Ученые НГТУ НЭТИ создают быстрообучаемые нейросети

Специалисты Новосибирского государственного технического университета НЭТИ работают над созданием быстрообучаемых нейросетей, которые в дальнейшем могут помочь в разработке искусственного интеллекта для различных сфер деятельности человека, сообщили в пресс-службе университета.

Отмечается, что сотрудники НГТУ НЭТИ решили использовать робастный метод для создания быстрообучаемых нейросетей.

— 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 профессор Владимир Тимофеев.

Быстрообучаемые нейросети – часть будущего искусственного интеллекта, который сможет быстро обрабатывать огромные массивы данных исследований в различных научных областях. При этом, ученые факультета прикладной математики и информатики (ФПМИ) НГТУ НЭТИ решили применить алгоритм обучения, при котором искусственный интеллект научится распознавать ошибки.

Робастный подход в обучении нейронных сетей, который используют ученые НГТУ НЭТИ, 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. Ноу-хау математиков НГТУ НЭТИ 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 и т.п.

Полученные в результате разработки нейросети можно будет использовать для классификации текстовых данных или создания систем продвинутого поиска по массивам текстов. 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.

По словам молодого ученого, анализ текстов необходим не только для того, чтобы помочь человеку найти информацию, но и решить вопрос организации научного знания.

— Каждая научная публикация посвящена решению конкретной задачи. Объединение и систематизация публикаций помогут ученым в дальнейших исследованиях при решении текущих и новых задач, – говорит 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. Другие разработки в области нейронных сетей сегодня осуществляются ведущими специалистами таких компаний, как Samsung, Google и других крупных организаций, но, по словам ученых новосибирского вуза, все результаты исследований являются закрытыми.

Фото предоставлено пресс-службой НГТУ НЭТИ