МОСКВА, 25 июл - РИА Новости. Ученые из лаборатории исследований искусственного интеллекта (ИИ) T-Bank AI Research и Института AIRI разработали первую в мире модель в области контекстного обучения, которая умеет самостоятельно обучаться новым действиям всего на нескольких примерах, сообщает Т-Банк.
Отмечается, что ранее ИИ-системы умели выполнять только фиксированный набор действий, а при появлении новых задач - должны были переобучаться им с нуля. Это требовало дополнительных финансовых и вычислительных ресурсов, чтобы дообучить ИИ для практического применения.
Теперь открытие ученых позволяет создавать ИИ-системы, которые будут самостоятельно адаптироваться под изменения внешней среды и к новым задачам без участия человека. Как отметили в компании, решение потенциально сможет помочь в различных областях: от космических аппаратов до домашних роботов-помощников.
Разработанная российскими учеными модель умеет выполнять в пять раз больше действий, чем заложено в нее при обучении.
Один из потенциальных сценариев применения такой модели – создание персональных роботов-помощников по дому. Они могут быть обучены на стандартном наборе действий и выполнять одни и те же задачи в каждом доме. Разработанная модель ИИ, в свою очередь, предполагает возможность адаптации к индивидуальному контексту и особенностям быта, что позволяет домашним роботам без переобучения осваивать новые действия, необходимые для быта каждого отдельного домохозяйства. Другой пример применения модели — адаптация беспилотного автомобиля, который будет способен работать после замены детали, даже если она имеет другой принцип работы. Например, двигатель с более сильной тягой или новая шина.
В заявлении отметили, что результаты исследования были признаны мировым научным сообществом и представлены на Международной конференции по машинному обучению ICML (International Conference on Machine Learning), которая в этом году проходит в 41 раз в Вене, Австрия.
Обучение в контексте — это одна из самых перспективных областей в сфере искусственного интеллекта, которая позволяет ИИ-агентам адаптироваться к новым ситуациям без необходимости повторного обучения, уточнили в Т-Банке.
Теоретически ИИ-агенты должны уметь адаптироваться к окружающей среде по четырем компонентам: состояние — это то, что агент видит или знает о текущей ситуации; переход — это изменение состояния агента; награда — это оценка выполненного агентом действия, может быть положительной или отрицательной; действие — это доступные агенту способы взаимодействия со средой.
Ранее ИИ-агенты умели адаптироваться по первым трем компонентам. Например, беспилотные автомобили адаптируются к меняющимся погодным условиям, скорости движения и пунктам назначения. Последняя из этих компонент — адаптация по действиям — не была до конца изучена и не использовалась в создании моделей. Агенты умели выполнять только фиксированный набор действий, а при появлении новых — требовали переобучения с нуля.
Российские ученые решили эту проблему, создав модель, которая научилась адаптироваться к окружающей среде по действиям. Для этого они взяли за основу модель дистилляции алгоритма, которая ранее являлась самой передовой разработкой в области контекстного обучения, и провели три модификации: отказались от конечного линейного слоя, внедрили кодировку случайными векторами и контекст.