#глубокое обучение

Команда исследователей из Т-Технологий и МФТИ предложила новый подход к «воспитанию» больших языковых моделей, позволяющий им становиться умнее и безопаснее, не страдая от «сверхоптимизации» — парадоксального эффекта, когда слишком усердное обучение приводит к деградации качества. Разработанное семейство алгоритмов, получившее название Trust Region (TR), динамически обновляет «точку отсчета» для модели, позволяя ей постоянно развиваться и выходить за рамки первоначальных знаний, сохраняя при этом стабильность и адекватность.

Лаборатория исследований искусственного интеллекта Yandex Research представила нейросетевую архитектуру для работы с табличными данными — TabM. Разработка позволяет быстро обрабатывать большие массивы данных и строить высокоточные прогнозы при умеренном использовании вычислительных ресурсов. Подобные модели могут использоваться в самых разных областях, от прогнозирования энергопотребления до классификации пациентов по риску заболеваний.

Разработка называется XLand-MiniGrid и позволяет тренируемому ИИ выполнять триллион взаимодействий с обучающей его средой всего за три дня.

Специалисты из Гонконга разработали прототип МРТ-сканера, который может провести диагностику дешевле и доступнее. Для этого ученые использовали маломощный магнит, а также отказались от стандартного шумоподавления.

Нейросеть и человек воспринимают звук по-разному. Из-за этого алгоритмы для улучшения звука не всегда обрабатывают аудио желаемым образом. Ученые разработали новую модель глубокого обучения, которая опирается на человеческие оценки звуковой дорожки и способна улучшать аудиозаписи более эффективно.

Модели глубокого обучения (deep learning) хорошо зарекомендовали себя при работе с текстами и речью. Однако они также эффективны для решения задач молекулярной биологии и биомедицины, в том числе предсказания функциональных свойств белков на основе их аминокислотной последовательности.

Специалисты из компании Google в сотрудничестве с Европейским институтом биоинформатики разработали нейронную сеть глубокого обучения, позволяющую предсказывать структуру, функции и свойства белков по их первичной структуре с высокой точностью. Новый инструмент позволит значительно облегчить и ускорить разработку новых лекарств и проектирование новых ферментов для промышленного производства продуктов питания, биотоплива и химикатов.

Коллаборация Швейцарского плазменного центра и компании DeepMind разработала новый метод магнитного управления плазмой в токамаке. Алгоритм глубокого обучения с подкреплением, разработанный DeepMind, позволяет значительно ускорить подбор настройки токамака для создания наперед заданных конфигураций плазмы с высокой точностью.

Физики из Японии и Австралии при помощи моделирования показали, что одна из разновидностей машинного обучения — обучение с подкреплением — подходит для точного управления квантовым состоянием системы.

Новый алгоритм превзошел существующие алгоритмы по точности предсказания функции белка на основании его последовательности. Эффективность подхода ученые подтвердили экспериментально на бактериальном белке антибиотикорезистентности.

Искусственный интеллект знает, когда вы умрете. В отличие от фантастических фильмов, в реальности это может спасти вам жизнь.

Реконструкция изображений по нейронной активности уже неоднократно удавалась; к примеру, Брайс Кюль из Университета США поставил несколько успешных опытов по расшифровке данных об активности головного мозга, позволивших воссоздать изображения человеческих лиц, причем удавалось получить как непосредственно наблюдаемые во время сбора информации изображения, так и воспоминания об однажды виденных лицах. Однако до сих пор во всех...

Международная группа исследователей из Гарвардского университета (США) и Хуачжунского университета науки и технологии (Китай) разработала программу для обнаружения болезни Альцгеймера на ранних стадиях. Об этом пишет IEEE.Spectrum.