![](https://adpass.ru/wp-content/uploads/2024/09/b077beb75e07a7b7fb18ba9f54f23981_17252779837346.png)
Российские ученые первыми в мире обучили ИИ самостоятельно адаптироваться к новым действиям
Ранее ИИ-системы умели выполнять только фиксированный набор действий, а при появлении новых задач должны были переобучаться им с нуля. Это требовало дополнительных финансовых и вычислительных ресурсов, чтобы дообучить ИИ для практического применения.
Разработка российских ученых позволяет создавать ИИ-системы, которые будут самостоятельно адаптироваться под изменения внешней среды и к новым задачам без участия человека. Решение поможет в различных областях: от космических аппаратов до домашних роботов-помощников. Модель, названная Headless-AD, умеет выполнять в пять раз больше действий, чем заложено в нее при обучении.
Обучение в контексте (In-Context Learning) — это одна из самых перспективных областей в сфере искусственного интеллекта, которая позволяет ИИ-агентам адаптироваться к новым ситуациям без необходимости повторного обучения. Теоретически ИИ-агенты должны уметь адаптироваться к окружающей среде по четырем компонентам:
-
Состояние (State) — это то, что агент видит или знает о текущей ситуации; переход (Transition) — это изменение состояния агента;
-
Награда (Reward) — это оценка выполненного агентом действия, может быть положительной или отрицательной;
-
Действие (Action) — это доступные агенту способы взаимодействия со средой.
Ранее ИИ-агенты умели адаптироваться по первым трем компонентам. Например, беспилотные автомобили адаптируются к меняющимся погодным условиям (State), скорости движения (Transition) и пунктам назначения (Reward). Но адаптация по действиям (Action) не была до конца изучена и не использовалась в создании моделей. Агенты умели выполнять только фиксированный набор действий, а при появлении новых — требовали переобучения с нуля.
На основе модели дистилляции алгоритма (Algorithm Distillation, AD) ученые из T-Bank AI Research и AIRI создали Headless-AD, которая научилась адаптироваться к окружающей среде по действиям. В исходную модель внесли три модификации:
-
Отказ от конечного линейного слоя, который ранее ограничивал количество и набор доступных действий (отсюда название Headless-AD);
-
Кодировка действий случайными векторами — позволяет избежать необходимости дообучения для каждого нового действия, обеспечивая автоматическую адаптацию;
-
Внедрение контекста, который позволяет информировать модель о доступных действиях.
Было проведено несколько экспериментов, сравнивающих Headless-AD и ближайшие аналоги на разных задачах. Их результаты подтвердили, что Headless-AD способна к выполнению любой комбинации и количества действий, сохраняя качество их выполнения и не затрачивая дополнительные вычислительные ресурсы. Это делает применение ИИ более быстрым и дешевым.
По материалам cnews.ru.
Лучшее в блогах
Вам понравится
![](https://adpass.ru/wp-content/uploads/2024/09/b077beb75e07a7b7fb18ba9f54f23981_17252779837346.png)
![](https://adpass.ru/wp-content/uploads/2024/08/dd320b5bf7b82bbf4c3dddf7079b6913_17241662156404.png)
CLM-презентация — как классная машина, а медицинский представитель — водитель, который ей управляет. Казалось бы, здесь есть все для путешествия к пункту назначения! Однако без навигатора есть вероятность, что вы приедете не туда, не будете знать, есть ли пробки на дороге и есть ли более короткий маршрут.
![](https://adpass.ru/wp-content/uploads/2024/09/image-9cebef8e-7d30-48b2-a03c-0aa98f5001bb.png)
![](https://adpass.ru/wp-content/uploads/2024/09/b077beb75e07a7b7fb18ba9f54f23981_17252779837346.png)
![](https://adpass.ru/wp-content/uploads/2024/04/82adcdf660911edcfdeee388972e18ed_17134517396823.png)