Специалисты лаборатории исследований искусственного интеллекта Tinkoff Research создали новый метод для обучения ИИ. Об этом агентству FBM сообщили представители разработчика.
Новый алгоритм, получивший название SAC-RND, способен обучать роботов в 20 раз быстрее и на 10% качественнее всех имеющихся на сегодняшний момент аналогов ‒ такие результаты продемонстрировало тестирование метода на робототехнических симуляторах.
Обучение ИИ ‒ это процесс, которому требуются весомые ресурсы: прежде всего, вычислительные мощности, серьезные финансы и время. Его оптимизация дает возможность ускорения развития всех областей, в которых используются ИИ-агенты, к примеру робототехники.
Метод SAC-RND способен повысить безопасность беспилотных авто, упростить логистические цепочки, ускорить доставку и работу логистических центров, оптимизировать процессы горения на энергетических объектах и минимизировать выбросы вредных веществ в природу. Данное открытие не только в разы улучшает работу узкоспециализированных роботов, но и приближает ученых к созданию универсального роботизированного механизма, способного самостоятельно выполнять любые задачи.
Итоги исследования Tinkoff Research признаны мировым научным сообществом и презентованы в ходе Международной конференции по машинному обучению (ICML), прошла в 40-й раз в Гонолулу, Гавайи, с 23 по 29 июля текущего года. Это одна из трех крупнейших конференций на свете из числа оказывающих наибольшее воздействие на исследования в области машинного обучения, а также ИИ.
Сегодня одно из наиболее перспективных видов обучения ИИ — обучение с подкреплением (RL), вдохновленное процессами человеческого обучения и отличающееся высоким уровнем эффективности. RL позволяет роботам учиться методом проб и ошибок, адаптироваться в сложных средах и изменять поведение на ходу. Обучение с подкреплением может использоваться во всех сферах: от регулирования пробок на дорогах до рекомендаций в социальных сетях, которые предлагают пользователю контент, основанный на его предпочтениях.
Tinkoff Research сегодня является одной из немногих российских исследовательских групп, проводящая научные исследования внутри компании, а не на базе некоммерческой организации. Ученые Tinkoff Research занимаются исследованиями наиболее перспективных областей ИИ: обработки естественного языка (NLP), компьютерного зрения (CV), обучения с подкреплением (RL) и рекомендательных системых (RecSys). По итогам экспериментов публикуются научные материалы для наиболее авторитетных научных конференций: NeurIPS, ICML, ACL, CVPR и других.
За два года работы команды Tinkoff Research более 13 докладов были приняты на крупнейшие конференции и воркшопы в области ИИ. Научные работы Tinkoff Research цитируются исследователями университетов Беркли и Стэнфорда, а также исследовательского проекта Google по изучению искусственного интеллекта Google DeepMind.
Команда курирует исследовательскую лабораторию Тинькофф на базе МФТИ и осуществляет поддержку одаренных молодых людей, ведущих научные исследования со студенческой скамьи.
