Создание теоретико-методологической системы для искусственного интеллекта, предназначенной для реагирования на сложные изменения реального мира
Команда академика Чжоу Чжихуа из Нанкинского университета при поддержке Национального фонда естественных наук Китая формирует оригинальную теоретическую основу для машинного обучения в открытой динамической среде, способствуя выходу Китая на лидирующие позиции в области фундаментальных исследований искусственного интеллекта.
Короткое резюме
Команда академика Чжоу Чжихуа из Нанкинского университета при поддержке проекта группы инновационных исследований Национального фонда естественных наук создала систему теоретических методов для искусственного интеллекта (ИИ), которая позволяет справляться со сложными изменениями в реальном мире. Исследование сталкивается с ограничениями предположения о «закрытой среде» в классическом машинном обучении и разрабатывает алгоритмы обучения, которые могут адаптироваться к открытой динамической среде, обрабатывая такие распространённые в реальном мире ситуации, как смещение распределения данных, неизвестные категории и дефицит образцов. Этот результат стал возможен благодаря проекту группы инновационных исследований, одобренному в 2019 году в рамках первого кода высшего уровня ИИ Национального фонда естественных наук.
В классической теории алгоритмы обычно обучаются на статических данных, полагаясь на предположение типа «резать по воде», и не способны справляться с изменениями в реальном мире. Команда разработала четыре ключевых научных вопроса: «малый объём выборки, изменение распределения, частые обновления, взаимодействие» и провела полную теоретическую реконструкцию от механизма до фреймворка. Они исследовали механизм оптимального динамического онлайн-обучения с сожалениями, преодолели ограничение традиционного линейного роста ошибок и наделили ИИ способностью распознавать неизвестные категории и противостоять помехам, а также решили проблему идентификации причинно-следственных связей, которая не решалась в научном сообществе в течение 20 лет. Эти достижения стали возможны благодаря постоянной и перспективной поддержке Национального фонда естественных наук, которая позволила команде глубоко изучать непопулярные направления.
Прорыв в области фундаментальных теоретических исследований уже превратился в реальную производительность. Он не только позволил Китаю занять лидирующие позиции в ключевой технологии одной из важнейших задач, но и был использован для создания лаборатории совместно с ведущими отечественными компаниями, реализуя новый формат взаимодействия научно-исследовательских коллективов и развития отрасли. Чтобы сохранить динамику фундаментальных исследований, команда создала модель взаимовыгодного сотрудничества между теоретиками и практиками, привлекая к работе известных международных учёных. В будущем команда сосредоточится на «учебных компонентах» для содействия безопасному сотрудничеству моделей и будет стремиться преодолеть «кризис доверия» к ИИ, чтобы сделать модели более надёжными и достоверными.
Преодоление предположения о закрытой среде
Команда разработала теоретическую основу машинного обучения, ориентированную на «открытую динамическую среду», которая может адаптироваться к смещению распределения данных и неизвестным ситуациям в реальном мире, преодолевая фундаментальные ограничения традиционных моделей, зависящих от статической среды
Четыре ключевых научных вопроса
Сложные реалии были систематизированы в четыре фундаментальных научных вопроса — «малый объём выборки, изменение распределения, частые обновления, взаимодействие», что определило направление дальнейших исследований
Решение проблемы идентификации причинно-следственных связей
Команда не только разработала новую теоретическую основу, но и успешно решила проблему идентификации причинно-следственных связей, которая тормозила научное сообщество в течение 20 лет, продвигая развитие объяснимости ИИ
Изменение модели взаимодействия науки, образования и бизнеса
Результаты исследования способствовали переходу от модели «компании ставят задачи, университеты решают» к модели «академическое руководство, финансирование со стороны компаний», что свидетельствует о том, что фундаментальные исследования становятся источником инноваций в отрасли
Текст сгенерирован с использованием ИИ
