Термостат без термометра: как сеть сама находит критическую точку ✛

Оригинал: "Adaptive self-organized criticality in deep neural networks"
· Simon Vock, Christian Meisel
arXiv:2608.28431v1 · 2026-08-28 · CC BY 4.0 · 2 мин
Каждый нейрон подстраивает свои связи по собственной активности — и вся сеть выходит на грань между затуханием и взрывом.

В девятиэтажном здании из тысячи комнат на каждом этаже кто-то шепчет, а кто-то кричит. Соседи передают слова дальше, но если все говорят слишком тихо, сообщение затухает уже на третьем этаже. Если слишком громко — к последнему этажу оно превращается в неразборчивый рёв. Между этими крайностями есть режим, когда шёпот доходит до конца без искажений. Нейробиологи называют его критической точкой, и мозг, похоже, работает именно там.

Критическая точка — как температура, при которой вода замерзает. Чуть холоднее — лёд, чуть теплее — жидкость. Сеть в этой точке не взрывается и не гаснет.

Долгое время считалось, что вывести сеть в критическое состояние можно только извне — подкручивая глобальные параметры, как настройщик рояля. Но авторы новой работы поставили простой эксперимент: дали каждому нейрону право самому решать, усиливать или ослаблять свои связи, ориентируясь лишь на собственную активность. Правило умещается в одну строку: если нейрон слишком активен — ослабь входящую связь, если слишком пассивен — усиль. Никакого термометра, никаких измерений всей сети.

Исследователи взяли полносвязную сеть с девятью скрытыми слоями по тысяче нейронов и запустили её из разных начальных состояний — от почти полной тишины до оглушительного шума. Через двадцать эпох такой самонастройки все сети сошлись к одному и тому же режиму: активность перестала затухать или расти, а средняя сила связей вышла на общее плато. Сеть сама нашла критическую точку, как вода находит уровень.

Показатель Ляпунова — это скорость, с которой две почти одинаковые траектории расходятся. В критической точке она равна нулю: возмущения не растут и не затухают.

Но когда к самонастройке добавили обычное обучение с учителем, началась конкуренция. Градиентный спуск тянет сеть в сторону решения задачи, а гомеостаз — в сторону критичности. Эти две силы двигали веса в разных направлениях, и чем сильнее было саморегулирующее правило, тем хуже сеть распознавала цифры. Чистый градиентный спуск давал наивысшую точность, а усиление гомеостаза прогрессивно её снижало.

Термостат без термометра работает, но пока не умеет дружить с задачей. В этом и есть главный вызов: объединить стремление к критичности с обучением полезному навыку. Возможно, решение лежит в общем правиле пластичности, которое учитывает и локальную активность, и глобальный сигнал задачи. Тогда сеть сможет одновременно оставаться на грани хаоса и решать практические задачи — как мозг, который умудряется и думать, и не перегреваться.

Правило гомеостаза настолько простое, что его можно описать одной строкой: если нейрон слишком активен — ослабь входящую связь, если слишком пассивен — усиль. И этого достаточно, чтобы сеть сама нашла критическую точку.

\sigma = \frac{a_{out}}{a_{in}}
σ=1 significa conservación de la actividad al propagarse a través de la red
\lambda_0 = \frac{1}{L} \log(\Lambda_0)
λ0=0 corresponde al punto crítico, donde las perturbaciones ni crecen ni se atenúan
w'_{ij} = \begin{cases} (|w_{ij}| - c) \cdot \operatorname{sgn}(w_{ij}) & \text{если } a_i > T \\ (|w_{ij}| + c) \cdot \operatorname{sgn}(w_{ij}) & \text{если } a_i < T \end{cases}
Una neurona activa debilita la conexión entrante, una inactiva la fortalece
Учёные
Emile Clapeyron
Понятия
глубокая нейронная сеть нейронные сети в пространственном картировании стохастическая самоорганизация динамические системы самокоррекция ИИ генеративно-состязательные сети глубокое обучение в медицинской визуализации случайная сеть обучение стохастическая динамика в биологии ускорение молекулярной динамики хранение информации управление в реальном времени самонаблюдаемое обучение посттранскрипционная регуляция обработка естественного языка нейронные сети прогностического обучения стохастическая динамическая система клеточный автомат