В России разработали метод использования малых нейросетей для обучения сложных ИИ-систем
Исследователи из России разработали подход, который позволяет использовать малые нейросети для ускоренного обучения более сложно устроенных систем ИИ, предназначенных для распознавания трехмерного положения предметов на снимках с лидаров (лазерных радаров). Об этом в пятницу сообщила пресс-служба Института искусственного интеллекта AIRI.
"Мы начали работу над проектом параллельно с исследователями OpenAI, которые решили применить схожий подход для работы с текстами, тогда как наша команда сосредоточилась на компьютерном зрении. Интересно, что и сама идея, и полученные результаты показали свою состоятельность у обеих команд, которые пришли к схожим выводам не взаимодействуя друг с другом напрямую", - заявил руководитель группы "ИИ в промышленности" института AIRI Илья Макаров, чьи слова приводит пресс-служба института.
Исследователи разработали небольшую нейросеть, которая позволяет решить одну из главных проблем при разработке и обучении крупных систем ИИ, способных распознавать объекты и оценивать их положение в трехмерном пространстве. Подобные алгоритмы критически важны для предсказания и планирования пути движения беспилотных автомобилей или дронов, однако их работе часто мешает то, что отслеживаемые объекты не полностью видны на снимках или их сложно различить на зашумленных изображениях, получаемых лидарами.
И то, и другое, как отмечают исследователи, значительным образом осложняет и замедляет процесс обучения нейросетей, способных определять положение объектов в пространстве. Российские ученые предположили, что данную проблему можно решить, если предварительно обработать набор снимков, используемых для обучения, при помощи малой нейросети, способной удалять шум и "достраивать" изображения объектов с учетом того, как они выглядят на других кадрах.
Руководствуясь этой идеей, исследователи обучали небольшую генеративную нейросеть на доступных записях снимков с лидара, снятых во время проезда автомобиля по улицам города. Затем эта небольшая, но точная модель была использована для обучения большой нейросети, работающей на шумных снимках с множеством сложных параметров. Малая нейросеть значительно повысила точность распознавания реальных объектов - технология стала корректно предполагать форму окружающих предметов, которые могла увидеть лишь в будущем.
Подобные улучшения должны значительным образом повысить качество и безопасность работы систем навигации беспилотных автомобилей и дронов. Кроме того, схожим образом, как предполагают ученые, можно использовать малые нейросети для ускоренного обучения и разработки других сложно устроенных систем ИИ, а также создания нейросетевых "учителей", способных ускорять обучение сразу нескольких типов других алгоритмов.
В России разработали метод использования малых нейросетей для обучения сложных ИИ-систем