Найден способ помочь ИИ справляться со сложными задачами

Модель хорошо адаптируется при решении задач с изменяющимися условиями, заявляют разработчики.

Исследователи Массачусетского технологического института представили новый подход к обучению, который поможет системам искусственного интеллекта эффективнее справляться со сложными задачами с изменяющимися условиями. Разработка ускорит обучение и повысит производительность ИИ в различных сценариях: от управления дорожным движением до анализа в медицине.

Модели обучения с подкреплением часто терпят неудачу, сталкиваясь с небольшими изменениями в задачах, которые они обучены выполнять, объясняют разработчики. Например, при управлении дорожным движения модель может испытывать трудности с контролем набора перекрестков с разными ограничениями скорости, количеством полос или схемами движения

Исследователи разработали алгоритм под названием MBTL (Model-Based Transfer Learning). Он стратегически выбирает лучшие задачи для обучения, что позволяет моделям ИИ выполнять все задачи в наборе. Например, для системы управления светофорами MBTL выбирает перекрестки, которые оказывают наибольшее влияние на общий поток движения, минимизируя затраты времени и ресурсов на обучение.

Исследование показало, что MBTL в 5–50 раз эффективнее традиционных методов, достигая сопоставимых результатов при обучении на меньшем объеме данных. Это позволяет значительно сократить затраты на вычисления и ресурсы, что открывает перспективы для использования технологии в реальных системах, требующих адаптивных решений.

Источник: hightech.fm