Написано командой Qubic Scientific
Как информация течет в традиционных искусственных нейронных сетях
В моделях искусственного интеллекта, которые мы знаем, информация входит, кодируется, преобразуется через алгебраические матрицы и производит выходные данные. Даже в самых продвинутых архитектурах, таких как трансформеры, принцип остается тем же: сигнал проходит через ряд четко определенных операций внутри структурированной системы. Модель функционирует как направленная схема обработки, слева направо, ввод-вывод, или справа налево, через обратное распространение для корректировок и обучения.
Результаты, как мы хорошо знаем, впечатляют. Работая с миллионами языковых параметров, ИИ способен давать великолепные ответы, хотя и с некоторыми галлюцинациями. Но если цель не в том, чтобы обрабатывать входные данные и производить выходные, а в том, чтобы строить системы, способные поддерживать внутреннюю динамику, адаптироваться постоянно, реорганизовываться, регулировать свое обучение и поддерживать интеллект как свойство ткани, текущий ИИ не справляется.
Хотя люди иногда говорят о языковых моделях как об имитациях мозга, на самом деле это больше сравнительная метафора, чем симуляция вычислительной нейронауки. Биологические системы не обрабатывают информацию слева направо и наоборот. Информация распространяется через сеть, обратная связь сама по себе, а также колеблется, затухает или усиливается в зависимости от контекста.
Рис 1. Поток информации слева направо в традиционных искусственных нейронных сетях
Не только нейроны: Роль астроглий в функционировании мозга и синаптической пластичности
Мы обычно связываем когницию и интеллект с функционированием нейронов, их рецепторов и нейротрансмиттеров. Но это не единственные клетки в нервной системе. Долгое время астроглии считались клетками нервной системы, посвященными поддержке, очистке, питанию и стабильности окружающей среды. Сегодня мы знаем, что они активно участвуют в регулировании; на самом деле используется термин: трипартитный синапс, в котором они активно участвуют, обнаруживая нейротрансмиттеры, интегрируя сигналы из нескольких синапсов, модулируя пластичность и изменяя функциональную эффективность цепи.
Живая сеть состоит не только из нейронов, которые стреляют, но и из астроглий, которые регулируют, как, когда и насколько система меняется. В биологии вычисления заключаются не только в том, чтобы излучать сигнал, но и в том, чтобы модулировать местность, где этот сигнал будет иметь эффект. Недавние исследования показали, что астроглии могут выполнять операции нормализации, аналогичные механизмам самовнимания, найденным в архитектурах трансформеров — связывая взаимодействия астроглий и нейронов непосредственно с вычислениями, подобными вниманию, в системах искусственного интеллекта.
Рис. 2 Биологические астроглии и трипартитный синапс
Астрогитарные ворота в Neuraxon: Архитектура нейронной сети, вдохновленной биологией
Neuraxon — это архитектура, которая пытается восстановить и эмулировать функционирование мозга и вычислять функциональные свойства, которые классические искусственные сети чрезмерно упрощают.
Как мы объясняли в предыдущих томах этой академии, Neuraxon не работает только с входными, выходными и скрытыми нейронами в привычном смысле. Он вводит единицы с состояниями, которые эмулируют возбудительные, тормозные или нейтральные потенциалы (-1, 0, +1). Кроме того, это происходит в рамках непрерывной ВРЕМЕННОЙ динамики, где мы учитываем контекст и недавнюю историю активации. Сеть больше не является суммой слоев, а скорее напоминает систему с внутренней физиологией. Для более глубокого контекста о том, как работают эти базовые элементы, см. NIA том 1: Почему интеллект не вычисляется по шагам, а во времени и NIA том 2: Трехчастная динамика как модель живого интеллекта.
Мы объяснили, как Neuraxon моделирует передачу через быстрые, медленные и нейромодуляторные рецепторы — механизм, подробно изученный в томе 3 NIA: Нейромодуляция и Искусственный Интеллект, вдохновленный мозгом. Но теперь мы также моделируем регулирование пластичности через астрогитарные ворота.
Как работает астрогитарная многомасштабная пластичность (AGMP)
Астрогитарные ворота вводят ворота, вдохновленные ролью астроглий в трипартитном синапсе. Идея заключается в том, чтобы ввести локальный, медленный и контекстуальный фильтр, который определяет, когда синаптическая модификация должна быть открыта, затушена или заблокирована. Это как если бы система могла рассмотреть, есть ли разрешение на изменение. Этот подход непосредственно решает дилемму стабильности-пластичности, одну из самых фундаментальных проблем в непрерывном обучении для нейронных сетей.
Следы правомочия и локальная синаптическая память
Как это работает? Через своего рода след правомочия. Это локальная память, которая говорит: "что-то важное произошло на этом синапсе." Она обновляется с течением времени и с функцией между пресинаптической и постсинаптической активностью. То есть: синапс накапливает локальные доказательства временной совпадения или причинности. Оттуда поступает глобальный сигнал типа трансляции, например, ошибка, возможная награда или что-то, похожее на дофамин. Астрогитарные ворота выбирают, находится ли нейрон в состоянии обучения. В будущих версиях астроглии могут модулировать тысячи синапсов, если это дает вычислительное преимущество.
Этот подход соответствует недавним достижениям в нейроморфном вычислении, включая структуру астрогитарной многомасштабной пластичности (AGMP), предложенную для сети с импульсами, которая аналогично усиливает обучение с учетом следа правомочия с медленным состоянием астроглии, которое регулирует синаптические обновления — производя правило обучения с четырьмя факторами (правомочие × модулирующий сигнал × астрогитарные ворота × стабилизация).
Эндогенное регулирование: Почему Neuraxon больше, чем обычная нейронная сеть
Neuraxon в рамках QUBIC не конкурирует по масштабу или производительности задач. Он работает через архитектуру с эндогенным регулированием. Внедряя принципы астроглий, он начинает вести себя как сеть с внутренней экологией. То есть: система, в которой важно не только, какие единицы активированы, но и какие области ткани являются пластичными, какие стабилизированы, какие области ослабляют шум, какие консолидируют регулярности и какие готовятся к реорганизации. Для комплексного обзора того, как биологические и искусственные нейронные сети сравниваются, см. NIA том 4: Нейронные сети в ИИ и нейронауке.
Для Aigarth и QUBIC цель не в том, чтобы накапливать больше параметров, а в том, чтобы вводить больше уровней функциональной организации внутри системы.
Почему астрогитарные ворота важны для Aigarth и децентрализованного ИИ
Aigarth не является статической моделью, а эволюционной тканью через архитектуру, способную расти, мутировать, обрезать, генерировать функциональное потомство и реорганизовывать свою топологию под адаптивными давлениями. В этом контексте Neuraxon вносит что-то: богатую вычислительную микрофизиологию для единиц, которые inhabit эту ткань.
Это имеет последствия для надежности, адаптивности и памяти. Также для масштабируемости. В больших архитектурах проблема заключается не только в том, что есть много единиц, но и в том, как координировать, какие части системы доступны для реорганизации, а какие должны поддерживать стабильность.
В терминах дорожной карты для QUBIC цель состоит в том, чтобы создать системы, где интеллект возникает не только из нейронных вычислений, но и из связи между быстрым процессингом, медленной модуляцией и структурной эволюцией. Вы можете ознакомиться с этими динамиками вживую с помощью интерактивной 3D-симуляции Neuraxon на HuggingFace Spaces, где вы можете создавать, настраивать и симулировать сеть Neuraxon 2.0 с нуля.
Рис 3. Астроглии Neuraxon - формулировка AGMP
Научные ссылки
Allen, N. J., & Eroglu, C. (2017). Целлюлярная биология взаимодействий астроглий и синапсов. Нейрон, 96(3), 697–708.
Halassa, M. M., Fellin, T., & Haydon, P. G. (2007). Трипартитный синапс: Роли глиотрансмиссии в здоровье и болезни. Тенденции в молекулярной медицине, 13(2), 54–63.
Kofuji, P., & Araque, A. (2021). Астроглии и поведение. Ежегодный обзор нейронауки, 44, 49–67.
Perea, G., Navarrete, M., & Araque, A. (2009). Трипартитные синапсы: Астроглии обрабатывают и контролируют синаптическую информацию. Тенденции в нейробиологии, 32(8), 421–431.
Woodburn, R. L., Bollinger, J. A., & Wohleb, E. S. (2021). Синаптические и поведенческие эффекты активации астроглий. Фронтальные колебания нейробиологии, 15, 645267.
Vivancos, D. & Sanchez, J. (2026). Neuraxon v2.0: Новый план роста нейронов и вычислений. Предварительная публикация ResearchGate.
Изучите полную Академию интеллекта Neuraxon
Это том 5 Академии интеллекта Neuraxon от научной команды Qubic. Если вы только что присоединились к нам, изучите полную серию, чтобы получить полное представление о науке, стоящей за Neuraxon и подходом Qubic к искусственному интеллекту, вдохновленному мозгом:
NIA том 1: Почему интеллект не вычисляется по шагам, а во времени — Исследует, почему биологический интеллект работает в непрерывном времени, а не в дискретных вычислительных шагах, как традиционные LLM.
NIA том 2: Трехчастная динамика как модель живого интеллекта — Объясняет трехчастную динамику и почему логика с тремя состояниями (возбудительная, нейтральная, тормозная) важна для моделирования живых систем.
NIA том 3: Нейромодуляция и Искусственный Интеллект, вдохновленный мозгом — Охватывает нейромодуляцию и то, как химическая сигнализация мозга (дофамин, серотонин, ацетилхолин, норэпинефрин) вдохновляет архитектуру Neuraxon.
NIA том 4: Нейронные сети в ИИ и нейронауке — Глубокое сравнение биологических нейронных сетей, искусственных нейронных сетей и третьего пути Neuraxon.
Qubic — это децентрализованная сеть с открытым исходным кодом для экспериментальных технологий. Чтобы узнать больше, посетите qubic.org