Вдохновлённые работой мозга, российские исследователи из МФТИ, ФИЦ ИУ РАН и AIRI создали инновационный алгоритм памяти для ИИ, который повышает эффективность обучения роботов в условиях помех. Метод имитирует дендриты, отростки нейронов, отвечающие за передачу сигналов. Новый алгоритм позволяет ИИ быстрее обрабатывать информацию и устанавливать связи между данными, снижая вычислительные затраты.
Новый алгоритм машинного обучения позволит роботам обобщать данные и находить корреляции, сокращая время и ресурсы, необходимые для обработки информации, и повышая эффективность обучения ИИ.
Исследование, представленное на 19-й Международной конференции HAIS 2024, предлагает уникальный подход к памяти машины, вдохновлённый природными структурами.
В основе разработки лежит использование математических моделей, имитирующих дендриты, играющие ключевую роль в передаче информации. В искусственных моделях они помогают распознавать и классифицировать объекты.
Однако существующие модели сталкиваются с проблемой чрезмерного роста в «шумных» средах.
Решение ученых – изменение алгоритма машинного обучения для распознавания частей объектов. Для этого внедрен «мягкий адаптер», позволяющий существующим сегментам узнавать новые объекты по частичному сходству. Результаты показывают, что это замедляет рост «дендритов» без значительной потери качества.
Московские ученые разработали революционный механизм запоминания для ИИ
