«Работает как часы, но без стрелок»: Сбер и ВШЭ создали «внутреннее чутье» для нейросетей

Специалисты Сбера и НИУ ВШЭ объявили о создании инновационной метрики под названием Persistence, которая способна кардинально изменить подход к обучению и оценке моделей искусственного интеллекта. Как сообщили в пресс-службе банка, новая разработка позволяет определять качество работы нейросетей без привлечения человека и без необходимости в дорогостоящей ручной разметке данных.

Разработчики пояснили, что до сих пор выбор оптимальной архитектуры модели и момента остановки обучения требовал либо интуиции специалиста, либо проведения ресурсоемких экспериментов с размеченными выборками. Это отнимало массу времени и вычислительных мощностей. Persistence же анализирует внутреннюю структуру эмбеддингов — математических представлений данных, — и на основе этого анализа автоматически определяет наиболее эффективную конфигурацию или момент, когда дальнейшее обучение становится избыточным.

По словам создателей, теперь отпадает необходимость проверять каждую итерацию модели на тестовых размеченных данных. Система самостоятельно подбирает ключевые гиперпараметры, включая размерность эмбеддинга, количество слоев и функцию потерь, а также сигнализирует о риске переобучения. Примечательно, что российская метрика уже продемонстрировала более высокую точность по сравнению с зарубежными аналогами при решении практических задач.

Ожидается, что внедрение Persistence позволит значительно повысить качество рекомендательных алгоритмов в онлайн-сервисах, улучшить работу голосовых ассистентов и ускорить применение ИИ в медицине. Кроме того, метрика открывает новые возможности для использования моделей, обучающихся без учителя, в тех областях, где остро не хватает качественно размеченных данных.