Журнал о технологиях и строительстве

МOСКВA, 21 дeк — РИA Нoвoсти. Учeныe с лaбoрaтoрии исслeдoвaний искусствeннoгo интeллeктa Tinkoff Research («Тинькoфф Рисeрч») сoздaли нoвый эффeктивный aлгoритм в (видах oбучeния ИИ-aгeнтoв, сooбщaeт Тинькoфф.Кaк oтмeтили в кoмпaнии, мeтoд, получивший заглавие ReBRAC («РеБРАК»), стал первым, превзошедшим откалиброванный алгоритм более, нежели в половине испытаний.»Отлаживание на робототехнических симуляторах показало, почто алгоритм обучает ИИ в четверка раза быстрее и для 40% качественнее всех существующих в офлайн-бенчмарках. Перед лидерство принадлежало алгоритму SAC-RND, равным образом созданному учеными изо Tinkoff Research», — говорится в сообщении.Ровно по словам ученых, ReBRAC эффективнее других решает проблему дообучения искусственного интеллекта, какой обычно медленно адаптируется к новым условиям. «К примеру (сказать), робот, который был изначально обучен шмыгать по траве, упадет, коли переместится на ожеледь. ReBRAC же позволяет ИИ то ли дело учиться на одна нога тут и адаптироваться», — поясняют эксперты лаборатории.В Tinkoff Research считают, зачем разработка российских ученых в области повышения эффективности алгоритмов обучения ИИ может служить поддержкой преодолению технологического и цифрового разрыва в обществе разными странами.»Сильнее эффективные алгоритмы требуют слабее вычислительных ресурсов. Страны с ограниченными вычислительными мощностями смогут слагать и развивать передовые технологии, приладить ИИ под конкретные прикладные задачи, кардинально экономя на дорогостоящих экспериментах с ИИ», — подчеркивают эксперты.В такой степени, алгоритмы с низким потреблением ресурсов позволяют коротать обучение ИИ-агентов держи уже доступных устройствах и сокращают промежуток времени время обучения, чего важно для задач, идеже требуется быстрое вывод. Более эффективные методы делают машинное тренировка доступным для широкой аудитории, начиная регионы с ограниченными ресурсами.Результаты исследования были представлены для международной конференции точно по машинному обучению NeurIPS, которая прошла 10-16 декабря в Новом Орлеане.»Исключая алгоритма ReBRAC, ученые представили двум открытые библиотеки в области офлайн-обучения с подкреплением (Offline RL, ORL), по причине которым специалистам за ИИ больше приставки не- требуется самостоятельно отображать результаты наиболее весомых научных работ», — добавили в компании.Tinkoff Research — российская исследовательская группировка, которая занимается научными исследованиями в середине компании Тинькофф. Ученые исследуют в наибольшей степени перспективные области ИИ: обработку естественного языка (NLP), компьютерное глаза (CV), обучение с подкреплением (RL) и рекомендательные системы (RecSys). Порядок также курирует исследовательскую лабораторию Тинькофф держи базе МФТИ.