронами и астроцитами — аналоги нейромедиаторов. Это позволяет системе не просто обрабатывать данные, но и динамически адаптировать свою чувствительность, имитируя процессы памяти и утомляемости живых тканей.

Цифровой аналог астроцитов: как это работает

Разработанная модель решает ключевую проблему современных нейросетей — их «жесткость». В обычных сетях веса связей фиксируются после обучения. В новой системе астроциты выделяют виртуальные сигнальные молекулы, которые могут усиливать или ослаблять прохождение импульсов в реальном времени. Это делает процесс распознавания более устойчивым к помехам и ошибкам. В тестах на распознавание рукописных цифр и букв архитектура с цифровыми астроцитами показала на 20% более высокую точность по сравнению с классическими аналогами, особенно при воспроизведении ранее заученной информации.

Это достижение — не просто лабораторный курьез. Оно напрямую связано с растущим интересом к нейроморфным вычислениям, где целью является не только скорость, но и энергоэффективность и адаптивность биологических систем. Отказ от традиционных процессоров фон Неймана в пользу архитектур, копирующих нейронные ансамбли, считается одним из магистральных путей развития ИИ.

Ранее попытки усложнить нейросети ограничивались увеличением количества слоев и нейронов (глубокое обучение). Однако добавление функциональных аналогов глиальных клеток — это качественный скачок. Исследования последних лет доказали, что астроциты играют критическую роль в формировании долговременной памяти, а их дисфункция связана с болезнью Альцгеймера. Интеграция этих механизмов в ИИ может не только повысить производительность алгоритмов, но и дать нейробиологам новый инструмент для моделирования заболеваний мозга.