МОСКВА, 21 августа. /ТАСС/. Исследователи из России разработали подход, позволяющий значительным образом повысить эффективность обучения генеративных потоковых нейросетей, предназначенных для работы с неструктурированными задачами. Эта методика ускорит разработку ИИ, способных искать новые лекарства, сообщила пресс-служба НИУ ВШЭ.
"Наш метод заметно быстрее просматривает пространство возможных решений и находит больше качественных вариантов, чем уже существующие и применяемые на практике методы. Этот подход в целом сближает генеративные модели с методами обучения с подкреплением", - пояснил младший научный сотрудник Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ Никита Морозов, чьи слова приводит пресс-служба вуза.
Как объясняют исследователи, генеративные потоковые сети представляют особый тип алгоритмов машинного обучения, который строит сложные объекты шаг за шагом. Ученые применяют их для поиска белков, лекарств и оптимизации транспортных систем. Для решения этих задач ИИ должен научиться понимать и манипулировать свойствами объектов, которые хочет получить их пользователь.
Как правило, они состоят из двух компонентов - прямой и обратной модели
"Мы сделали так, что поиск оптимального решения стал похож на переговоры, в которых обе стороны готовы менять свою позицию. В задачах с большой степенью неизвестности обратная модель - лишь вспомогательный инструмент, улучшающий результаты прямой модели. Мы искали способ сделать работу обратной модели гибкой и, наконец, смогли его получить", - пояснил стажер-исследователь Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ Тимофей Грицаев, чьи слова приводит пресс-служба вуза.
Этот подход, как считают ученые, позволит повысить эффективность обучения генеративных потоковых сетей в большом числе областей науки и экономики, в том числе в фармацевтике, материаловедении и при настройке больших языковых моделей. Его применение позволит быстро находить наиболее оптимальные варианты и заметно сократит нагрузку на вычислительные мощности, подытожили исследователи.
Комментарии