Ранее искусственный интеллект функционировал, решая заранее заданные задачи, и требовал переобучения при возникновении новых. Этот процесс сопряжен с дополнительными затратами финансовых средств и вычислительных мощностей. Создание лаборатории исследований искусственного интеллекта T-Bank AI Research и Института AIRI кардинально меняет сложившуюся ситуацию. Специалисты впервые в мире разработали модель, основанную на контекстном обучении (In-Context Learning), позволяющую самостоятельно осваивать новые действия, опираясь на несколько примеров.
Headless-AD демонстрирует способность к выполнению в пять раз больше задач, чем было изначально предусмотрено в процессе обучения. Искусственные интеллект-системы, способные к адаптации к изменяющимся условиям и решению новых задач без участия человека, окажутся полезными в широком спектре сфер – от повседневных нужд до космических разработок.
В частности, такие системы могут быть применены в домашних роботах-помощниках. Сначала их можно будет обучать базовому набору действий, выполняемых в доме. Затем, благодаря возможностям Headless-AD, позволяющим роботам обучаться самостоятельно, они смогут адаптироваться к индивидуальным потребностям каждой семьи.
В качестве альтернативного варианта развития событий можно рассмотреть внедрение Headless-AD в беспилотных автомобилях. Искусственный интеллект позволит транспортным средствам приспосабливаться к замене компонентов на новые, даже если они функционируют по иному принципу. К примеру, это может быть установка более производительного двигателя или использование шин другого типа.
В рамках серии экспериментов ученые сравнили Headless-AD с наиболее близкими альтернативами. Среди задач, которые были протестированы, находилось формирование рекомендаций к товарам. В отличие от других моделей, требующих переобучения для новых категорий товаров, и теряющих эффективность при их расширении, Headless-AD продемонстрировала значительное преимущество, поскольку способна предлагать в пять раз больше релевантных товаров, чем те, на которых она изначально обучалась.
В ходе других экспериментов Headless-AD продемонстрировала возможность выполнения разнообразных комбинаций и любого количества операций без ухудшения производительности и необходимости дополнительной доработки. Статья содержит детальное описание модели и результатов тестирования Обучение с подкреплением с учетом контекста для переменных пространств действий . Исходный код и дополнительные материалы доступны на сайте GitHub.
Российскую разработку представили на международной конференции по машинному обучению ICML (International Conference on Machine Learning), одной из самых престижных и крупных в этой сфере. В 2024 году мероприятие проходит в Австрии с 21 по 27 июля.
О T-Bank AI Research
Лаборатория T-Bank Al Research, являющаяся частью Центра искусственного интеллекта Т-Банка, изучает наиболее перспективные области в сфере искусственного интеллекта. К ним относятся обработка естественного языка (NLP), компьютерное зрение (CV) и рекомендательные системы (RecSys).
Работы исследователей регулярно представляются на ведущих научных конференциях, включая NeurIPS, ICML, ACL, CVPR и других. Ученые из университетов Беркли и Стэнфорда, а также сотрудники исследовательского проекта Google DeepMind используют фрагменты из этих публикаций в своих исследованиях.
Команда оказывает поддержку начинающим специалистам, курируя исследовательские лаборатории T-Bank Lab в Московском физико-техническом институте и Omut AI в Центральном университете.