Рой пчёл и глаз каракатицы: как природа учит ML-инженеров

Собрали примеры использования принципов устройства живых организмов при разработке AI-технологий.

Внедрение природных алгоритмов делает устройства «умнее». Позволяет им лучше реагировать на изменения среды, накапливать опыт для принятия решений и предсказывать ближайшие события.

Мозг способен быстро принимать решения в условиях множества неопределённых и меняющихся факторов. Он не анализирует всё подряд, а выделяет и запоминает наиболее значимые факторы, на которые можно опираться. Для этой цели мозг строит обобщённую модель мира, которую постоянно сопоставляет с реальностью и корректирует по мере необходимости.

Например, когда человек переходит дорогу, мозг не старается оценить поведение всех объектов на улице, включая других пешеходов и голубей. Он анализирует расстояние до ближайших машин, их скорость и сигналы светофора.

Индийский стартап Minus Zero решил применить этот принцип при создании навигационной системы в автономном автомобиле zPod. Конструкторы утверждают, что обобщающие модели помогут сделать авто дешевле. Ему не нужны лидары и подробные карты местности — система полагается на анализ данных с видеокамер.

ZPOD стал первым беспилотным автомобилем в Индии, который дошёл до рабочего прототипа. Недавно стартап объявил о партнёрстве с крупным производителем коммерческого транспорта Ashok Leyland.

Вереница насекомых способна проложить самый короткий путь от жилища к еде и наоборот, даже когда на его протяжении что-то поменялось. Каждый муравей помечает свою траекторию феромонами, которые со временем улетучиваются. В итоге самой пахучей оказывается наиболее оптимальная из них — её выбирает и подпитывает своими «метками» большинство.

Программистам этот алгоритм известен давно. Благодаря росту вычислительных мощностей и развитию архитектуры нейросетей при решении ML-задач стали лучше учитывать постоянно меняющиеся условия. К ним относятся препятствия на трассе, изменение потребительского спроса, плохая погода, поломки оборудования и многое другое. Алгоритм используется:

Иммунная система умеет обнаруживать вредоносные тела, даже когда их природа ранее неизвестна. Она постоянно сканирует организм на наличие вторжений и аномалий. К каждой новой угрозе подбираются специальные «ключи» — нейтрализующие антитела, а её признаки вносятся в базу иммунитета.

Кибериммунитет со схожим принципом работы разрабатывают в том числе в России. Одна из основных сфер применения — защита нейросетей и инфраструктуры интернета вещей на предприятиях. Планируется также с его помощью защищать от атак электромобили.

Зрачок в глазу каракатицы обладает уникальным строением. При ярком и неравномерном освещении он принимает W-образную форму. Это помогает глазу моллюска отсечь «лишние» лучи солнечного света сверху, блики на поверхности волн и хорошо рассмотреть объект, на котором сфокусировалась линза, даже в мутной воде.

Эту особенность планируют применять для систем роботизированного зрения. Сверхчёткая видеорегистрация в поле зрения без бликов и засветки пригодится беспилотным авто. Сейчас разработчики подбирают материалы для изготовления промышленного образца такой системы с конкурентоспособной ценой.

Рой является примером децентрализованной системы, в которой решения и действия распределены между множеством участников и не имеют единого центра управления. Роевой интеллект позволяет пчёлам быстро принимать коллективные решения по атаке противников и обследовать большие территории, чтобы находить нужные объекты.

В разных странах учёные пытаются организовать группы дронов для наблюдения за территорией, например при локализации лесных пожаров. Но роевой интеллект скрывает больше возможностей. В МГУ, к примеру, считают, что такие дроны смогут строить или ремонтировать высотные конструкции.

Возможно, инженеры будут заимствовать у природы ещё чаще и больше, но говорить о массовом внедрении таких решений пока рано. Они становятся доступнее по мере развития других наук, в первую очередь биологии.

Сейчас интересы учёных сосредоточены на том, чтобы более экономичными и быстрыми стали сами нейронные сети. Как вариант, их можно оптимизировать по аналогии со структурой человеческого мозга, который, помимо нейронов, содержит нейроглию (комплекс вспомогательных клеток нервной ткани, поддерживающих жизнедеятельность нейронов). Например, при моделировании распознавания зрительных сигналов нейронная сеть вместе со вспомогательными структурами показала более высокую эффективность, чем без них.