В России создают быстрообучаемые нейросети

Technology | Технологии - Новости высоких технологийTechnology | Технологии - Новости высоких технологий

В России создают быстрообучаемые нейросети

Специалисты Новосибирского государственного технического университета НЭТИ работают над созданием быстрообучаемых нейросетей, которые в дальнейшем могут помочь в разработке искусственного интеллекта для различных сфер деятельности человека. Так, например, в медицине «электронный пациент» будущего позволит проводить исследования и выявлять побочные действия вакцин или препаратов без участия людей, а «умная» поисковая система поможет искать нужную информацию в огромных международных базах научных публикаций и систематизировать эти знания для решения сложных задач. Нейросети будут устойчивы к ошибкам, за счет чего затраты на обработку данных будут минимальными.

Можно научить систему обрабатывать данные, но как объяснить ей, чем истина отличается от фальши и банальной ошибки?
Искусственная нейронная сеть — это программное воплощение математической модели и один из основных элементов искусственного интеллекта, который построен по принципу работы сетей нервных клеток мозга. В разработке искусственного интеллекта важную роль играет машинное обучение, а именно построение алгоритмов, позволяющих быстрее обучать нейросеть. Сотрудники НГТУ НЭТИ решили использовать робастный метод для создания быстрообучаемых нейросетей. Работу специалистов сибирского технического вуза уже поддержали в Российском фонде фундаментальных исследований.

В научной практике робастный подход при создании нейронных сетей применяется впервые. «В рамках исследований будут разработаны принципиально новые нейронные сети, свойства которых еще только предстоит изучить. Кроме того, должно сократиться время на обучение нейронной сети. Архитектура сети при этом будет достаточно простой, а затраты на предобработку данных — минимальными», — рассказывает декан факультета прикладной математики и информатики университета профессор Владимир Тимофеев.

Быстрообучаемые нейросети — часть будущего искусственного интеллекта, который сможет быстро обрабатывать огромные массивы данных исследований в различных научных областях. Одна из проблем традиционных методов обучения нейросетей связана с точностью исходных данных: в любом исследовании могут содержаться аномальные, ошибочные данные — результаты некачественных измерений или влияния посторонних факторов. К наличию таких данных следует относиться с особой осторожностью и вниманием.

Проблема в том, что человек отличает аномальные данные, а для искусственного интеллекта они представляют собой одинаковую ценность. И, чтобы решить эту задачу, специалисты на практике либо усложняют структуру сети, либо запускают процесс предобработки данных (специальная операция по выявлению возможных ошибок), что приводит к увеличению времени. Ученые факультета прикладной математики и информатики (ФПМИ) НГТУ НЭТИ от этого отказались и решили применить другой алгоритм обучения — научить искусственный интеллект распознавать ошибки.

Подход, предложенный учеными вуза, поможет обеспечить не только устойчивость алгоритма обучения нейронной сети к ошибкам, но и точность ее работы на реальных данных. Алгоритм обучения должен сам определять, какими должны быть «правильные» значения, и выделять из этого потока некий идеальный результат. Так, например, это позволит сократить время и другие ресурсы на обучение сетей: вместо недели специалисту понадобится всего один час работы.

«Для того, чтобы понять, как работает робастный метод, необходимо вспомнить, как определяются среднеарифметические значения. Пусть, например, необходимо рассчитать среднюю скорость транспортных средств, находящихся в данный момент на заданном участке дороги. Обычно эта задача решается на основе данных, поступающих с GPS-навигаторов, подключенных к сети ГЛОНАСС. При этом на интересующем нас участке дороги в данный момент времени могут находиться припаркованные автомобили, скорость которых равна нулю. Формальный учет всех поступивших данных с заданного участка дороги приведет к занижению значения среднего арифметического значения. Использование робастной оценки среднего даст верную оценку среднего значения», -комментирует декан факультета прикладной математики и информатики, профессор кафедры теоретической и прикладной информатики Владимир Тимофеев.

Робастный подход в обучении нейронных сетей, который используют ученые НГТУ НЭТИ, позволяет снизить влияние ошибочных наблюдений. Система сама понимает, что объекты «находятся» на большом расстоянии от основной группы наблюдений, а значит, являются нетипичными. Это уменьшает влияние ошибочных значений, опечаток или других отклоняющих показателей на точность результата. Ноу-хау математиков НГТУ НЭТИ в особой формуле, которая позволяет рассчитывать ценность различных значений в зависимости от их частоты обнаружения в потоке информации для различных массивов данных — результатов научных исследований, текстов, научных статей и т. п.

Полученные в результате разработки нейросети можно будет использовать для классификации текстовых данных или создания систем продвинутого поиска по массивам текстов. Сейчас уже создана первая версия алгоритма, который ученые НГТУ НЭТИ разработали для Института цитологии и генетики СО РАН. Задача системы — обрабатывать большие массивы данных из медицинской международной базы научных публикаций «PubMed», искать и выводить необходимую информацию точно по запрашиваемому объекту. Например, по определенной кислоте, вирусу, клетке или органу.

«В среднем специалисту для беглого просмотра содержания научной статьи необходимо 15−20 минут. Для просмотра всей базы научных публикаций человеку понадобится порядка 200 лет. Использование нейронных сетей позволяет сократить время на анализ текста статьи и достаточно быстро извлечь необходимую информацию. В результате появляется возможность выделить в статье объекты, представляющие интерес для ученых, и показать их связь с другими объектами», — рассказала автор проекта, обладатель гранта Российского фонда фундаментальных исследований аспирантка ФПМИ НГТУ НЭТИ Мария Сивак.

По словам молодого ученого, анализ текстов необходим не только для того, чтобы помочь человеку найти информацию, но и решить вопрос организации научного знания. «Каждая научная публикация посвящена решению конкретной задачи. Объединение и систематизация публикаций помогут ученым в дальнейших исследованиях при решении текущих и новых задач», — говорит Мария Сивак.

Сейчас в медицине стоит сложная задача — создать математическую модель организма для того, чтобы снизить к минимуму испытания вакцин или новых препаратов на живых существах. Главные проблемы в реализации этой идеи — отсутствие технических возможностей и знаний. Но если «электронный пациент» перейдет из разряда фантастики в реальность, то работа организма будет описана, например, огромной нейронной сетью, а робастный подход поможет быстро изучать побочные действия вакцин или препаратов.

Проект сотрудников НГТУ НЭТИ будет реализован в течение двух лет. Другие разработки в области нейронных сетей сегодня осуществляются ведущими специалистами таких компаний, как Samsung, Google и других крупных организаций, но, по словам ученых новосибирского вуза, все результаты исследований являются закрытыми.

Материал предоставлен пресс-службой НГТУ НЭТИ

17:39
378
23:08
+2
Об этом уже писали.

Ученые Новосибирска создадут быстрообучаемую нейросеть

Сотрудники Новосибирского государственного технического университета (НГТУ) работают над созданием быстрообучаемых нейросетей, которые будут заниматься анализом и классификацией текстовых данных, сообщил ТАСС декан факультета прикладной математики и информатики университета Владимир Тимофеев.

Такая нейросеть будет устойчивой к ошибкам, за счет чего затраты на обработку данных будут минимальными.

Ученые при создании быстрообучаемых нейросетей будут применять робастный подход, с помощью которого выявляются грубые ошибки и снижается их влияние на работу нейронных сетей. Данный метод применяется впервые при создании нейронных сетей. В отличие от традиционных методов робастный подход обеспечит устойчивость алгоритма обучения нейронной сети к ошибкам и точность работы ее на реальных данных.

«Основная идея состоит в использовании робастного подхода для нейронных сетей. Такая технология предлагается впервые, в рамках исследований будут разработаны принципиально новые нейронные сети, свойства которых еще только предстоит изучить. Кроме того, должно сократиться время на обучение нейронной сети (по сравнению с традиционным подходом). Архитектура сети при этом будет достаточно простой, а затраты на предобработку данных — минимальными», — сообщил собеседник агентства.

По словам Тимофеева, полученные в результате разработки нейросети будут применяться для классификации текстовых данных, для которых нужны нетипичные алгоритмы. Такие нейросети могут появиться в течение двух лет. Исследование поддержано Российским фондом фундаментальных исследований.

За последние годы ученые значительно продвинулись в разработке систем искусственного интеллекта и создали нейросети, способные исполнять нетривиальные задачи и даже «мыслить» креативно, создавая новые образцы искусства и технологий. Это стало возможным как благодаря развитию вычислительных систем, так и появлению новых математических принципов, описывающих устройство и работу систем машинного обучения.

НГТУ является одним из крупнейших вузов в Сибири и одним из крупнейших технических университетов в стране. В университете обучаются более 13 тыс. студентов, работают более 1,5 тыс. преподавателей. В состав университета входят 16 факультетов, которые располагаются в восьми учебных корпусах.
Хайпуют по маленьку, бюджет пилят
23:22
+1
У нас так же и от ковида вакцины делают и асфальт кладут, тупо все пилят.
23:26
Какие еще быстрообучаемые нейросети — это то что сделал недавно сбербанк? виртуального оператора который пиздец как тупит когда его о чем то спрашиваешь и даже когда говоришь ему 10 раз что нужен оператор — блядь человек, он все равно сука говорит что не понимает тебя… так они быстрообучатся будут? тогда это еще лет сто пройдет