Работы над совершенствованием нейронных сетей, одного из самых интересных направлений на сегодняшний день, притягивают всё новых специалистов. Те периодически выдают интересные идеи, которые буквально могут переломить весь ход истории ИИ. Такую идею выдвинули сотрудники Университета Ватерлоо, предложившие возможное решение одной из самых объёмных задач в обучении систем искусственного интеллекта. Два учёных, Маттиас Шонлау и Илья Сучолуцкий, занимающихся статистикой в университете, предложили концепцию математического процесса. На его основе можно обучать нейронные системы, значительно сократив необходимое на этот процесс время.

Исследования в области нейросетей со способностью к глубокому обучению активно ведутся по всему миру. Результаты исследований уже сейчас используются в различных областях, доступных как рядовому пользователю интернета, так и узким специалистам. К примеру, пользователи соцсетей в последнее время много развлекаются с сервисами DeepFake, системы ИИ применяются для анализа данных, обработки больших массивов информации, в медицинской диагностике и в прочих областях. Но все попытки создать что-то более сложное и совершенное натыкаются на необходимость «скормить» будущей системе огромный объём информации.

Большой объём информации необходим, чтобы у системы выработался шаблон, по которому она сможет распознать какой-либо объект, к примеру, выбрать одно лицо из проходящей толпы. Всё это требует немалого времени и больших усилий. Учёные, работающие над решением этой проблемы, задались целью сократить время на обучение и уменьшить необходимый объём данных. За пример они взяли поведение ребёнка, которому достаточно показать пару раз изображение животного, чтобы тот смог в последствии сопоставить полученный образ с другими ситуациями. И они постарались реализовать это в математических формулах и алгоритмах.

Суть же нового метода сводится к использованию подобий, ещё больше приближая машинный метод «мышления» к человеческому. На данный момент, чтобы научить нейросеть правильно воспринимать алфавит и цифры, включая рукописный текст в многочисленных его вариантах, нейронной сети демонстрируют огромный набор из 60 000 символов. После трёх тысяч демонстраций одного символа будущий ИИ формирует шаблон и может распознать символ в печатном тексте или в рукописном, разбирая чей-то почерк. Используя новую методику, символ достаточно показать всего несколько раз. Для этого нейросеть должна быть «готова» к восприятию его по аналогии с другими, к примеру, цифра «8» похожа почти на 30% других цифр. Данный метод назвали мягкими метками.

Развивая дальше этот метод, удалось привести его к графической модели, в которой можно использовать математические функции и сложные графики. В итоге нейронная система смогла обучиться работать с математическими графиками, и для этого не потребовалось использовать огромные массивы информации. Созданный ими подход учёные назвали «менее чем однократное обучение», намекая на практически мгновенный процесс по сравнению с текущими методиками. Хоть они и признают наличие подводных камней, таких как наличие больших массивов данных для начала обучения. Они продолжают разрабатывать математическую модель, чтобы применить её для других ситуаций, попутно решая многочисленные трудности. В случае их успеха процесс обучения нейросетей, а также их возможности, могут сильно измениться.

Понравилась эта новость? Подпишись на нас в соцсетях!