Итеративная оптимизация: новый метод от российских учёных
Новый метод итеративной оптимизации от российских учёных. Разработки российских учёных в области математики помогут оптимизировать работу систем искусственного интеллекта. Специалисты из России создали новый метод итеративной оптимизации. Он позволяет значительно сократить количество шагов, необходимых для настройки гиперпараметров в системах искусственного интеллекта. Об этом сообщила пресс-служба Сбера. Этот метод можно применять для оптимизации двухэтапных процедур. На первом этапе создаётся нейронная сеть, которая извлекает числовые представления данных. Эти представления обеспечивают максимальную точность классификации на втором этапе. Также метод может быть использован для дообучения больших языковых моделей в некоторых случаях. Разработчики — группа исследователей из Лаборатории искусственного интеллекта Сбербанка, МФТИ и Университета Иннополис. Руководил проектом научный сотрудник МФТИ Александр Безносиков. Метод представляет собой инновационный подход к решению задач оптимизации, когда у исследователей нет доступа к точной формуле для расчёта результата. В таких ситуациях приходится оценивать результат приближённо. Подобные ситуации часто возникают при разработке и дообучении систем искусственного интеллекта. Существующие методы оптимизации математических функций, такие как алгоритм Франк-Вульфа, не всегда позволяют решить эти задачи. Это побудило российских исследователей создать свой собственный, более универсальный и быстродействующий подход. Последующие проверки работы метода JAGUAR показали, что он позволяет тонко настраивать модели машинного обучения за меньшее количество шагов, чем существующие подходы. Кроме того, метод эффективно работает в ситуациях, когда расчёт сопровождается случайными ошибками. Метод значительно превзошёл по качеству работы уже доступные аналоги, доступные на рынке. Это говорит о высокой перспективности нового алгоритма. Источник: www.rosgranstroy.ru
Пост взят с международного финтех-медиа ресурса
ДЛЯ ЛЮДЕЙ