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.
