Нейроморфный ИИ из KIST обучается в шесть раз быстрее Google — без лишних аппаратных затрат

Южнокорейский институт науки и технологий KIST 6 июля 2026 года представил на конференции ICML 2026 метод A²SG (Adaptive and Asymmetric Surrogate Gradients) — технику обучения спайкинговых нейросетей, которая требует примерно в шесть раз меньше вычислительных затрат, чем ведущий метод Google, при сопоставимой точности.

Что такое A²SG и почему это важно

Спайкинговые нейросети (SNN) имитируют работу биологического мозга: они передают сигналы редкими импульсами вместо непрерывного потока чисел, что даёт принципиально меньшее энергопотребление по сравнению с обычными глубокими нейросетями (DNN). Проблема — их сложнее обучать, так как стандартный метод обратного распространения ошибки для SNN не работает напрямую.

Метод A²SG, разработанный командой под руководством старшего исследователя Сонгсика Пака из Отдела полупроводниковых технологий KIST, решает эту задачу через адаптивные и асимметричные суррогатные градиенты для трансформерных архитектур SNN.

• Прирост точности — мировой уровень на бенчмарке ImageNet
• Вычислительные накладные расходы — ~1/6 от метода Google
• Реализация — только программная, изменения железа не требуются
• Применимость — смартфоны, носимые устройства, дроны, 24-часовые сенсоры
• Публикация — arXiv (DOI: 10.48550/arxiv.2606.11236), ICML 2026, Сеул, 6–11 июля 2026 года

Что изменилось в подходе к обучению

Главное отличие метода от предшественников — он одновременно адаптивный и асимметричный. Традиционные суррогатные градиенты применяют одинаковую функцию для всех нейронов и во всех направлениях обучения. A²SG подстраивает форму градиента под каждый нейрон в зависимости от его активности и применяет разные стратегии для прямого и обратного прохода. Именно это даёт выигрыш в эффективности без потери качества.

«Это исследование устраняет структурные проблемы нейроморфного ИИ, повышая потенциал практического применения», —

Сонгсик Пак, ведущий исследователь KIST.

По данным arXiv, метод показал устойчивые улучшения на нейросетях различных размеров и в разных задачах. Первым автором работы выступил аспирант Канг Ечан.

Что это значит

Neuromorphic AI (нейроморфный ИИ) выходит из академической ниши: если A²SG удастся коммерциализировать — а KIST уже заявил о планах создания низкоэнергетических AI-чипов на базе RPU (Random Processing Unit) — устройства с ИИ смогут работать без постоянной облачной поддержки и с долями ватт потребления вместо мегаватт дата-центров.

Частые вопросы

Что такое спайкинговая нейросеть и чем она лучше обычной?

Спайкинговая нейросеть (SNN) передаёт информацию редкими импульсами, как нейроны мозга, а не непрерывным потоком чисел. Это снижает энергопотребление на порядки по сравнению с классическими DNN — при сопоставимом качестве результата на ряде задач.

Нужно ли менять железо, чтобы использовать A²SG?

Нет. Метод реализован полностью программно — менять процессоры или чипы не нужно, что резко снижает порог внедрения.