• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Высшая школа экономики открывает совместную с Samsung Research лабораторию

© Signature/ iStock

Samsung-HSE Laboratory будет разрабатывать механизмы байесовского вывода в современных нейронных сетях, что позволит решить ряд проблем в глубинном обучении. Команду лаборатории составят сотрудники исследовательской группы байесовских методов факультета компьютерных наук НИУ ВШЭ — одной из сильнейших научных групп России в области машинного обучения и байесовского вывода. Возглавит ее профессор ВШЭ Дмитрий Ветров.

Сотрудничество Центра глубинного обучения и байесовских методов (ранее — Международная лаборатория глубинного обучения и байесовских методов) с компанией Samsung началось год назад с проекта по разработке специального метода обучения глубинных нейронных сетей, основанного на байесовском подходе. Открывающаяся совместная лаборатория НИУ ВШЭ и Samsung станет частью этого центра.

Нейронные сети и байесовские модели — две популярные парадигмы в области машинного обучения. Первые совершили настоящую революцию в области обработки больших объемов данных, дав начало новому направлению, получившему название глубинное обучение. Вторые традиционно применялись для обработки малых данных. Новый математический аппарат, разработанный в 2010 годы, позволяет конструировать масштабируемые байесовские модели. Это дает возможность применить механизмы байесовского вывода в современных нейронных сетях.

Даже первые попытки построения гибридных нейробайесовских моделей приводят к неожиданным и интересным результатам. Например, благодаря использованию байесовского вывода в нейронных сетях удается сжать сеть приблизительно в 100 раз без потери точности ее работы. С другой стороны, в самой процедуре приближенного байесовского вывода можно также использовать нейронную сеть, чтобы приблизиться к точному апостериорному распределению. Таким образом получается взаимное проникновение двух технологий.

Нейробайесовский подход потенциально может решить ряд открытых проблем в глубинном обучении: возможность катастрофического переобучения на шумы в данных, самоуверенность нейронной сети даже в ошибочных предсказаниях, неинтерпретируемость процесса принятия решения, уязвимость к враждебным атакам (adversarial attacks). Все эти проблемы осознаются научным сообществом, над их решением работают многие коллективы по всей планете, но готовых ответов пока нет.

«Samsung Electronics — один из мировых технологических лидеров. В своих разработках мы используем много моделей глубинного обучения. Но для того чтобы не отставать от конкурентов, недостаточно просто использовать готовые модели. Нужно создавать и новые технологии машинного обучения. Это тем более важно, что область глубинного обучения еще не «устоялась» и каждый год появляются все новые модели, а уже существующие быстро устаревают, — поясняет доктор Гынбэ Ли, руководитель AI Center, недавно созданного подразделения Samsung Research. — Все это означает, что человечество пока не нащупало оптимального решения для обработки больших объемов данных. Поэтому сотрудничество с ведущими научными группами в области машинного обучения и искусственного интеллекта в университетах по всему миру позволяет «держать руку на пульсе» и отслеживать самые последние достижения в области, а также получать эксклюзивный доступ к технологиям, созданным в лабораториях-партнерах».

«Решение корпорации Samsung выбрать нашу группу в качестве ключевого партнера в России, дав нам возможности сосредоточиться исключительно на фундаментальных исследованиях, — это знак признания наших научных достижений и одновременно кредит доверия, который мы постараемся полностью оправдать, — говорит руководитель совместной лаборатории и глава исследовательской группы байесовских методов ВШЭ Дмитрий Ветров. — Обычно крупные компании стараются использовать ученых для решения прикладных задач. Я рад, что наши корейские коллеги понимают всю важность исследований по разработке новых технологий, а не решения конкретных задач. Наша лаборатория будет заниматься именно созданием новых технологий, то есть самым интересным с точки зрения ученого. Наши цели полностью совпадают с пожеланиями наших партнеров, что служит залогом успешного и длительного сотрудничества».

В прошлом году Samsung создал в Корее новое подразделение — AI Center, специализирущееся на разработках в области искусственного интеллекта. В дополнение к созданию совместной лаборатории с ВШЭ в планах AI Center в этом году — открытие глобальной сети филиалов на базе исследовательских лабораторий в России, Канаде и Великобритании, что позволит усилить компетенции компании в искусственном интеллекте.

Помимо научных проектов, совместная лаборатория НИУ ВШЭ — Samsung будет активно участвовать в образовательном процессе. К работе в ней будут привлекаться и студенты, и аспиранты факультета компьютерных наук. В августе 2018 года при поддержке компании Samsung пройдет вторая летняя школа по нейробайесовским методам. На этот раз она будет проводиться на английском языке и в ней примут участие несколько ведущих ученых. Набор на летнюю школу еще открыт.

Вам также может быть интересно:

Анализ генетической информации поможет избежать осложнений после инфаркта

Исследователи из НИУ ВШЭ разработали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений. Исследование опубликовано в журнале Frontiers in Medicine.

Fall into ML 2024: взгляд в будущее машинного обучения

25–26 октября в Москве состоялась конференция Fall into ML, организованная Институтом искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ совместно с Центром ИИ при поддержке титульного партнера — Сбера. На протяжении двух дней ведущие специалисты в области искусственного интеллекта обсуждали перспективы развития фундаментальных технологий ИИ.

«Наша система позволяет предотвращать сбои в работе центров обработки данных»

Студент первого курса магистерской программы «Продуктовый подход и аналитика данных в HR-менеджменте» Константин Балцат с командой единомышленников разработали систему прогнозирования отказов жестких дисков на основе машинного обучения. С этим проектом они второй год подряд входят в число лучших на хакатоне «Цифровой прорыв». «Вышка.Главное» побеседовала с Константином о разработках инноваций и учебе в университете.

НИУ ВШЭ и ПСБ провели хакатон по ИИ для студентов ведущих вузов страны

В конце сентября онлайн-кампус НИУ ВШЭ и ПСБ организовали хакатон для студентов, которые увлекаются анализом данных, визуализацией и машинным обучением, а также студентов креативных индустрий. На хакатон зарегистрировалось 620 человек, приняло участие 428 человек из разных регионов РФ. За первое место боролись студенты лучших российских университетов, а также учащиеся из других государств. Победителями турнира стала команда из Вышки.

«В третий раз соберем на площадке ВШЭ лучших ученых и исследователей ИИ в России»

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Центр ИИ 25–26 октября в Москве организуют конференцию Fall into ML 2024. Главной темой ежегодного мероприятия станут перспективы развития фундаментального искусственного интеллекта. Титульным партнером конференции выступит Сбер.

Школа по ML в биоинформатике: «отличная возможность для нетворкинга и изучения нового материала»

Факультет компьютерных наук НИУ ВШЭ провел ежегодную летнюю школу по машинному обучению в биоинформатике, слушателями которой стали более 300 человек из разных университетов, институтов и организаций. Всего на событие зарегистрировались более 800 человек. Трехдневная программа включала в себя лекции и семинары.

Ученые НИУ ВШЭ показали эффективность машинного обучения при прогнозировании инфляции

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование ее уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств. Татьяна Букина и Дмитрий Кашин из НИУ ВШЭ в Перми выяснили, что машинное обучение для прогнозирования инфляции превосходит классические эконометрические модели в долгосрочных прогнозах. Исследование проводилось на примере субъектов Приволжья. Результаты опубликованы в журнале HSE Economic Journal.

Ученые НИУ ВШЭ предложили модель, лучше других определяющую тематику текстов

Тематические модели — алгоритмы машинного обучения, способные сортировать большие объемы текстов по темам. Исследователи из НИУ ВШЭ в Санкт-Петербурге сравнили пять тематических моделей и определили, какие из них работают лучше. Наименьшее число ошибок показали две модели, одна из которых, GLDAW, — разработка Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге. Статья опубликована в журнале PeerJ Computer Science.

«Цель школы Spring into ML — объединить молодых ученых, занимающихся математикой ИИ»

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Университет Иннополис провели для студентов, аспирантов и молодых ученых недельную школу, посвященную применению математики в машинном обучении и искусственном интеллекте. 50 участников Spring into ML прослушали 24 доклада о машинном обучении, участвовали в тематических питч-сессиях и прошли два мини-курса по диффузионным моделям — развивающейся области ИИ для генерации данных.

В России разработана программа для диагностики дислексии

Ученые НИУ ВШЭ создали инструмент, который оценивает наличие и степень дислексии у школьников, учитывая их пол, возраст, класс школы и данные видеоокулографии. В 2024 году планируется внедрение программы в клиническую практику. Исследования проводились специалистами в области машинного обучения и нейролингвистами в Центре искусственного интеллекта НИУ ВШЭ.