В институте наук о мозге Карни (США) изучили, как животные переходят от одного типа движения к другому, например, от шага к бегу, и смоделировали этот процесс.
Модель основана на аттракторных сетях — математическом подходе, описывающем устойчивые состояния нейронной активности. Если ранее такие сети применяли для объяснения статических процессов, в частности, распознавания лиц, то новая работа расширяет их на динамическое поведение.
Созданная нейросеть состоит из 24 искусственных нейронов и способна воспроизводить пять типов походки, включая шаг, рысь, галоп, иноходь и прыжки. При этом она обеспечивает быстрые переходы между ними без изменения параметров модели.
По словам авторов, это по-новому объясняет, как мозг кодирует и переключает двигательные ритмы. Они считают, что предложенный подход может стать универсальной моделью для изучения сложных форм поведения.
Разработка также может найти применение в робототехнике. В частности, она позволит создавать более компактные и энергоэффективные системы управления для четвероногих роботов, способных работать автономно без подключения к интернету.
