Лента TH Новости Искусственный интеллект



Новая методика проникает в «мозг» нейронных сетей

∴ 272

Нейронные сети учатся выполнять вычислительные задачи путем анализа больших наборов предоставленных данных. Но как только они прошли обучение, даже их создатели не знают, какие элементы данных обрабатывают готовые сети.

585

Нейронные сети, которые учатся выполнять вычислительные задачи, анализируя большие комплекты учебных данных, отвечают за современные эффективные системы искусственного интеллекта, от систем распознавания речи, до автоматических переводчиков, и беспилотных автомобилей.

Но нейронные сети – черные ящики. Мы знаем, какой материал они потребляют, мы видим получаемый продукт, а все, что происходит между этими событиями, остается загадкой.

Два года назад группа исследователей компьютерного зрения из Лаборатории компьютерных наук и лаборатории искусственного интеллекта (CSAIL) из Массачусетского технологического института описала метод поиска данных в черном ящике нейронной сети.

На конференции Computer Vision и распознавания образов в этом году исследователи CSAIL представят полностью автоматизированную версию той же системы. Там, где в предыдущем документе сообщалось об анализе одного типа нейронной сети, обученной выполнять одну задачу, в новой статье сообщается об анализе четырех типов нейронных сетей, обученных выполнять более 20 задач, включая распознавание сцен и объектов, раскрашивание черно-белых изображений и решение головоломок. Некоторые из новых сетей настолько велики, что анализ любой из них был бы слишком дорогим для прошлого метода.

Мы каталогизировали 1100 визуальных концепций — таких, как зеленый цвет или круглая текстура, или деревянный материал, или человеческое лицо, или велосипедное колесо, или снежная вершина. Мы использовали несколько наборов данных, которые разработали другие люди, и объединили их в широкий и плотно обозначенный набор данных визуальных концепций. У него много ярлыков, и для каждого ярлыка мы знаем необходимое соответствие.Дэвид Бау, аспирант Массачусетского технологического института по электротехнике и информатике, соавтор исследования.

Данная технология это один из способов ускорения искусственного интеллекта и качественного развития его уровня.

Филипп Дончев