Название базовой системы (платформы): | Искусственный интеллект (ИИ, Artificial intelligence, AI) |
Разработчики: | Московский физико-технический институт (МФТИ), ФИЦ ИУ РАН - Информатика и управление Федеральный исследовательский центр РАН, Институт Искусственного Интеллекта (AIRI) |
Дата премьеры системы: | 2025/01/23 |
Основная статья: Машинное обучение (Machine Learning)
2025: Представление биологически подобного алгоритма памяти для ИИ
Российские учёные из МФТИ, ФИЦ «Информатика и управление» РАН и института AIRI разработали биологически подобный алгоритм памяти для искусственного интеллекта, значительно повышающий эффективность обучения роботов в условиях шумовой среды. Об этом МФТИ сообщил 23 января 2025 года. Метод основан на принципах работы дендритов — отростков нейронов мозга, ответственных за передачу сигналов. Данный алгоритм позволяет ИИ быстрее обрабатывать информацию и находить связи между данными, сокращая при этом затраты вычислительных ресурсов.
Данный алгоритм машинного обучения позволит роботизированным системам обобщать данные и находить между ними взаимосвязи. Это существенно уменьшит расход времени и вычислительных ресурсов на обработку информации и поможет более эффективному обучению ИИ.
Основой разработки стала идея использования математических моделей, напоминающих дендриты — отростки нейронов в мозге, которые играют ключевую роль в передаче информации. В искусственных моделях они помогают распознавать и классифицировать объекты. В процессе обучения модель адаптируется, «вырастая» и расширяя свои знания путём создания новых «дендритов».CIO девелопера Tekta Group Антон Солорев — о переходе с ERP Microsoft на «1С» и особенностях цифровизации в строительстве
Однако существующие модели сталкиваются с проблемой чрезмерного разрастания. Это часто происходит в «шумных» средах, где каждое новое отклонение требует создания дополнительных сегментов, что увеличивает сложность и ресурсоёмкость системы.
Решение, которое предлагают ученые, – изменение алгоритма машинного обучения таким образом, чтобы вычислительная модель распознавала не весь объект, а определенные его части. Для этого в алгоритм внедрили «мягкий адаптер». Эта функция позволяет существующим сегментам узнавать новые объекты по частичному сходству. Результаты экспериментов показали, что данный подход существенно замедляет рост «дендритов» без значительной потери качества распознавания.
![]() | Эксперименты показывают, что такой способ существенно уменьшает рост «дендритов». При этом уже выращенные сегменты задействует гораздо шире. Причем оказалось, что это не приводит к заметному падению качества распознавания, но позволяет работать в условиях шума и сократить время и мощности, необходимые для обработки информации. Таким образом, ИИ учится обобщать данные по определённым признакам и находить между ними взаимосвязи. Эти действия, в принципе, уже можно отнести к примитивным мыслительным операциям, — рассказал ассистент Центра когнитивного моделирования МФТИ и младший научный сотрудник института AIRI Петр Кудеров. | ![]() |
Разработка такого алгоритма не только минимизирует избыточное разрастание, но и увеличивает способность ИИ обобщать данные, находя взаимосвязи даже в условиях повышенного шума. Такая адаптивность помогает системам подстраиваться под разные уровни сложности и шума.
Независимо от природы данных — будь то текст, изображение или физические объекты — вычислительная модель эффективно справляется с распознаванием, открывая перспективы для создания реалистичных картин мира. С этой технологией ИИ может стать на шаг ближе к реализации примитивных форм мышления.
Вместе с тем предложенный алгоритм обладает адаптивностью, которая выражается в способности регулировать уровень точности распознавания. Это даёт машинному мозгу возможность, подобно радиоприёмнику, тонко подстраиваться под заданный диапазон шума.