Поделиться
В России разработали инновационный метод обучения нейросетей на миллионах уникальных объектов
Компания «Криптонит» (входит в «ИКС Холдинг») разработала модификацию метода обучения нейросетей, позволяющую значительно увеличить количество распознаваемых уникальных объектов без пропорционального увеличения объёма нейросетевых моделей и требований к ресурсам. Никита Габдуллин, эксперт отдела перспективных исследований, предложил инновационный подход — предварительно задавать конфигурацию скрытого пространства (LSC, Latent Space Configuration), что позволяет масштабировать системы машинного зрения в случаях, когда обучение с учителем (Supervised Learning, SL) затруднено, или вовсе невозможно. Об этом CNews сообщили представители компании «Криптонит».
Новый подход расширяет возможности ИИ для анализа изображений, что уже востребовано во многих сферах — от безопасности и медицины до банкинга и ритейла. На практике его смогут применять для обнаружения патологий на снимках, выполнения платежей по биометрии, распознавания товаров, идентификации минералов, сплавов и различных синтетических материалов по их изображениям.
Технически разработка устраняет проблему классического метода SL, в котором число параметров нейросети увеличивается с ростом количества распознаваемых уникальных объектов (классов). Это ограничивает возможности масштабирования, если объём классов слишком большой, или заранее неизвестен.
В отличие от него, при применении метода LSC число параметров нейросети не зависит от числа классов, а точность остаётся высокой — 87,1% при 1,28 млн изображений и 22 млн параметров модели ViT-S. Другое важное преимущество LSC — кардинальное снижение требований к видеопамяти.
«Метод LSC открывает дорогу для разработки более эффективных ИИ-систем, способных работать с гигантскими наборами категорий, что будет особенно важно при динамичном развитии рынка», — сказал Никита Габдуллин, эксперт отдела перспективных исследований компании «Криптонит».
Согласно прогнозу Gartner, в 2025 г. мировые расходы на ИИ составят порядка $1,5 трлн, что на 49,7 % больше, чем годом ранее. Ожидается, что в 2026 г. затраты достигнут $2 трлн, при несколько сниженных темпах роста — 36,8%. Рынок машинного обучения также увеличивается: по данным Grand View Research, его объем в 2024 г. составил $72,6 млрд, а к 2030 г. достигнет $419,94 млрд с динамикой 33,2%.
Ранее в «Криптоните» также предложили способ повысить надежность искусственного интеллекта. С помощью данного метода можно точнее прогнозировать поведение нейросетей, что понизит частоту ошибок ИИ при смене данных. Среди других разработок отдела перспективных исследований: комбинированная методика повторного распознавания людей, новый метод измерения пульса по видеозаписи, применимый в медицине и спорте, а также для повышения общественной безопасности, и другие.
Короткая ссылка
