Российские ученые научили ИИ находить закономерности в разрозненных научных данных
Исследователи из AIRI, Сколтеха и МФТИ разработали новый метод обучения искусственного интеллекта, способного анализировать фрагментарные научные наблюдения. Разработка поможет эффективнее изучать метеорологические и биологические данные.
Проблема, которую решили ученые, хорошо знакома исследователям: во многих науках невозможно непрерывно следить за одним и тем же объектом. Например, при измерении состояния биологической клетки она разрушается – и проследить ее изменения во времени просто нельзя. В итоге у ученых есть лишь разрозненные «снимки» состояния системы в отдельные моменты.
Для объединения таких данных давно используется математический метод JKO, однако он требует огромных вычислительных мощностей. Российские исследователи объединили его с идеями обратной оптимизации – это позволило обучать модель сразу целиком и обходиться без сложных архитектур нейросетей.
Метод проверили на синтетических задачах и на реальных данных о развитии эмбриональных стволовых клеток за 30 дней. В обоих случаях он не уступил, а в ряде тестов превзошел существующие аналоги.
