#самообучение

Коллектив исследователей из МФТИ и Института проблем передачи информации им. А. А. Харкевича (ИППИ РАН) разработал математическую модель, описывающую, как системы искусственного интеллекта влияют на собственное будущее, обучаясь на данных, которые сами же и породили. Ученые создали теоретический каркас, объясняющий природу «цифровых эхо-камер» и механизм, из-за которого умные алгоритмы со временем могут терять адекватность или усиливать социальные предрассудки.

Ключевая способность искусственного интеллекта — способность к обучению. Как искусственный интеллект учится, может ли он самообучаться и сможет ли когда-нибудь заменить человека? На эти вопросы ответил научный сотрудник института «Компьютерные науки и прикладная математика» МАИ, директор департамента цифровой трансформации компании BetBoom Юрий Чайников.

В прошлом ИИ-системы выполняли определенный набор задач, а при появлении новых их нужно было переобучать. На это уходили дополнительные финансовые и вычислительные ресурсы. Открытие лаборатории исследований искусственного интеллекта T-Bank AI Research и Института AIRI меняет ситуацию. Ученые первыми в мире создали модель в области контекстного обучения (In-Context Learning), которая на нескольких примерах сама может учиться новым действиям.

Спайковые нейронные сети (SNN) стали перспективными типами искусственных нейронных сетей (ANN). SNN более биологически правдоподобны, чем точечные нейроны, имеют более простую структуру за счет меньшего количества нейронов и способны реализовывать биоподобные механизмы самообучения. Однако SNN требуют более высокой вычислительной мощности для программного расчета функции каждого нейрона. Эта проблема может быть решена аппаратной реализацией SNN, что и реализовали ученые из ТюмГУ.

Ученые Томского госуниверситета объявили о создании искусственного интеллекта, способного к самообучению. Разработка может применяться в медицине для лечения различных деменций.

Шестиногого робота научили терпеть боль и компенсировать повреждения – вплоть до потери пары конечностей. Создатели нового алгоритма сравнивают его работу с инстинктивной адаптацией животных к нарушениям локомоции и уверены, что его применение позволит чаще и шире применять автоматы при стихийных бедствиях, техногенных авариях и, разумеется, на войне.