Ученые лаборатории исследований искусственного интеллекта (ИИ) Tinkoff Research (входит в экосистему "Тинькофф") объявили о создании алгоритма обучения ИИ, который превосходит мировые аналоги по скорости и качеству, что позволяет экономить вычислительные ресурсы. Об этом говорится в сообщении компании "Тинькофф".
"Новый метод, названный ReBRAC, обучает ИИ в четыре раза быстрее и на 40% качественнее аналогов, адаптируя его к новым условиям на ходу. Более эффективные алгоритмы требуют меньше вычислительных ресурсов. Это может сократить технологический и цифровой разрыв. Страны с ограниченными вычислительными ресурсами смогут создавать и развивать передовые технологии, адаптировать ИИ под конкретные нужды, не тратя при этом значительные средства на дорогостоящие эксперименты", - рассказали в компании.
Специалисты идентифицировали в алгоритмах обучения ИИ четыре компонента, которые до сих пор считались второстепенными и не подвергались детальному анализу: глубину нейросетей, использование нормализации слоев (LayerNorm), увеличение эффективного горизонта планирования, а также регуляризацию актора и критика. При интеграции этих компонентов в алгоритм - предшественник BRAC 2019 года выяснилось, что "правильная совокупность этих компонентов дает даже этому старому подходу самую высокую производительность среди лучших аналогов на сегодняшний день", заявили в "Тинькофф".
В компании также отметили, что ReBRAC эффективнее аналогов решает проблему дообучения искусственного интеллекта, который обычно медленно адаптируется к новым условиям.
Tinkoff Research занимается исследованием перспективных областей ИИ, таких как обработка естественного языка, компьютерное зрение, обучение с подкреплением, рекомендательные системы. Tinkoff Research также курирует исследовательскую лабораторию "Тинькофф" на базе МФТИ, содействующую научной работе российских студентов.
ТАСС
"Новый метод, названный ReBRAC, обучает ИИ в четыре раза быстрее и на 40% качественнее аналогов, адаптируя его к новым условиям на ходу. Более эффективные алгоритмы требуют меньше вычислительных ресурсов. Это может сократить технологический и цифровой разрыв. Страны с ограниченными вычислительными ресурсами смогут создавать и развивать передовые технологии, адаптировать ИИ под конкретные нужды, не тратя при этом значительные средства на дорогостоящие эксперименты", - рассказали в компании.
Специалисты идентифицировали в алгоритмах обучения ИИ четыре компонента, которые до сих пор считались второстепенными и не подвергались детальному анализу: глубину нейросетей, использование нормализации слоев (LayerNorm), увеличение эффективного горизонта планирования, а также регуляризацию актора и критика. При интеграции этих компонентов в алгоритм - предшественник BRAC 2019 года выяснилось, что "правильная совокупность этих компонентов дает даже этому старому подходу самую высокую производительность среди лучших аналогов на сегодняшний день", заявили в "Тинькофф".
В компании также отметили, что ReBRAC эффективнее аналогов решает проблему дообучения искусственного интеллекта, который обычно медленно адаптируется к новым условиям.
Tinkoff Research занимается исследованием перспективных областей ИИ, таких как обработка естественного языка, компьютерное зрение, обучение с подкреплением, рекомендательные системы. Tinkoff Research также курирует исследовательскую лабораторию "Тинькофф" на базе МФТИ, содействующую научной работе российских студентов.
ТАСС
