Сетка мушиного мозга: миф о преимуществе экспресс

Оригинал: "Topological Sensitivity in Connectome-Constrained Neural Networks"
· Nalin Dhiman
arXiv:2604.04033 · 2026-04-05 · CC BY 4.0 · 1 мин
Преимущество биологической схемы связей исчезает при честном сравнении.

Два бегуна на одной дорожке. Один стартует с середины дистанции, другой — с нуля. Кто быстрее? Ответ очевиден, но в науке о мозге такой трюк долго оставался незамеченным. Нейросети, повторяющие связи настоящего мозга мухи-дрозофилы, считались более умелыми учениками, чем случайные сети. Их хвалили за быстрый старт и экономию времени.

Но вот бегунов поставили на одну линию. Исследователи взяли карту связей мозга дрозофилы и сравнили её с двумя видами случайных сетей: простой случайной и более хитрой, где у каждого «нейрона» столько же связей, сколько в настоящем мозге. При слабом контроле — когда обе сети начинали с уже обученного состояния, а случайная сеть лишь приблизительно походила на мозг по общим числам — биологическая схема выигрывала. Она быстрее снижала ошибку, показывала более высокую активность и работала шустрее.

Секрет оказался в точке старта: если биологическую сеть запускали с уже настроенных весов, а случайную — с нуля, сравнение было нечестным.

Когда обе сети начинали обучение с нуля, преимущество в скорости исчезло. А когда случайную сеть заменили на сеть с таким же распределением связей, исчезло и кажущееся преимущество в активности. Пять разных случайных сетей с сохранением числа связей подтвердили: разницы нет. Раньше сообщалось о превосходстве биологической топологии, но теперь видно — дело было в условиях эксперимента, а не в самой схеме.

Так бегун с фальшивой форой оказался обычным бегуном. Схема связей в мозге мухи, возможно, и хороша для мухи, но её преимущество перед случайной сетью в задачах обучения пока не доказано. Честный старт всё расставил по местам.

У дрозофилы около 130 тысяч нейронов, а карта их связей — коннектом — занимает гигабайты данных.

Понятия
нейронные сети прогностического обучения случайная сеть связность мозга графовая нейронная сеть слабое обучение парадокс Браесса в биологии самонаблюдаемое обучение