«Свой-чужой»: в России улучшили точность распознавания изображений с помощью нейросетей
Теперь модель искусственного интеллекта может дать новый ответ, если не уверена в своем решении
Ансамбль нейросетей, существо снижающий долю ошибочного распознавания изображений, разработал коллектив МАИ, состоящий из студентов магистратуры. Разработка методов повышения точности и надежности в таких областях является актуальной задачей, поскольку в ряде случаев ошибочные решения нейронных сетей могут иметь свои серьезные последствия. Об этом сообщили в пресс-службе учебного учреждения.
На сегодняшний день распознавание объектов в системах «свой-чужой» используется при диагностике заболеваний по медицинским снимкам или при анализе данных в критически важных промышленных системах. Помимо этого, искусственный интеллект используется в компаниях, занимающихся компьютерным зрением, а также работающим в таких областях, как автономные системы, диагностика и телемедицина, банковский сектор, страхование и других.
Ансамбль состоит из девяти различных нейросетей, которые работают в симбиозе. При решении задачи каждая по-своему смотрит на поставленный вопрос, тем самым значительно снижая возможность допущения ошибки. Принцип эволюционного согласования решений позволяет каждому агенту сначала генерировать свое решение, а затем выбрать лучшее путем оценивания и голосования.
Подобные разработки ведутся по всему миру. Однако современные подходы нейронных сетей следуют парадигме «дать ответ во чтобы то ни стало». Инновационность проекта МАИ состоит в том, что модели искусственного интеллекта могут ответить «не знаю», когда они не уверены в своем решении. Это повышает уровень доверия к ним и снижает вероятность ошибки в работе системы.
При тестировании на специально сгенерированном наборе данных, состоящих из трудно различимых цифр, точность ансамбля, разработанного студентами, составила 84%. Это на 17% выше, чем показатели лучшей одиночной сети. В 14% случаев ансамбль ответил «не знаю».
К концу этого года разработчики рассчитывают завершить доработки и тестирование системы для других задач.
Не так давно студенты МАИ начали разрабатывать системы прогнозирования остаточного ресурса двигателей самолета. Система сможет заменить ушедший с российского рынка импортный аналог.
