Разработан повышающий эффективность обучения роботов алгоритм памяти для ИИ

Razrabotan povyshajushhij effektivnost obuchenija robotov algoritm pamjati dlja ii 6b9c21c.jpg

Специалисты трех российских институтов разработали новый биологически подобный алгоритм памяти для искусственного интеллекта, значительно повышающий эффективность обучения роботов.

Об этом сообщили в пресс-службе Московского физико-технического института (МФТИ).

"Новый алгоритм машинного обучения позволит роботизированным системам обобщать данные и находить между ними взаимосвязи. Это существенно уменьшит расход времени и вычислительных ресурсов на обработку информации и поможет более эффективному обучению ИИ", — отметили в пресс-службе.

Сотрудники МФТИ, ФИЦ "Информатика и управление" РАН и института AIRI взялись исправить недостаток многих моделей машинного обучения, основанных на принципах работы "дендритов" — отростков нейронов мозга, ответственных за передачу сигналов. Речь идет о проблеме "чрезмерного разрастания".

Это явление, как пояснили в МФТИ, наблюдается, когда модель машинного обучения создает множество дополнительных сегментов (или "дендритов") для хранения информации о каждом новом объекте. Особенно в сложных условиях (например, шумовых) это может привести к тому, что появляется масса лишних сегментов, структура модели усложняется и запутывается, вплоть до выхода из строя.

В качестве решения научный коллектив внедрил в обучающую модель "мягкий адаптер". Это функция, которая позволяет модели распознавать новые объекты не по полному совпадению, а по частичному сходству. Благодаря этому, модель может не создавать бесконечно новые сегменты, а помещать информацию о новых объектах в сегменты уже существующие.

Эксперименты показали, что данный подход существенно замедляет рост "дендритов" без значительной потери качества распознавания. Это позволяет работать в условиях шума и сократить время и мощности, необходимые для обработки информации.