Медицинская карта
Плохой врач лечит болезнь, хороший - причину болезни.
  • гепатит
  • Недели беременности

    Беременность по неделям

  • Сколько живут с диагнозом рак
  • Как рыбий жир может уменьшить воспаление

Принцип свободной энергии объясняет мозг

2022-02-18 13:00:47

Центр исследований мозга RIKEN (CBS) в Японии вместе с коллегами показал, что принцип свободной энергии может объяснить, как нейронные сети оптимизируются для повышения эффективности. Опубликованное в научном журнале Communications Biology исследование впервые показывает, как принцип свободной энергии является основой для любой нейронной сети, минимизирующей затраты энергии. Затем, в качестве доказательства концепции, он показывает, как нейронная сеть с минимизацией энергии может решать лабиринты. Это открытие будет полезно для анализа нарушений функций мозга при расстройствах мышления, а также для создания оптимизированных нейронных сетей для искусственного интеллекта.


Биологическая оптимизация — это естественный процесс, который делает наши тела и поведение максимально эффективными. Поведенческий пример можно увидеть в переходе кошек от бега к галопу. Далеко не случайно, переключение происходит именно на той скорости, когда количество энергии, необходимое для галопа, становится меньше, чем для бега. В мозгу нейронные сети оптимизированы для обеспечения эффективного управления поведением и передачей информации, сохраняя при этом способность адаптироваться и перестраиваться в меняющихся условиях.


Как и в случае с простым расчетом затрат/выгод, который может предсказать скорость, с которой кошка начнет галопировать, исследователи RIKEN CBS пытаются открыть основные математические принципы, лежащие в основе самооптимизации нейронных сетей. Принцип свободной энергии следует концепции, называемой байесовским выводом, которая является ключевой. В этой системе агент постоянно обновляется новыми поступающими сенсорными данными, а также своими прошлыми выводами или решениями. Исследователи сравнили принцип свободной энергии с хорошо зарекомендовавшими себя правилами, которые контролируют, как сила нейронных связей в сети может изменяться за счет изменений сенсорного ввода.

Оставьте комментарии и отзывы!

Используйте нормальные имена. Ваш комментарий будет опубликован после проверки.

(обязательно)