Индийские исследователи выдвинули концепцию архитектуры искусственного интеллекта, которая воспроизводит базовые принципы работы человеческого мозга — включая способность «спать», закреплять воспоминания и, по сути, «умирать». Об этом сообщает РБК-Украина со ссылкой на публикацию в профессиональном вестнике International Journal of Transdisciplinary Research and Perspectives. Авторы работы — компьютерный учёный Криш Чоудхари из Института информационных технологий имени Лакшми Ниваса Миттала (LNMIIT) и его соавтор Танви Кандой — предлагают объединить уже существующие ИИ-модели в единую систему, в которой каждая подмодель выполняет функцию отдельного участка мозга, гормона или нейромедиатора.
Архитектура «искусственного мозга»: каждая модель — свой «нейрон»
Ключевая идея проекта заключается в том, чтобы не создавать ИИ «с нуля», а собрать его из уже существующих специализированных моделей, каждая из которых отвечает за определённый когнитивный процесс. Например, за обработку изображений в предложенной схеме будет отвечать модель PaliGemma от Google DeepMind, способная одновременно работать с картинками и текстом. Механизмы внимания и кратковременного запоминания исследователи предлагают выстроить на основе теории глобального рабочего пространства (Global Workspace Theory). Эта теория описывает работу мозга как взаимодействие множества конкурирующих систем, которые борются за ограниченное внимание субъекта. В переносе на ИИ это означает, что разные подмодели будут «конкурировать» за вычислительные ресурсы, имитируя естественный отбор информации в нервной системе.
От научной статьи к стартапу: Versace AGI
Чтобы превратить теоретическую концепцию в работающую технологию, Криш Чоудхари уже основал компанию Versace AGI. По данным публикации, именно эта структура будет заниматься практической реализацией предложенной архитектуры. Это превращает работу из чисто академического упражнения в проект с коммерческим потенциалом, хотя на момент публикации в вестнике речь идёт преимущественно о концептуальной модели, а не о готовом продукте.
Жизненный цикл: рождение, развитие и «смерть»
Главной особенностью предлагаемой архитектуры является наделение ИИ собственным жизненным циклом, состоящим из нескольких последовательных этапов. На стадии «рождения и развития» модель запускается, получает опыт через взаимодействие с пользователем и систему вознаграждений, постепенно формируя собственную «личность» — то есть устойчивый набор параметров и предпочтений. Фаза «сна» наступает в периоды покоя: система переходит в режим, аналогичный фазе быстрого сна (REM) у человека, и генерирует синтетические тексты, изображения и видео. Этот процесс позволяет консолидировать кратковременные воспоминания в долговременные знания. Наконец, после остановки работы модель фактически «умирает» — её состояние не сохраняется в прежнем виде, и цикл завершается.
Почему конечность — преимущество, а не недостаток
По мнению авторов исследования, конечность существования для ИИ является не ограничением, а функциональным преимуществом. Наличие долгосрочной эпизодической памяти и непрерывной самоадаптации позволяет системе не терять контекст между отдельными запросами. В традиционной парадигме «запрос — ответ» каждая сессия начинается «с чистого листа»: модель не помнит предыдущих диалогов и не накапливает опыт. Предложенная архитектура превращает ИИ в «живого» ассистента, который растёт, учится и усовершенствуется вместе с пользователем на протяжении всего своего «жизненного цикла». Исследователи подчёркивают, что именно механизм «сна» — генерация синтетического контента в фоновом режиме — выступает аналогом биологической консолидации памяти, без которой невозможно устойчивое обучение.
Контекст и перспективы
Предложенная работа вписывается в более широкий тренд на создание «агентного» ИИ — систем, способных к автономному планированию, накоплению опыта и адаптации без постоянного внешнего управления. Теория глобального рабочего пространства, на которую опираются авторы, уже давно используется в когнитивной науке для моделирования сознания и внимания; её перенос в инженерную практику ИИ остаётся, однако, на стадии концептуального проектирования. Практическая реализация всех описанных механизмов — от «сна» до формирования «личности» — потребует значительных вычислительных ресурсов и решения ряда открытых вопросов, в том числе связанных с безопасностью автономных систем, способных к самоизменению. Тем не менее сама постановка задачи — наделить ИИ не просто алгоритмической логикой, а полноценным «жизненным циклом» — выделяет работу Чоудхари и Кандой среди десятков аналогичных предложений в области AGI.
