БИЗНЕС И ЦИФРОВИЗАЦИЯ

Австрийские ученые подтвердили: природа помогает оптимизировать нейросети

Исследование австрийских ученых подтвердило, что прунинг нейроны в мозгу оптимизирует обработки информации.

✍️ Редакция iTech News | 10.05.2026 | ⏱ 2 мин | 👁 7 | Источник: Habr / Новости
💸

Учёные из Австрийского института науки и технологий обнаружили, что принципы прунинга, используемого в искусственных нейросетях, также применимы к биологическим нейронам. Это открытие может иметь влияние на методы обучения нейросетей.

Что такое прунинг и как он работает

Прунинг — метод оптимизации нейросетей, при котором удаляются незначимые синапсы с весами, близкими к нулю. Недавно проведённое исследование показало, что этот процесс также происходит в нейронах гиппокампа млекопитающих. Важно отметить, что до этого считалось, что у животных есть изначально минимальное количество нейронных связей, которые затем формируются в процессе жизни.

Ключевые результаты исследования

В ходе экспериментов учёные выяснили, что межнейронные связи пирамидальных нейронов в области CA3 гиппокампа у новорождённых мышат изначально хаотичны. Только к двум месяцам жизни происходит целенаправленное подавление большинства из них, и структура становится более стабильной. В результате, количество связей уменьшается в несколько раз.

Структура гиппокампа, с точки зрения нейробиологии, отвечает за обработку и сортировку информации, поступающей из коры головного мозга. Область CA3, где формируются ассоциативные воспоминания, сама по себе представляет сложный узел, способен выделять паттерны и восстанавливать воспоминания даже на основе частичной информации.

Значение для разработки нейросетей

Для разработчиков и исследователей ИИ это открытие подчеркивает важность оптимизации нейросетей, аналогично тому, как это происходит в природе. Внедрение принципов, основанных на нейробиологии, может значительно улучшить эффективность искусственных нейросетей, делая их более адаптивными и мощными в обработке информации.

Следующий шаг в этом направлении — применение полученных знаний для создания алгоритмов машинного обучения, которые будут учитывать принципы обработки информации, заложенные в биологических нейросетях.

Поделиться: Telegram X LinkedIn