Российские ученые разработали алгоритм JAGUAR для оптимизации искусственного интеллекта

Российские исследователи разработали инновационный алгоритм JAGUAR, который значительно повышает эффективность настройки гиперпараметров в системах искусственного интеллекта. Эта разработка представляет собой важный шаг вперед в области оптимизации функционирования моделей ИИ и была анонсирована пресс-службой Сбера.

Алгоритм JAGUAR нацелен на оптимизацию двухфазных процессов, где на первом этапе происходит обучение нейронной сети для извлечения числовых представлений информации, что в свою очередь увеличивает точность классификации на втором этапе. Новый метод также обещает быть полезным при адаптации больших языковых моделей, что открывает новые горизонты для технологий в данной сфере.

Команда, осуществившая разработку, состоит из специалистов Лаборатории искусственного интеллекта Сбербанка, Московского физико-технического института и Университета Иннополис под руководством Александра Безоснова. JAGUAR предназначен для решения задач оптимизации в случаях, когда нет четкой формулы для расчета результатов.

Тестирование нового алгоритма показало его способность быстро и эффективно адаптировать модели машинного обучения с высоким уровнем производительности даже при наличии случайных ошибок. При этом алгоритм значительно превышает результаты существующих аналогов, таких как метод Франка-Вульфа, предлагая новое решение для оптимизации ИИ.

Согласно отзывам разработчиков, алгоритм JAGUAR сокращает число шагов, необходимых для настройки ИИ-моделей, что позволяет повысить их точность и ускорить процессы машинного обучения. Данная работа не только подчеркивает достижения российской науки в области искусственного интеллекта, но и ставит перед собой амбициозные цели для будущих исследований.

]]>