Новый интеллектуальный алгоритм, разработанный учеными, обладает значительным потенциалом в области обработки текстов и анализа информации. Основной целью проекта является улучшение способности нейросети отвечать на вопросы пользователей, автореферировать тексты и сделать их более понятными, а также улучшить распознавание речи и другие аспекты.

Университетские исследователи утверждают, что нейросеть "Менон" обладает сходными характеристиками с известными моделями, такими как ChatGPT и Гигачат, при этом имея гораздо более компактные размеры. Это открывает новые перспективы для применения искусственного интеллекта в различных областях, начиная от образования и заканчивая медицинскими исследованиями.

Иван Бондаренко, научный сотрудник лаборатории прикладных цифровых технологий механико-математического факультета НГУ и сооснователь стартапа "Сибирские нейросети", подчеркнул, что основная цель проекта "Менона" заключается в интеграции нейросетевых знаний о грамматике и семантике русского языка с информацией о внешнем мире, доступной в текстовых корпусах. Это сочетание позволяет создавать диалоговые системы с использованием более компактных нейросетей, что в свою очередь снижает затраты на разработку и обслуживание таких систем.

Согласно Бондаренко, важную роль в языковых нейросетях играет представление знаний о мире, что делает проект "Менона" особенно перспективным для развития искусственного интеллекта. Уникальная архитектура системы позволяет эффективно объединять различные типы информации, что способствует более точному и глубокому пониманию контекста взаимодействия человека с машиной.

Подводя итог, можно сказать, что "Менона" открывает новые горизонты в области разработки диалоговых систем, объединяя в себе передовые технологии в области обработки языка и представления знаний о мире. Этот проект не только улучшает качество коммуникации с искусственным интеллектом, но и делает его более доступным и эффективным для широкого круга пользователей.

Исследователи "Менона" использовали китайскую нейросеть архитектуры "Квен" в своем проекте, обучив ее на огромном объеме русскоязычных заданий и примеров выполнения. Этот подход позволил адаптировать нейросеть к русскому культурному контексту, исключив, например, возможность появления иероглифов в ответах. Помимо этого, такой подход способствовал развитию ключевых навыков нейросети, необходимых для успешной интеграции с внешней базой знаний, подчеркнул ученый.

Новые исследования в области нейросетей исследуют возможности адаптации и обучения искусственного интеллекта в различных культурных средах. Важно не только обучить нейросеть на большом объеме данных, но и учесть культурные особенности, чтобы достичь оптимальных результатов в ее работе.

Такой подход к обучению нейросетей открывает новые перспективы для развития искусственного интеллекта, позволяя создавать более адаптированные и контекстуально подходящие модели. Внедрение нейросетей, способных оперировать в различных культурных средах, может значительно улучшить их эффективность и точность в решении задач.

Иван Бондаренко сообщил, что процесс обучения нейросети "Менона" был организован по принципу "от простого к сложному", что отчасти напоминает процесс обучения ребенка. Этот подход позволяет нейросети, подобно настоящему живому ребенку, сохранять внутренний интерес к приобретению новых знаний.

По официально опубликованным результатам тестовых испытаний нейросети "Менон", проведенных на открытом бенчмарке MERA, можно сделать вывод о высоком качестве этой "русскоязычной" нейросетевой модели общего искусственного интеллекта. Такие публичные оценки способствуют развитию и совершенствованию технологий в области искусственного интеллекта.

Интересно отметить, что подобный подход к обучению нейросетей, который учитывает принципы психологии и педагогики, может значительно улучшить процесс обучения и повысить эффективность искусственного интеллекта в различных областях.

Нейросеть "Менон" занимает 38-е место из 62 моделей в MERA по общим способностям, таким как "умение извлекать полезную информацию из текста и использовать ее при ответах на вопросы", "умение рассуждать", "здравомыслие", "математические способности" и даже "понимание добра и зла". В своем размерном классе до полутора миллиардов параметров нейросеть "Менон" занимает первое место. Отмечено, что по умению справляться с задачей MultiQ, связанной с выбором текста, наиболее релевантного вопросу, и ответом на вопрос по этому тексту, нейросеть "Менон" значительно превосходит среднюю.

Исследование показало, что нейросеть "Менон" занимает достойное 25-е место в рейтинге, превосходя даже Гигачат при значительно меньшем количестве межнейронных связей. Это свидетельствует о том, что данная нейросеть способна не только понимать вопросы, но и находить необходимую информацию для ответов в текстах из внешних источников. Иван Бондаренко подчеркнул, что это значительный прорыв в развитии искусственного интеллекта.

Кроме того, "Менон" успешно справляется с задачами по схеме Терри Винограда, занимая 17-е место и опережая даже GPT-4o от компании OpenAI. Это подтверждает высокий уровень аналитических и когнитивных способностей данной нейросети. Возможность "Менона" адаптироваться к различным типам задач и эффективно их решать делает его одним из лучших инструментов в области искусственного интеллекта.

В будущем разработчики нейросети планируют развивать проект "Менон" в двух направлениях: прикладном и научном. Один из ключевых аспектов этого проекта заключается в решении проблемы местоименной анафоры при ответах на вопросы, где необходимо заменить местоимение на имя собственное для улучшения точности автоматического поиска информации в текстовом корпусе. Например, при вопросе о специализации ректора НГУ Михаила Петровича Федорука в области наук.

По мнению автора, данная задача имеет важное значение для эффективного использования нейросетей в различных областях, включая обработку естественного языка. Автоматическое определение имени собственного в тексте позволит улучшить качество ответов на запросы пользователей и повысить общую точность системы.

В рамках инновационного проекта исследователи планируют создать нейросетевого "помощника", который поможет абитуриентам выбрать оптимальное направление для поступления в НГУ и оформить все необходимые документы вовремя. Этот проект также направлен на помощь студентам в освоении особенностей организации учебного процесса в университете.

В рамках научного направления исследователи сосредоточатся на совершенствовании процесса обучения нейросети "от простого к сложному" и улучшат ее устойчивость к ложным корреляциям между входными и целевыми факторами в обучающей выборке. Это позволит создать более эффективные и точные алгоритмы обучения, что в свою очередь повысит качество работы нейросетевого "помощника" и улучшит его способность помогать студентам и абитуриентам.

Программа "Приоритет-2030" активно поддерживает разработку нейросетей, предоставляя значительные ресурсы и финансирование для этого направления. Нейросети являются одним из ключевых элементов цифровой трансформации и современных технологических инноваций.

Этот проект позволяет создавать и улучшать алгоритмы машинного обучения, которые способны анализировать и обрабатывать большие объемы данных в режиме реального времени. Благодаря поддержке программы "Приоритет-2030", ученые и специалисты в области искусственного интеллекта могут проводить исследования и разработки в этой области на более высоком уровне.

Нейросети, разрабатываемые в рамках этой программы, могут быть применены в различных сферах, от медицины и финансов до автоматизации производства и управления городской инфраструктурой. Таким образом, усилия, направленные на развитие нейросетей, имеют потенциал значительно изменить мир и повлиять на его будущее развитие.

Источник и фото - ria.ru