Современные нейросети остаются уязвимыми: незначительные ошибки в данных или нарушение баланса параметров могут привести к «умиранию нейронов», когда части сети становятся неактивными. Это затрудняет обучение модели. Исследователи решили подойти к проблеме с другой стороны — не усиливать вычисления, а позаимствовать решения у самой природы. Так появился BioLogicalNeuron — новый архитектурный элемент нейросети, вдохновленный устойчивостью биологических нейронов.

Главная идея заключается в имитации гомеостаза — механизма, с помощью которого мозг регулирует сам себя. BioLogicalNeuron использует виртуальный показатель «уровня кальция» — аналога биологического индикатора активности и здоровья клетки. Если этот уровень превышен, нейрон активирует встроенные процессы самоконтроля — ослабляет чрезмерно сильные связи, усиливает важные и «обрезает» неиспользуемые. Таким образом, сеть сама предотвращает перегрузку и сохраняет стабильность.

Модель протестировали на сложных наборах данных, применяемых при разработке лекарств, включая исследования по ВИЧ и СПИДу. BioLogicalNeuron достигла 100% точности валидации всего за три эпохи обучения, тогда как традиционным архитектурам требовалось до 15. Это говорит не только о высокой эффективности обучения, но и о более рациональном использовании вычислительных ресурсов.

Новая система сохраняет работоспособность в условиях «грязных» данных. Когда исследователи намеренно добавляли в обучающие выборки шум, производительность модели снижалась в среднем лишь на 8,6%, в то время как у других нейросетей — на 13-17%.

BioLogicalNeuron может изменить подход к созданию искусственного интеллекта. Вместо наращивания мощности и объемов данных исследователи опираются на принципы работы мозга — саморегуляцию и восстановление. Такой ИИ способен учиться и адаптироваться, не теряя уже полученные знания, и устойчив к сбоям. Это особенно важно для медицины, разработки лекарств и других сфер, где данные часто неполны.