Искусственный интеллект осваивает игры: новый подход к обучению на больших данных

В разработанной среде для исследования причинно-следственных связей в обучении с учителем, увеличение глубины нейронной сети способствует более быстрому освоению причинно-правильного решения, при этом нелинейные сети, обученные методом стохастического градиентного спуска, приближаются к корректному решению, в отличие от линейных сетей, которые демонстрируют отсутствие прогресса даже при случайной инициализации параметров, несмотря на существование оптимальной линейной политики, что подчеркивает важность нелинейности для выявления истинных причинно-следственных связей.

Исследователи разработали масштабируемый метод обучения ИИ, позволяющий создавать универсальные игровые модели, способные эффективно играть в различные 3D-игры, используя только визуальные данные и действия игрока.

Голос без границ: новый масштабный мультилингальный аудио-набор данных

Набор данных LEMAS содержит более 150 тысяч часов многоязычной речи с принудительной выравниванием на уровне слов для десяти основных языков, что позволило разработать две модели: LEMAS-TTS, реализующую крупномасштабный, потоковый нейронный синтез речи из текста и короткого эталонного фрагмента, и LEMAS-Edit, предназначенную для редактирования речи на уровне слов с использованием кодека.

Представлен LEMAS — обширный ресурс для исследований в области генерации и редактирования речи, открывающий возможности для создания реалистичных голосов на разных языках.

Искусственный судья: от языковой модели к интеллектуальному агенту

Область применения подхода «Агент как судья» демонстрирует детализированную классификацию задач в различных областях, позволяя эффективно структурировать и анализировать широкий спектр проблем.

Обзор показывает, как оценка качества контента и решений переходит от простых языковых моделей к сложным системам, способным к планированию и взаимодействию.

ProFuse: Собираем 3D-сцены из разрозненных видов

Система ProFuse использует плотный алгоритм сопоставления для выявления геометрических и семантических соответствий между различными видами, группирует искаженные маски в 3D-предложения с общей глобальной характеристикой, и инициализирует компактную гауссовскую сцену на основе триангулированных соответствий, объединяя характеристики предложений без использования рендеринга для обеспечения связности и семантической открытости трехмерного представления.

Новый подход позволяет создавать семантически согласованные 3D-модели, объединяя информацию из множества изображений без необходимости обучения с использованием рендеринга.

Знания в структуре: как искусственный интеллект осваивает материаловедение

Новый подход к представлению научных данных позволяет создавать более надежные и точные системы искусственного интеллекта для решения сложных задач в материаловедении.

Искусственный интеллект рисует науку: новый подход к созданию графиков

Система SciFig демонстрирует способность создавать готовые к публикации векторные научные иллюстрации высокого качества, охватывающие широкий спектр исследовательских областей и методов, преобразуя описания из естественного языка в полноценные графические представления.

Исследователи представили систему SciFig, способную автоматически генерировать научные иллюстрации по текстовому описанию, открывая новые возможности для визуализации данных.

Самообучающиеся агенты: новый взгляд на разработку и стабильность

Основной конвейер AgentDevel обеспечивает итеративный процесс разработки агентов, включающий в себя этапы планирования, обучения с подкреплением и валидации, что позволяет достичь оптимальной производительности и надежности в сложных средах, определяемых функциями вознаграждения [latex]R(s,a)[/latex] и пространствами состояний [latex]\mathcal{S}[/latex].

В статье предлагается переосмыслить процесс улучшения самообучающихся агентов, рассматривая его как этап жизненного цикла разработки программного обеспечения, ориентированный на контроль качества и предсказуемость.

Тонкости настройки: как научить нейросети понимать сложные предпочтения

Существующие методы опираются на грубые, скалярные или бинарные сигналы вознаграждения на уровне изображения, в то время как предлагаемый подход использует знания экспертов для детального разделения атрибутов, направляя модель непосредственно из пространства шума к положительным направлениям и избегая отрицательных.

Новый подход позволяет более точно согласовывать модели генерации изображений с нюансами человеческих оценок, выходя за рамки простого «нравится — не нравится».

Искусственный интеллект у руля: моделирование борьбы с эпидемиями

Политика, действующая как агент принятия решений, взаимодействует с механистической моделью распространения эпидемии, еженедельно корректируя уровень ограничений на основе наблюдаемой заболеваемости и извлеченных воспоминаний, в то время как динамика распространения вируса в моделируемой среде, дополненная учетом поведенческой реакции населения, определяет дальнейшее развитие ситуации.

Новое исследование демонстрирует, как автономные агенты на базе больших языковых моделей могут эффективно управлять политикой реагирования на вспышки инфекционных заболеваний в смоделированных сценариях.