Специалисты взялись исправить проблему "чрезмерного разрастания" — недостаток многих моделей машинного обучения, основанных на принципах работы "дендритов" - отростков нейронов мозга, ответственных за передачу сигналов. Это явление наблюдается, когда модель машинного обучения создает множество дополнительных сегментов (или "дендритов") для хранения информации о каждом новом объекте.
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.
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 МФТИ.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
#новостьдня