Скрыншот з YouTube-канала MITCSAIL
Яшчэ ў 2021 годзе даследчыкі з Масачусецкага тэхналагічнага інстытута (MIT) распрацавалі тып нейроннай сеткі, натхнёны адаптыўнасцю арганічнага мозгу. Гэтыя гнуткія алгарытмы, якія навукоўцы назвалі «вадкімі» сеткамі, маюць здольнасць пастаянна адаптавацца да новых уводных даных: то-бок здольныя вучыцца і адаптавацца да новай інфармацыі проста падчас працы, а не толькі на этапе пачатковага навучання. Іншымі словамі, яны могуць «думаць» на хаду.
Унікальныя здольнасці ў прыняцці рашэнняў ва ўмовах зменлівых даных робяць вадкія сеткі ідэальнымі для выкарыстання ў задачах, якія залежаць ад часу, такіх як, напрыклад, маніторынг кардыястымулятара, прагноз надвор'я, прагноз інвестыцый або аўтаномная навігацыя траспартных сродкаў і іншых механізмаў.
Паводзіны большасці сучасных нейронавых сетак фіксуюцца пасля фазы навучання, і гэта азначае, што яны дрэнна прыстасоўваюцца да змен ва ўваходным патоку даных. Алгарытмы распазнаюць шаблоны шляхам аналізу набору «навучальных» прыкладаў — таму часта праводзіцца паралель з імітацыяй шляхоў апрацоўкі даных у мозгу.
Стваральнікі вадкай сеткі чэрпалі натхненне непасрэдна ў прыродзе, вывучаючы паводзіны мікраскапічнай нематоды C. elegans. Гэты малюсенькі арганізм даўжынёй у 1 мм мае ў нервовай сістэме ўсяго 302 нейроны, але можа генераваць нечакана складаную дынаміку.
Цяпер навукоўцы эксперыментавалі з навучаннем сістэмы на аснове даных, узятых ад пілота-чалавека. Эксперыменты паказалі, што беспілотнік можна эфектыўна навучыць вызначэнню месцазнаходжання аб'екта ў лесе летам, а затым ужываць гэтую мадэль узімку і ў вельмі разнастайных умовах (нават у гарадскім ландшафце) для розных задач, звязаных з пошукам і сачэннем. Сярод іншага выявілася, напрыклад, што беспілотнікі здольныя адсочваць рухомыя цэлі.
Хоць вадкія нейронавыя сеткі пераўзышлі іншыя падыходы да навігацыйных задач і паказалі майстэрства ў прыняцці надзейных рашэнняў у невядомым асяроддзі — у лесе, гарадскім ландшафце, асяроддзі з дадатковым шумам і кручэннем — пакуль яшчэ не ўсё ідэальна, калі справа даходзіць да разумення прычынна-выніковай сувязі.
Надзейнае навучанне і прадукцыйнасць у непрадугледжаных сцэнарах — гэта адны з ключавых праблем, якія машыннае навучанне і аўтаномныя рабатызаваныя сістэмы павінны пераадолець, каб замацавацца ў жыццёва важных праектах.
