искусственный интеллект

Новый метод значительно повышает надежность нейронных сетей, обучая их эффективно распознавать объекты и ситуации, с которыми они не сталкивались в процессе обучения. Ученые показали, что в некоторых случаях избыточная информация о геометрии пространства решений вредна. Отказ от нее и переход к более общей и гладкой оценке неопределенности позволяет нейросети лучше очертить границы известного и вовремя сигнализировать о столкновении с чем-то новым.

Российские ученые предложили решение проблемы перемещения шагающих роботов по неровным поверхностям и в стесненной обстановке. В процессе исследований робот успешно адаптировался к сменяющимся командам компьютера и сохранял устойчивость при ходьбе по неровностям, демонстрируя точное отслеживание шагов.

Команда исследователей из Т-Технологий и МФТИ разработала метод, позволяющий построить детальную «карту» эволюции абстрактных…

Команда исследователей из Т-Технологий и МФТИ предложила революционный подход к «воспитанию» больших языковых моделей,…

Команда исследователей из Т-Технологий, МФТИ и НИУ ВШЭ разработала новаторский метод, позволяющий впервые проследить…

Коллектив исследователей из T-Bank, МФТИ и МИСИС разработал новый подход к обучению ансамблей нейронных…

Алгоритм впервые учитывает ключевой фактор — влияние подложки, что в десятки раз ускоряет создание следующих поколений устройств наноэлектроники.

Международный коллектив ученых из Сколковского института науки и технологий, МФТИ, Института исследований искусственного интеллекта…

Международная команда исследователей из Университета Иннополис, Орловского государственного университета, МГУ имени М.В. Ломоносова, МФТИ…

Основная идея исследования — сокращение времени, которое тратится на обмен данными между устройствами в распределённых системах обучения больших AI-моделей.