ГРУППА НЕЙРОННЫХ СЕТЕЙ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Науч. рук. –  к.т.н. Роман Олегович Малашин

Группа нейронных сетей и искусственного интеллекта была организована в 2017 г. на базе лаборатории обработки изображений Государственного оптического института. Исторически много работ группы было связано с разработкой алгоритмов обработки изображений. В частности, были разработаны алгоритмы структурного сопоставления на основе кластерного анализа уникальных локальных признаков, что позволило существенно повысить точность сопоставления изображений. Эти алгоритмы нашли применение в системах регистрации аэрокосмических снимков, обеспечивая высокую устойчивость к сезонным, суточным и антропогенным изменениям.

В настоящее время группа активно разрабатывает методы автоматического анализа медицинских изображений и сопутствующих клинических данных. Так, были созданы алгоритмы классификации бактерий с учетом изменчивости штаммов одного вида. Для этого были предложены новые подходы к обучению, повышающие эффективность известных нейронных архитектур при работе с изображениями, содержащими однородную микроструктуру. В задаче сегментации клеток глиомы впервые были исследованы свойства методов трансферного обучения при работе с фазово-контрастными снимками клеточных культур в высоком разрешении. Разработанные алгоритмы в настоящее время используются физиологами для поиска новых средств борьбы с опухолевыми заболеваниями. Совместно с лабораторией физиологии зрения были разработаны алгоритмы распознавания зрительных стимулов живых и неживых объектов по единичной электроэнцефалограмме наблюдателя. Для распознавания ЭЭГ были применены различные методы, основанные на аналитических признаках и возможностях современных нейронных сетей. В ходе работы были выявлены наиболее важные временные интервалы при формировании отклика на стимул, а также обнаружены области коры головного мозга, позволяющие наиболее эффективно разделить классы зрительных стимулов. Проводятся исследования по извлечению вербальных и невербальных компонентов речи человека на основе анализа видеоизображений.

Группа активно ведет фундаментальные исследования методов обучения искусственных нейронных сетей с учетом принципов функционирования биологических нейронных сетей. В частности, рассматриваются подходы к пожизненному обучению, включая решение проблем катастрофического забывания и невозможности чёткого разделения обучающей и тестовой выборок. Проведенные исследования позволили сформулировать новый принцип обучения искусственных интеллектуальных систем –принцип наименьшего действия. Системы, работающие в соответствии с этим принципом, динамически конфигурируют вычисления для обеспечения баланса между качеством принятого решения и временем, затраченным на его поиск. Предложенные методы объединяют обучение с учителем, без учителя и с подкреплением, обеспечивая модульность и биологическую правдоподобность. Эксперименты по обучению агента, функционирующего в среде различных нейронных модулей в соответствии с принципом наименьшего действия, показали превосходство предложенного подхода по сравнению с классическими архитектурами в задачах автоматической классификации изображений.

Особое внимание уделяется исследованию эволюции внутренних представлений в процессе обучения искусственных нейронных сетей. В частности, были проведены исследования, выявившие ограничения сверточных нейронных сетей в обобщении геометрических преобразований, предложены способы извлечения информации об иерархии визуальных стимулов из обученной нейронной сети. В результате выявлена гиперонимная склонность глубоких классификаторов, позволяющая интерпретировать процесс обучения с точки зрения кластеризации меток в различных пространствах. Это позволило обобщить широкий пласт известных в литературе результатов, а также связать начальные стадии обучения нейронных сетей с терминальной стадией – нейрональным коллапсом. Выявленная динамика характерна для различных архитектур нейронных сетей, обрабатывающих данные разных модальностей. Это открывает возможности практической верификации теоретических концепций и прокладывает путь к созданию новых архитектур, учитывающих информационную роль глиальных клеток в биологических нейросетях.