Без ЭТОГО обучение искусственного интеллекта будет малоэффективно

Логотип Microsoft и мужчиная в очках

Возможности автоматизированных систем достигли предела, и, чтобы дальше улучшать бизнес-процессы, компании внедряют технологии искусственного интеллекта (ИИ), в том числе машинное обучение.

На конференции AnyLogic 2021 руководитель развития автономных систем в Microsoft Кенс Андерсон провел семинар, в котором рассказал о возможностях машинного обучения для разработки стратегий и принятия управленческих решений. Он также показал, как подходы Microsoft к машинному обучению помогают ИИ-алгоритмам быстрее учиться.

Кенс объясняет, как обучать нейронные сети, приводя простые и наглядные примеры из практики Microsoft, исследования компании DeepMind и фильма «Каратэ-пацан».

Без программного кода и углубленных знаний ИИ

Логотип Microsoft Project Bonsai

Технологии, о которых идет речь в видео, используются не только для проведения научных исследований, но и для решения прикладных задач бизнеса. Например, платформа Microsoft Project Bonsai помогает автоматизировать процессы и работу оборудования, используя ИИ. Работать с платформой может любой специалист, даже без знаний в области искусственного интеллекта, программирования, обработки и анализа данных.

Project Bonsai может также подключаться к AnyLogic, помогая обучать ИИ. Делая это в виртуальной среде (имитационной модели), вы избежите потери времени в реальном мире, например, из-за простоя оборудования или особенностей графика работы предприятия. Обучив ИИ-алгоритмы, вы сможете внедрять их в реальные системы управления процессами и оборудованием.

Подробнее об использовании AnyLogic и Microsoft Project Bonsai →

Экспертные системы, оптимизация, метод Монте-Карло – все эти подходы помогают решать поставленные задачи, используя доступные данные. Но возможности этих подходов ограничены.

ИИ-алгоритмы, в свою очередь, учитывают все данные и гибко реагируют на изменения в сценариях и поведении систем. Они также могут оценивать, какое решение будет наилучшим не только в данный момент времени, но и для всей исследуемой ситуации в целом, просчитывая ее развитие на множество шагов вперед.

Сложности при обучении ИИ

На семинаре Кенс Андерсон поднимает проблему ресурсоемкости обучения ИИ-алгоритмов.

Машинное обучение – это хороший инструмент для повышения эффективности системы и управления ею, но оно требует большого количества ресурсов. Для обучения могут понадобиться высокопроизводительные компьютеры и электричество, причем на длительное время.

Для решения этой проблемы Кенс предлагает использовать «облачные» вычисления, а также модульное и «направляемое» машинное обучение.

Подходы к машинному обучению от Microsoft

Модульное обучение и «направляемое» машинное обучение (machine teaching) – это предложенные Microsoft решения, которые помогают справиться с проблемой ресурсоемкости обучения ИИ-алгоритмов.

Кенс Андерсон рассказывает, как можно помочь алгоритмам эффективнее обучаться и быстро находить решения, разбив сложную задачу на отдельные подзадачи, – это и есть модульное обучение.

«Направляемое» машинное обучение подразумевает, что человек выступает в роли учителя и направляет процесс обучения алгоритмов. По отдельности эти подходы показывают хорошие результаты, но, если их объединить, ИИ учатся во много раз быстрее.

Видео длится 60 минут и включает в себя презентацию и развернутые ответы на вопросы участников семинара. Если вы разработчик имитационных моделей и хотели бы выйти на новый уровень или просто оцениваете возможности ИИ-технологий для решения бизнес-задач, рекомендуем посмотреть семинар от начала до конца.

Подробнее о «направляемом» машинном обучении – на сайте Microsoft →

Похожие материалы