Исследователи из России предложили новый метод, который существенно улучшает процесс обучения генеративных потоковых нейросетей, применяемых для решения неструктурированных задач. Это открытие, как отмечают в пресс-службе НИУ ВШЭ, способно ускорить разработку искусственного интеллекта для поиска инновационных лекарств и анализа сложных объектов. Информацию опубликовал ТАСС.
По словам младшего научного сотрудника Института искусственного интеллекта и цифровых наук Никиты Морозова, новая методика позволяет ИИ быстрее исследовать пространство решений и находить больше качественных вариантов по сравнению с существующими инструментами.
Такой прогресс сближает генеративные модели с технологиями обучения с подкреплением и открывает новые возможности для использования ИИ в науке и промышленности.
Генеративные потоковые сети представляют собой особый класс алгоритмов, которые строят сложные объекты поэтапно. Они отлично подходят для поиска новых белков, лекарственных препаратов, а также для оптимизации транспорта и других сложных систем. Для успешной работы такие сети должны не просто собирать и анализировать информацию, но и уметь управлять свойствами создаваемых объектов, чтобы получать именно те результаты, которые нужны пользователю.
Структура этих сетей состоит из двух частей: прямая модель собирает сложные объекты из базовых элементов, а обратная разбирает их, определяя путь построения. Важно, чтобы между двумя компонентами поддерживался баланс — особенно это сложно реализовать для обратной модели, от которой как раз зависит стабильность обучения всей системы.
По словам стажёра-исследователя Тимофея Грицаева, команде удалось сделать так, чтобы поиск оптимальных решений напоминал диалог, в ходе которого обе модели могут корректировать свои действия.
В условиях, когда многое остаётся неизвестным, обратная модель становится не заменой, а надёжным помощником для прямой, оказывая ей поддержку и направляя к лучшим решениям. Такой гибкий подход позволяет достигать высокого качества результатов.
Учёные считают, что их разработка найдёт применение в самых разных областях — от фармацевтики и материаловедения до создания и оптимизации крупных языковых моделей.
Новый метод ускорит поиск эффективных решений и снизит нагрузку на вычислительные ресурсы, что особенно важно для современных научных и промышленных проектов.
Искусственный интеллект помогает врачам выявлять пороки плода на ранних сроках. Нейросеть способна обнаруживать даже малозаметные отклонения, которые во время стандартных обследований могут остаться незамеченными.