";123 Array
(
[NAME] => Жидкие нейросети научат роботов рассуждать
[~NAME] => Жидкие нейросети научат роботов рассуждать
[TAGS] => искусственный интеллект
[~TAGS] => искусственный интеллект
[PREVIEW_TEXT] =>
Liquid AI — структурное подразделение Массачусетского технологического института (MIT) — планирует создать принципиально новый вид искусственного интеллекта. Речь идет о так называемых жидких нейросетях, которые могут адаптироваться к новым условиям даже в процессе обучения.
[~PREVIEW_TEXT] =>
Liquid AI — структурное подразделение Массачусетского технологического института (MIT) — планирует создать принципиально новый вид искусственного интеллекта. Речь идет о так называемых жидких нейросетях, которые могут адаптироваться к новым условиям даже в процессе обучения.
[PREVIEW_PICTURE] => Array
(
[ID] => 557
[TIMESTAMP_X] => 15.12.2023 20:03:44
[MODULE_ID] => iblock
[HEIGHT] => 574
[WIDTH] => 1024
[FILE_SIZE] => 71969
[CONTENT_TYPE] => image/jpeg
[SUBDIR] => iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla
[FILE_NAME] => kandinskyLIQUIDAI.jpg
[ORIGINAL_NAME] => kandinskyLIQUIDAI.jpg
[DESCRIPTION] =>
[HANDLER_ID] =>
[EXTERNAL_ID] => 3651813704264561a25ec7aa78248601
[VERSION_ORIGINAL_ID] =>
[META] =>
[SRC] => /upload/iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla/kandinskyLIQUIDAI.jpg
[UNSAFE_SRC] => /upload/iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla/kandinskyLIQUIDAI.jpg
[SAFE_SRC] => /upload/iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla/kandinskyLIQUIDAI.jpg
[ALT] => Жидкие нейросети научат роботов рассуждать
[TITLE] => Жидкие нейросети научат роботов рассуждать
)
[~PREVIEW_PICTURE] => 557
[DETAIL_TEXT] =>
Глава проекта Рамин Хасани — автор одной из первых масштабных научных работ по этой теме «Жидкие сети с постоянной во времени» (2020) — объяснил, что термин «жидкая» относится к гибкости архитектуры нейросети. Она обучается на последовательных во времени данных (например, видео), в отличие от других нейросетей, которые работают со статичными элементами. В этом случае не весь массив данных дает полезную информацию, однако он позволяет нейросети «мыслить» без шаблонов, понимая не только контекст, но и отдельные значимые аспекты задачи.
Соавтор проекта Даниэла Рас объяснила это на примере управления автомобилем. Обычная нейросеть ведет машину по трассе, ориентируясь на деревья и кусты на обочинах, объекты на дороге и так далее. В 2016 году система визуализации автопилота Tesla Model S не смогла отличить белый кузов грузовика от облака на небе. Из-за этого ИИ повел машину под прицеп. В результате столкновения находившийся в кабине Tesla водитель погиб. Если бы он сам управлял машиной, аварии бы скорее всего не произошло.
Жидкая нейросеть «смотрит» на обочины и горизонт, то есть меньше отвлекается от основной задачи, не «цепляется» за случайные объекты, попадающие в ее поле зрения. Она рассматривает последовательности данных и динамически регулирует обмен сигналами между своими нейронами. Эти качества позволяют ей реагировать на изменения в окружении, которым она изначально не была обучена.
Как объясняет Рамин Хасани, жидкая нейросеть воспринимает мир, как последовательность взаимосвязанных изображений. Также, как и живой человек. Благодаря этому решения, принимаемые нейросетью, получаются более «человечными».
Команда Liquid AI провела ряд тестов, в которых жидкая нейросеть превзошла современные алгоритмы в прогнозировании значений наборов данных. Однако разработчики делают больший акцент на успехах их модели в автономной навигации. Ее обучили на данных, собранных профессиональным оператором дронов, после чего интегрировали нейросеть в парк беспилотников. Аппараты смогли достичь цели даже в неисследованных пространствах в условиях радио- и других помех.
Еще одно важное преимущество жидкой нейросети — гарантированное и проверяемое наличие причинно-следственной связи в принимаемых ею решениях.
Она фактически решает проблему «черного ящика», которая заключается в том, что исследователи сегодня, по сути, не понимают, как ИИ принимает те или иные решения. Таким образом нейросеть становится непрозрачной и, следовательно, непредсказуемой. В жидких нейросетях можно извлечь дерево решений, и понять, как система приходит к выводу. Это в свою очередь дает возможность выявлять проблемы в цепочках «рассуждений».
Дополнительную безопасность обеспечивает возможность установления сознательных ограничений для нейросети. Например, она не позволит роботу приложить усилия, которые выходят за пределы его возможностей и могут привести к поломке.
При этом, как отмечает Рамин Хасани, Liquid AI стремится к тому, чтобы сделать свою нейросеть маленькой. Так, например, GPT-3 использует для генерации текста около 175 млрд параметров и 50 тысяч нейронов. Жидкая нейронная сеть для управления дроном использует всего 20 тысяч параметров и менее 20 нейронов. Это в свою очередь делает нейросеть не очень требовательной к вычислительным мощностям. По словам разработчиков, потенциально она сможет выполнять сложные рассуждения с помощью Raspberry Pi — одноплатного компьютера размером с банковскую карту. Кроме того, нейросети не нужны облачные решения.
Ранее «Мир робототехники» писал, что корпорация Google представила свое новое продуктовое семейство — Gemini. По словам генерального директора нейросетевого отделения Google DeepMind Демиса Хассабиса, Gemini — самая крупная и способная модель корпорации.
[~DETAIL_TEXT] =>
Глава проекта Рамин Хасани — автор одной из первых масштабных научных работ по этой теме «Жидкие сети с постоянной во времени» (2020) — объяснил, что термин «жидкая» относится к гибкости архитектуры нейросети. Она обучается на последовательных во времени данных (например, видео), в отличие от других нейросетей, которые работают со статичными элементами. В этом случае не весь массив данных дает полезную информацию, однако он позволяет нейросети «мыслить» без шаблонов, понимая не только контекст, но и отдельные значимые аспекты задачи.
Соавтор проекта Даниэла Рас объяснила это на примере управления автомобилем. Обычная нейросеть ведет машину по трассе, ориентируясь на деревья и кусты на обочинах, объекты на дороге и так далее. В 2016 году система визуализации автопилота Tesla Model S не смогла отличить белый кузов грузовика от облака на небе. Из-за этого ИИ повел машину под прицеп. В результате столкновения находившийся в кабине Tesla водитель погиб. Если бы он сам управлял машиной, аварии бы скорее всего не произошло.
Жидкая нейросеть «смотрит» на обочины и горизонт, то есть меньше отвлекается от основной задачи, не «цепляется» за случайные объекты, попадающие в ее поле зрения. Она рассматривает последовательности данных и динамически регулирует обмен сигналами между своими нейронами. Эти качества позволяют ей реагировать на изменения в окружении, которым она изначально не была обучена.
Как объясняет Рамин Хасани, жидкая нейросеть воспринимает мир, как последовательность взаимосвязанных изображений. Также, как и живой человек. Благодаря этому решения, принимаемые нейросетью, получаются более «человечными».
Команда Liquid AI провела ряд тестов, в которых жидкая нейросеть превзошла современные алгоритмы в прогнозировании значений наборов данных. Однако разработчики делают больший акцент на успехах их модели в автономной навигации. Ее обучили на данных, собранных профессиональным оператором дронов, после чего интегрировали нейросеть в парк беспилотников. Аппараты смогли достичь цели даже в неисследованных пространствах в условиях радио- и других помех.
Еще одно важное преимущество жидкой нейросети — гарантированное и проверяемое наличие причинно-следственной связи в принимаемых ею решениях.
Она фактически решает проблему «черного ящика», которая заключается в том, что исследователи сегодня, по сути, не понимают, как ИИ принимает те или иные решения. Таким образом нейросеть становится непрозрачной и, следовательно, непредсказуемой. В жидких нейросетях можно извлечь дерево решений, и понять, как система приходит к выводу. Это в свою очередь дает возможность выявлять проблемы в цепочках «рассуждений».
Дополнительную безопасность обеспечивает возможность установления сознательных ограничений для нейросети. Например, она не позволит роботу приложить усилия, которые выходят за пределы его возможностей и могут привести к поломке.
При этом, как отмечает Рамин Хасани, Liquid AI стремится к тому, чтобы сделать свою нейросеть маленькой. Так, например, GPT-3 использует для генерации текста около 175 млрд параметров и 50 тысяч нейронов. Жидкая нейронная сеть для управления дроном использует всего 20 тысяч параметров и менее 20 нейронов. Это в свою очередь делает нейросеть не очень требовательной к вычислительным мощностям. По словам разработчиков, потенциально она сможет выполнять сложные рассуждения с помощью Raspberry Pi — одноплатного компьютера размером с банковскую карту. Кроме того, нейросети не нужны облачные решения.
Ранее «Мир робототехники» писал, что корпорация Google представила свое новое продуктовое семейство — Gemini. По словам генерального директора нейросетевого отделения Google DeepMind Демиса Хассабиса, Gemini — самая крупная и способная модель корпорации.
[DETAIL_PICTURE] => Array
(
[ID] => 558
[TIMESTAMP_X] => 15.12.2023 20:03:44
[MODULE_ID] => iblock
[HEIGHT] => 898
[WIDTH] => 1600
[FILE_SIZE] => 220390
[CONTENT_TYPE] => image/jpeg
[SUBDIR] => iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz
[FILE_NAME] => kandinskyLIQUIDAI.jpg
[ORIGINAL_NAME] => kandinskyLIQUIDAI.jpg
[DESCRIPTION] =>
[HANDLER_ID] =>
[EXTERNAL_ID] => 9a3586e501354e2a55bb2ee26dba737a
[VERSION_ORIGINAL_ID] =>
[META] =>
[SRC] => /upload/iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz/kandinskyLIQUIDAI.jpg
[UNSAFE_SRC] => /upload/iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz/kandinskyLIQUIDAI.jpg
[SAFE_SRC] => /upload/iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz/kandinskyLIQUIDAI.jpg
[ALT] => Жидкие нейросети научат роботов рассуждать
[TITLE] => Жидкие нейросети научат роботов рассуждать
)
[~DETAIL_PICTURE] => 558
[DATE_ACTIVE_FROM] => 15.12.2023
[~DATE_ACTIVE_FROM] => 15.12.2023
[ID] => 228
[~ID] => 228
[IBLOCK_ID] => 1
[~IBLOCK_ID] => 1
[IBLOCK_SECTION_ID] => 9
[~IBLOCK_SECTION_ID] => 9
[DETAIL_TEXT_TYPE] => html
[~DETAIL_TEXT_TYPE] => html
[PREVIEW_TEXT_TYPE] => html
[~PREVIEW_TEXT_TYPE] => html
[TIMESTAMP_X] => 15.12.2023 20:03:44
[~TIMESTAMP_X] => 15.12.2023 20:03:44
[ACTIVE_FROM_X] => 2023-12-15 00:00:00
[~ACTIVE_FROM_X] => 2023-12-15 00:00:00
[ACTIVE_FROM] => 15.12.2023
[~ACTIVE_FROM] => 15.12.2023
[LIST_PAGE_URL] => /
[~LIST_PAGE_URL] => /
[DETAIL_PAGE_URL] => /it-ai/zhidkie-neyroseti-nauchat-robotov-rassuzhdat/
[~DETAIL_PAGE_URL] => /it-ai/zhidkie-neyroseti-nauchat-robotov-rassuzhdat/
[LANG_DIR] => /
[~LANG_DIR] => /
[CODE] => zhidkie-neyroseti-nauchat-robotov-rassuzhdat
[~CODE] => zhidkie-neyroseti-nauchat-robotov-rassuzhdat
[EXTERNAL_ID] => 228
[~EXTERNAL_ID] => 228
[IBLOCK_TYPE_ID] => news
[~IBLOCK_TYPE_ID] => news
[IBLOCK_CODE] => news_s1
[~IBLOCK_CODE] => news_s1
[IBLOCK_EXTERNAL_ID] => furniture_news_s1
[~IBLOCK_EXTERNAL_ID] => furniture_news_s1
[LID] => s1
[~LID] => s1
[NAV_RESULT] =>
[NAV_CACHED_DATA] =>
[DISPLAY_ACTIVE_FROM] => 15.12.2023
[IPROPERTY_VALUES] => Array
(
[SECTION_META_TITLE] => Жидкие нейросети научат роботов рассуждать
[ELEMENT_META_TITLE] => Жидкие нейросети научат роботов рассуждать
)
[FIELDS] => Array
(
[NAME] => Жидкие нейросети научат роботов рассуждать
[TAGS] => искусственный интеллект
[PREVIEW_TEXT] =>
Liquid AI — структурное подразделение Массачусетского технологического института (MIT) — планирует создать принципиально новый вид искусственного интеллекта. Речь идет о так называемых жидких нейросетях, которые могут адаптироваться к новым условиям даже в процессе обучения.
[PREVIEW_PICTURE] => Array
(
[ID] => 557
[TIMESTAMP_X] => 15.12.2023 20:03:44
[MODULE_ID] => iblock
[HEIGHT] => 574
[WIDTH] => 1024
[FILE_SIZE] => 71969
[CONTENT_TYPE] => image/jpeg
[SUBDIR] => iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla
[FILE_NAME] => kandinskyLIQUIDAI.jpg
[ORIGINAL_NAME] => kandinskyLIQUIDAI.jpg
[DESCRIPTION] =>
[HANDLER_ID] =>
[EXTERNAL_ID] => 3651813704264561a25ec7aa78248601
[VERSION_ORIGINAL_ID] =>
[META] =>
[SRC] => /upload/iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla/kandinskyLIQUIDAI.jpg
[UNSAFE_SRC] => /upload/iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla/kandinskyLIQUIDAI.jpg
[SAFE_SRC] => /upload/iblock/f65/a1qpr7pce3gfvy1phrtaxg9plcdtryla/kandinskyLIQUIDAI.jpg
[ALT] => Жидкие нейросети научат роботов рассуждать
[TITLE] => Жидкие нейросети научат роботов рассуждать
)
[DETAIL_TEXT] =>
Глава проекта Рамин Хасани — автор одной из первых масштабных научных работ по этой теме «Жидкие сети с постоянной во времени» (2020) — объяснил, что термин «жидкая» относится к гибкости архитектуры нейросети. Она обучается на последовательных во времени данных (например, видео), в отличие от других нейросетей, которые работают со статичными элементами. В этом случае не весь массив данных дает полезную информацию, однако он позволяет нейросети «мыслить» без шаблонов, понимая не только контекст, но и отдельные значимые аспекты задачи.
Соавтор проекта Даниэла Рас объяснила это на примере управления автомобилем. Обычная нейросеть ведет машину по трассе, ориентируясь на деревья и кусты на обочинах, объекты на дороге и так далее. В 2016 году система визуализации автопилота Tesla Model S не смогла отличить белый кузов грузовика от облака на небе. Из-за этого ИИ повел машину под прицеп. В результате столкновения находившийся в кабине Tesla водитель погиб. Если бы он сам управлял машиной, аварии бы скорее всего не произошло.
Жидкая нейросеть «смотрит» на обочины и горизонт, то есть меньше отвлекается от основной задачи, не «цепляется» за случайные объекты, попадающие в ее поле зрения. Она рассматривает последовательности данных и динамически регулирует обмен сигналами между своими нейронами. Эти качества позволяют ей реагировать на изменения в окружении, которым она изначально не была обучена.
Как объясняет Рамин Хасани, жидкая нейросеть воспринимает мир, как последовательность взаимосвязанных изображений. Также, как и живой человек. Благодаря этому решения, принимаемые нейросетью, получаются более «человечными».
Команда Liquid AI провела ряд тестов, в которых жидкая нейросеть превзошла современные алгоритмы в прогнозировании значений наборов данных. Однако разработчики делают больший акцент на успехах их модели в автономной навигации. Ее обучили на данных, собранных профессиональным оператором дронов, после чего интегрировали нейросеть в парк беспилотников. Аппараты смогли достичь цели даже в неисследованных пространствах в условиях радио- и других помех.
Еще одно важное преимущество жидкой нейросети — гарантированное и проверяемое наличие причинно-следственной связи в принимаемых ею решениях.
Она фактически решает проблему «черного ящика», которая заключается в том, что исследователи сегодня, по сути, не понимают, как ИИ принимает те или иные решения. Таким образом нейросеть становится непрозрачной и, следовательно, непредсказуемой. В жидких нейросетях можно извлечь дерево решений, и понять, как система приходит к выводу. Это в свою очередь дает возможность выявлять проблемы в цепочках «рассуждений».
Дополнительную безопасность обеспечивает возможность установления сознательных ограничений для нейросети. Например, она не позволит роботу приложить усилия, которые выходят за пределы его возможностей и могут привести к поломке.
При этом, как отмечает Рамин Хасани, Liquid AI стремится к тому, чтобы сделать свою нейросеть маленькой. Так, например, GPT-3 использует для генерации текста около 175 млрд параметров и 50 тысяч нейронов. Жидкая нейронная сеть для управления дроном использует всего 20 тысяч параметров и менее 20 нейронов. Это в свою очередь делает нейросеть не очень требовательной к вычислительным мощностям. По словам разработчиков, потенциально она сможет выполнять сложные рассуждения с помощью Raspberry Pi — одноплатного компьютера размером с банковскую карту. Кроме того, нейросети не нужны облачные решения.
Ранее «Мир робототехники» писал, что корпорация Google представила свое новое продуктовое семейство — Gemini. По словам генерального директора нейросетевого отделения Google DeepMind Демиса Хассабиса, Gemini — самая крупная и способная модель корпорации.
[DETAIL_PICTURE] => Array
(
[ID] => 558
[TIMESTAMP_X] => 15.12.2023 20:03:44
[MODULE_ID] => iblock
[HEIGHT] => 898
[WIDTH] => 1600
[FILE_SIZE] => 220390
[CONTENT_TYPE] => image/jpeg
[SUBDIR] => iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz
[FILE_NAME] => kandinskyLIQUIDAI.jpg
[ORIGINAL_NAME] => kandinskyLIQUIDAI.jpg
[DESCRIPTION] =>
[HANDLER_ID] =>
[EXTERNAL_ID] => 9a3586e501354e2a55bb2ee26dba737a
[VERSION_ORIGINAL_ID] =>
[META] =>
[SRC] => /upload/iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz/kandinskyLIQUIDAI.jpg
[UNSAFE_SRC] => /upload/iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz/kandinskyLIQUIDAI.jpg
[SAFE_SRC] => /upload/iblock/7be/swbshamssr80bstq32iz0kzmdmjcxycz/kandinskyLIQUIDAI.jpg
[ALT] => Жидкие нейросети научат роботов рассуждать
[TITLE] => Жидкие нейросети научат роботов рассуждать
)
[DATE_ACTIVE_FROM] => 15.12.2023
)
[PROPERTIES] => Array
(
[AUTHOR] => Array
(
[ID] => 9
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => Автор статьи
[ACTIVE] => Y
[SORT] => 500
[CODE] => AUTHOR
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => S
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] => 829
[VALUE] => Аркадий Гончаров
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[~VALUE] => Аркадий Гончаров
[~DESCRIPTION] =>
[~NAME] => Автор статьи
[~DEFAULT_VALUE] =>
)
[AU_PHOTO] => Array
(
[ID] => 10
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => Автор фото
[ACTIVE] => Y
[SORT] => 500
[CODE] => AU_PHOTO
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => S
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] => 830
[VALUE] => Kandinsky
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[~VALUE] => Kandinsky
[~DESCRIPTION] =>
[~NAME] => Автор фото
[~DEFAULT_VALUE] =>
)
[IMG_MAIN] => Array
(
[ID] => 11
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => Картинка для Главной
[ACTIVE] => Y
[SORT] => 500
[CODE] => IMG_MAIN
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => F
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] =>
[VALUE] =>
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[~VALUE] =>
[~DESCRIPTION] =>
[~NAME] => Картинка для Главной
[~DEFAULT_VALUE] =>
)
[MAIN_THEME] => Array
(
[ID] => 12
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => Главная тема
[ACTIVE] => Y
[SORT] => 500
[CODE] => MAIN_THEME
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => L
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] =>
[VALUE] =>
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[VALUE_ENUM_ID] =>
[~VALUE] =>
[~DESCRIPTION] =>
[~NAME] => Главная тема
[~DEFAULT_VALUE] =>
)
[MAIN_SECT] => Array
(
[ID] => 13
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => В своём разделе
[ACTIVE] => Y
[SORT] => 500
[CODE] => MAIN_SECT
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => L
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] =>
[VALUE] =>
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[VALUE_ENUM_ID] =>
[~VALUE] =>
[~DESCRIPTION] =>
[~NAME] => В своём разделе
[~DEFAULT_VALUE] =>
)
[VIDEO_YOU] => Array
(
[ID] => 14
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => Видео youtobe
[ACTIVE] => Y
[SORT] => 500
[CODE] => VIDEO_YOU
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => S
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] =>
[VALUE] =>
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[~VALUE] =>
[~DESCRIPTION] =>
[~NAME] => Видео youtobe
[~DEFAULT_VALUE] =>
)
)
[DISPLAY_PROPERTIES] => Array
(
[AUTHOR] => Array
(
[ID] => 9
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => Автор статьи
[ACTIVE] => Y
[SORT] => 500
[CODE] => AUTHOR
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => S
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] => 829
[VALUE] => Аркадий Гончаров
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[~VALUE] => Аркадий Гончаров
[~DESCRIPTION] =>
[~NAME] => Автор статьи
[~DEFAULT_VALUE] =>
[DISPLAY_VALUE] => Аркадий Гончаров
)
[AU_PHOTO] => Array
(
[ID] => 10
[TIMESTAMP_X] => 2024-04-16 13:42:26
[IBLOCK_ID] => 1
[NAME] => Автор фото
[ACTIVE] => Y
[SORT] => 500
[CODE] => AU_PHOTO
[DEFAULT_VALUE] =>
[PROPERTY_TYPE] => S
[ROW_COUNT] => 1
[COL_COUNT] => 30
[LIST_TYPE] => L
[MULTIPLE] => N
[XML_ID] =>
[FILE_TYPE] =>
[MULTIPLE_CNT] => 5
[TMP_ID] =>
[LINK_IBLOCK_ID] => 0
[WITH_DESCRIPTION] => N
[SEARCHABLE] => N
[FILTRABLE] => N
[IS_REQUIRED] => N
[VERSION] => 1
[USER_TYPE] =>
[USER_TYPE_SETTINGS] => a:0:{}
[HINT] =>
[PROPERTY_VALUE_ID] => 830
[VALUE] => Kandinsky
[DESCRIPTION] =>
[VALUE_ENUM] =>
[VALUE_XML_ID] =>
[VALUE_SORT] =>
[~VALUE] => Kandinsky
[~DESCRIPTION] =>
[~NAME] => Автор фото
[~DEFAULT_VALUE] =>
[DISPLAY_VALUE] => Kandinsky
)
)
[IBLOCK] => Array
(
[ID] => 1
[~ID] => 1
[TIMESTAMP_X] => 16.04.2024 13:42:26
[~TIMESTAMP_X] => 16.04.2024 13:42:26
[IBLOCK_TYPE_ID] => news
[~IBLOCK_TYPE_ID] => news
[LID] => s1
[~LID] => s1
[CODE] => news_s1
[~CODE] => news_s1
[API_CODE] =>
[~API_CODE] =>
[REST_ON] => N
[~REST_ON] => N
[NAME] => Статьи
[~NAME] => Статьи
[ACTIVE] => Y
[~ACTIVE] => Y
[SORT] => 500
[~SORT] => 500
[LIST_PAGE_URL] =>
[~LIST_PAGE_URL] =>
[DETAIL_PAGE_URL] => #SITE_DIR#/#SECTION_CODE#/#ELEMENT_CODE#/
[~DETAIL_PAGE_URL] => #SITE_DIR#/#SECTION_CODE#/#ELEMENT_CODE#/
[SECTION_PAGE_URL] => #SITE_DIR#/#SECTION_CODE#
[~SECTION_PAGE_URL] => #SITE_DIR#/#SECTION_CODE#
[CANONICAL_PAGE_URL] =>
[~CANONICAL_PAGE_URL] =>
[PICTURE] =>
[~PICTURE] =>
[DESCRIPTION] =>
[~DESCRIPTION] =>
[DESCRIPTION_TYPE] => text
[~DESCRIPTION_TYPE] => text
[RSS_TTL] => 24
[~RSS_TTL] => 24
[RSS_ACTIVE] => Y
[~RSS_ACTIVE] => Y
[RSS_FILE_ACTIVE] => N
[~RSS_FILE_ACTIVE] => N
[RSS_FILE_LIMIT] =>
[~RSS_FILE_LIMIT] =>
[RSS_FILE_DAYS] =>
[~RSS_FILE_DAYS] =>
[RSS_YANDEX_ACTIVE] => N
[~RSS_YANDEX_ACTIVE] => N
[XML_ID] => furniture_news_s1
[~XML_ID] => furniture_news_s1
[TMP_ID] => 6cfbdd5e02a2f38f8bf51afa68b2792c
[~TMP_ID] => 6cfbdd5e02a2f38f8bf51afa68b2792c
[INDEX_ELEMENT] => Y
[~INDEX_ELEMENT] => Y
[INDEX_SECTION] => Y
[~INDEX_SECTION] => Y
[WORKFLOW] => N
[~WORKFLOW] => N
[BIZPROC] => N
[~BIZPROC] => N
[SECTION_CHOOSER] => L
[~SECTION_CHOOSER] => L
[LIST_MODE] =>
[~LIST_MODE] =>
[RIGHTS_MODE] => S
[~RIGHTS_MODE] => S
[SECTION_PROPERTY] => N
[~SECTION_PROPERTY] => N
[PROPERTY_INDEX] => N
[~PROPERTY_INDEX] => N
[VERSION] => 1
[~VERSION] => 1
[LAST_CONV_ELEMENT] => 0
[~LAST_CONV_ELEMENT] => 0
[SOCNET_GROUP_ID] =>
[~SOCNET_GROUP_ID] =>
[EDIT_FILE_BEFORE] =>
[~EDIT_FILE_BEFORE] =>
[EDIT_FILE_AFTER] =>
[~EDIT_FILE_AFTER] =>
[SECTIONS_NAME] => Разделы
[~SECTIONS_NAME] => Разделы
[SECTION_NAME] => Раздел
[~SECTION_NAME] => Раздел
[ELEMENTS_NAME] => Статьи
[~ELEMENTS_NAME] => Статьи
[ELEMENT_NAME] => Статья
[~ELEMENT_NAME] => Статья
[EXTERNAL_ID] => furniture_news_s1
[~EXTERNAL_ID] => furniture_news_s1
[LANG_DIR] => /
[~LANG_DIR] => /
[SERVER_NAME] => roboticsworld.ru
[~SERVER_NAME] => roboticsworld.ru
)
[SECTION] => Array
(
[PATH] => Array
(
[0] => Array
(
[ID] => 9
[~ID] => 9
[CODE] => it-ai
[~CODE] => it-ai
[XML_ID] =>
[~XML_ID] =>
[EXTERNAL_ID] =>
[~EXTERNAL_ID] =>
[IBLOCK_ID] => 1
[~IBLOCK_ID] => 1
[IBLOCK_SECTION_ID] =>
[~IBLOCK_SECTION_ID] =>
[SORT] => 300
[~SORT] => 300
[NAME] => IT/AI
[~NAME] => IT/AI
[ACTIVE] => Y
[~ACTIVE] => Y
[DEPTH_LEVEL] => 1
[~DEPTH_LEVEL] => 1
[SECTION_PAGE_URL] => /it-ai
[~SECTION_PAGE_URL] => /it-ai
[IBLOCK_TYPE_ID] => news
[~IBLOCK_TYPE_ID] => news
[IBLOCK_CODE] => news_s1
[~IBLOCK_CODE] => news_s1
[IBLOCK_EXTERNAL_ID] => furniture_news_s1
[~IBLOCK_EXTERNAL_ID] => furniture_news_s1
[GLOBAL_ACTIVE] => Y
[~GLOBAL_ACTIVE] => Y
[IPROPERTY_VALUES] => Array
(
[SECTION_META_TITLE] => IT/AI
[ELEMENT_META_TITLE] => IT/AI
)
)
)
)
[SECTION_URL] => /it-ai
[META_TAGS] => Array
(
[TITLE] => Жидкие нейросети научат роботов рассуждать
[BROWSER_TITLE] => Жидкие нейросети научат роботов рассуждать
[KEYWORDS] =>
[DESCRIPTION] =>
)
)
Жидкие нейросети научат роботов рассуждать
Liquid AI — структурное подразделение Массачусетского технологического института (MIT) — планирует создать принципиально новый вид искусственного интеллекта. Речь идет о так называемых жидких нейросетях, которые могут адаптироваться к новым условиям даже в процессе обучения.
Глава проекта Рамин Хасани — автор одной из первых масштабных научных работ по этой теме «Жидкие сети с постоянной во времени» (2020) — объяснил, что термин «жидкая» относится к гибкости архитектуры нейросети. Она обучается на последовательных во времени данных (например, видео), в отличие от других нейросетей, которые работают со статичными элементами. В этом случае не весь массив данных дает полезную информацию, однако он позволяет нейросети «мыслить» без шаблонов, понимая не только контекст, но и отдельные значимые аспекты задачи.
Соавтор проекта Даниэла Рас объяснила это на примере управления автомобилем. Обычная нейросеть ведет машину по трассе, ориентируясь на деревья и кусты на обочинах, объекты на дороге и так далее. В 2016 году система визуализации автопилота Tesla Model S не смогла отличить белый кузов грузовика от облака на небе. Из-за этого ИИ повел машину под прицеп. В результате столкновения находившийся в кабине Tesla водитель погиб. Если бы он сам управлял машиной, аварии бы скорее всего не произошло.
Жидкая нейросеть «смотрит» на обочины и горизонт, то есть меньше отвлекается от основной задачи, не «цепляется» за случайные объекты, попадающие в ее поле зрения. Она рассматривает последовательности данных и динамически регулирует обмен сигналами между своими нейронами. Эти качества позволяют ей реагировать на изменения в окружении, которым она изначально не была обучена.
Как объясняет Рамин Хасани, жидкая нейросеть воспринимает мир, как последовательность взаимосвязанных изображений. Также, как и живой человек. Благодаря этому решения, принимаемые нейросетью, получаются более «человечными».
Команда Liquid AI провела ряд тестов, в которых жидкая нейросеть превзошла современные алгоритмы в прогнозировании значений наборов данных. Однако разработчики делают больший акцент на успехах их модели в автономной навигации. Ее обучили на данных, собранных профессиональным оператором дронов, после чего интегрировали нейросеть в парк беспилотников. Аппараты смогли достичь цели даже в неисследованных пространствах в условиях радио- и других помех.
Еще одно важное преимущество жидкой нейросети — гарантированное и проверяемое наличие причинно-следственной связи в принимаемых ею решениях.
Она фактически решает проблему «черного ящика», которая заключается в том, что исследователи сегодня, по сути, не понимают, как ИИ принимает те или иные решения. Таким образом нейросеть становится непрозрачной и, следовательно, непредсказуемой. В жидких нейросетях можно извлечь дерево решений, и понять, как система приходит к выводу. Это в свою очередь дает возможность выявлять проблемы в цепочках «рассуждений».
Дополнительную безопасность обеспечивает возможность установления сознательных ограничений для нейросети. Например, она не позволит роботу приложить усилия, которые выходят за пределы его возможностей и могут привести к поломке.
При этом, как отмечает Рамин Хасани, Liquid AI стремится к тому, чтобы сделать свою нейросеть маленькой. Так, например, GPT-3 использует для генерации текста около 175 млрд параметров и 50 тысяч нейронов. Жидкая нейронная сеть для управления дроном использует всего 20 тысяч параметров и менее 20 нейронов. Это в свою очередь делает нейросеть не очень требовательной к вычислительным мощностям. По словам разработчиков, потенциально она сможет выполнять сложные рассуждения с помощью Raspberry Pi — одноплатного компьютера размером с банковскую карту. Кроме того, нейросети не нужны облачные решения.
Ранее «Мир робототехники» писал, что корпорация Google представила свое новое продуктовое семейство — Gemini. По словам генерального директора нейросетевого отделения Google DeepMind Демиса Хассабиса, Gemini — самая крупная и способная модель корпорации.
Аркадий Гончаров
Фото: Kandinsky
Мы рекомендуем:
Новый алгоритм позволит роботам изучать мир по-человечески
Автопилоты умной сельхозтехники научились видеть лучше человека
Искусственный интеллект создал редактор генома человека
Microsoft запретила полиции США использовать ИИ для распознавания лиц
Polaris — самый продвинутый ИИ-агент для здравоохранения
Автопилоты умной сельхозтехники научились видеть лучше человека
Искусственный интеллект создал редактор генома человека