Как обучить нейросеть и оценить результаты ее работы
Алгоритмы машинного обучения прошли долгий путь от понятного инструмента к «чёрному ящику» — порой их создателям сложно объяснить, почему модель выдает тот или иной результат. Однако это важно понимать, чтобы более эффективно обучать нейросети и взаимодействовать с ними. В подкасте «Есть задача», который N + 1 делает вместе с Yandex Research, мы рассказываем, зачем исследовать работу ML-моделей и сравнивать их друг с другом.
Машинное обучение помогает нам в самых разных ситуациях: обработать фотографию, определиться с досуг,ом узнать погоду, диагностировать рак и многое другое. Впрочем, несмотря на внушительные успехи, это очень молодая область, где нерешенными остаются фундаментальные задачи. О том, над чем сегодня работают специалисты в ML, мы говорим в «Есть задача» — совместном проекте Yandex Research и N + 1.
О том, как «думают» нейросети, мы рассказывали в мультфильме. А для тех, кто хочет подробнее узнать об истории развития нейросетей и изучении их логики, мы подготовили материал «Внимание, черный ящик».
Подкаст также можно слушать на Apple Podcasts и Google Подкастах.
Ученые AIRI рассказывают о своих статьях, прошедших отбор на NeurIPS 2023 года
Ежегодно в научных журналах появляются сотни тысяч статей, посвященных технологиям искусственного интеллекта. Однако только небольшая их часть — действительно важные исследования. Как правило, такие работы попадают на престижные научные конференции — например, NeurIPS (Conference and Workshop on Neural Information Processing Systems), которая ежегодно проходит в декабре. Мы поговорили с сотрудниками научно-исследовательского Института искусственного интеллекта AIRI об их работах, принятых на NeurIPS 2023 года, и о том, что интересного происходит в сфере ИИ.