Исследователь НИТУ МИСИС Никита Никитин создал математическую теорему и основанный на ней алгоритм для оценки переноса знаний между моделями машинного обучения. Подход позволяет заранее определить условия, при которых знания из одной задачи можно корректно использовать в другой, сообщает ТАСС со ссылкой на пресс-службу университета.
По объяснению ученого, нейросети и другие системы искусственного интеллекта обычно приспособлены к конкретным задачам и наборам данных. Для их использования в иной области модель переобучают, чтобы она применяла накопленные знания к новым задачам. До сих пор инженеры не могли заранее оценить точность работы переобученной системы.
Разработанная Никитиным теорема задает условия корректного переноса знаний. В отличие от проверки только экспериментальным путем, она дает возможность получить математическое доказательство того, что перенос будет выполнен правильно. На ее основе создан соответствующий алгоритм оценки.
В работе использован аппарат математической логики, применяемый для проверки сложных компьютерных систем. Исследователь приспособил его к задачам ИИ и связал перенос знаний с логикой Хоара — методом формальной верификации программ. Это позволяет определять условия, при которых модель сохраняет свои свойства после обучения на новых данных.
Метод испытали на нейросети для распознавания рукописных цифр. Сначала ее обучили на одном наборе данных, затем оценили работу с похожими изображениями, отличающимися числом пикселей и элементов. По сообщению университета, применение теоремы позволило значительно повысить точность адаптированной системы при работе с новым типом данных.
Никитин считает, что математический аппарат может применяться при разработке более надежных систем ИИ. В качестве возможных областей названы медицина, транспорт и робототехника. В дальнейшем метод предполагается использовать для проверки алгоритмов до их внедрения в реальные системы.