В пресс-службе НИУ ВШЭ сообщили о новом исследовании, которое поможет намного эффективнее нейронным сетям ориентироваться в окружающем пространстве.
Российские учёные выяснили, что добавление аналога человеческого внимания в алгоритмы искусственного интеллекта графовой нейросети может повысить эффективность построения маршрута в пространстве на 6–15%. Под графовой нейронной сетью принято понимать тип нейросети, которая оперирует данными, структурированными в виде специальных математических конструкций — графов.
Разработанный российскими математиками под управлением доцента НИУ ВШЭ (Нижний Новгород) Ильи Макарова метод, по их заверению, подойдёт, чтобы создать нейронную сеть, которая сможет искать оптимальную траекторию движения через сложно усреднённые среды. Эта задача является одной из наиболее сложных для традиционных нейросетей, так как зачастую в ней нет достаточного количества информации об их текущем положении. Награда же выдаётся в конце пути, а не частично по мере продвижения.
Новое решение построено на предположении использовать графовые свёрточные нейронные сети для поэтапного поиска маршрута. И, как уже говорилось, при добавлении аналога человеческого внимания. В итоге нейронная сеть способна определять наиболее важные элементы в наборе данных для решения той или иной задачи, включая поэтапный поиск пути, что делает её работу более эффективной.
Метод протестировали на двух задачах. Суть первой заключалась в поиске роботом выхода из случайно спроектированного лабиринта. Во второй задаче робот искал красный ящик в четырёх связанных друг с другом комнат.
В обозримом будущем данный подход может быть использован для повышения эффективности работы в самых разных областях, например, в курьерской доставке, где работают роботы.
Источник новости: trashbox.ru
