Министерство науки и высшего образования
Российской Федерации
  •        

Новые быстрообучаемые нейросети помогут в разработке искусственного интеллекта для различных сфер деятельности человека

Специалисты Новосибирского государственного технического университета НЭТИ работают над созданием быстрообучаемых нейросетей. Они смогут помочь в разработке искусственного интеллекта для различных сфер деятельности человека. Например, в медицине «электронный пациент» будущего позволит проводить исследования и выявлять побочные действия вакцин или препаратов без участия людей, а «умная» поисковая система поможет искать и систематизировать информацию в огромных международных базах научных публикаций. Нейросети будут устойчивы к ошибкам, за счет чего затраты на обработку данных станут минимальными.

Искусственная нейронная сеть – это программное воплощение математической модели и один из основных элементов ИИ, который построен по принципу работы сетей нервных клеток мозга. В разработке искусственного интеллекта важную роль играет машинное обучение: построение алгоритмов, позволяющих быстрее обучить нейросеть. Для создания быстрообучаемых нейросетей сотрудники НГТУ НЭТИ решили впервые использовать робастный метод. 

«В рамках исследований будут разработаны принципиально новые нейронные сети, свойства которых еще только предстоит изучить. Кроме того, должно сократиться время на обучение нейронной сети. Архитектура сети при этом будет достаточно простой, а затраты на предобработку данных – минимальными», – рассказывает декан факультета прикладной математики и информатики университета Владимир Тимофеев.

Быстрообучаемые нейросети – часть будущего искусственного интеллекта, который сможет быстро обрабатывать огромные массивы данных исследований в различных научных областях. Одна из проблем традиционных методов обучения нейросетей связана с точностью исходных данных: в любом исследовании могут содержаться аномальные или ошибочные данные. Поэтому ученые факультета прикладной математики и информатики (ФПМИ) НГТУ НЭТИ решили научить искусственный интеллект распознавать ошибки. Их подход поможет обеспечить не только устойчивость алгоритма обучения нейронной сети к ошибкам, но и точность ее работы на реальных данных. Алгоритм должен сам определять, какими должны быть «правильные» значения, и выделять из этого потока некий идеальный результат. Это позволит сократить время и другие ресурсы на обучение сетей: вместо недели специалисту понадобится всего час работы.

Робастный подход в обучении нейронных сетей позволяет снизить влияние ошибочных наблюдений. Система сама понимает, что объекты «находятся» на большом расстоянии от основной группы наблюдений, а значит, являются нетипичными. Это уменьшает влияние ошибочных значений, опечаток или других отклоняющих показателей на точность результата. Уникальность разработки математиков НГТУ НЭТИ заключается в особой формуле, которая позволяет рассчитывать ценность различных значений в зависимости от их частоты обнаружения в потоке информации для различных массивов данных – результатов научных исследований, текстов, научных статей.

Сейчас уже создана первая версия алгоритма, который ученые НГТУ НЭТИ разработали для Института цитологии и генетики СО РАН. Задача системы – обрабатывать большие массивы данных из медицинской международной базы научных публикаций «PubMed», искать и выводить необходимую информацию точно по запрашиваемому объекту. Например, по определенной кислоте, вирусу, клетке или органу.

«В среднем специалисту для беглого просмотра содержания научной статьи необходимо 15–20 минут. Для просмотра всей базы научных публикаций человеку понадобится порядка 200 лет. Использование нейронных сетей позволяет сократить время на анализ текста статьи и достаточно быстро извлечь необходимую информацию. В результате появляется возможность выделить в статье объекты, представляющие интерес для ученых, и показать их связь с другими объектами», – рассказала автор проекта, обладатель гранта Российского фонда фундаментальных исследований аспирантка ФПМИ НГТУ НЭТИ Мария Сивак.

Сейчас в медицине стоит сложная задача – создать математическую модель организма для того, чтобы снизить к минимуму испытания вакцин или новых препаратов на живых существах. Главные проблемы в реализации этой идеи – отсутствие технических возможностей и знаний. Но если «электронный пациент» перейдет из разряда фантастики в реальность, то работа организма будет описана, например, огромной нейронной сетью, а робастный подход поможет быстро изучать побочные действия вакцин или препаратов.

Проект сотрудников НГТУ НЭТИ будет реализован в течение двух лет. 

Дата публикации: 09.10.2020 15:00
Дата последнего изменения: 09.10.2020 15:00