IBM создали алгоритм для подбора оптимальной структуры нейросети без участия разработчика

7 сентября 2018
Зарабатывайте (и теряйте) виртуальные состояния, изучая реальный Python

IBM создали алгоритм для подбора оптимальной структуры нейросети без участия разработчика

При решении задач машинного обучения разработчики подбирают архитектуры нейросетей вручную. Это трудно и занимает много времени. IBM создали алгоритм, который ускоряет поиск рациональной структуры нейросети. При этом ошибка увеличивается всего на…

При решении задач машинного обучения разработчики подбирают архитектуры нейросетей вручную. Это трудно и занимает много времени. IBM создали алгоритм, который ускоряет поиск рациональной структуры нейросети. При этом ошибка увеличивается всего на 0,6%, а скорость обучения сокращается до 50,000 раз.

Для ускорения подбора разработчик подхода, Martin Wistuba, использовал эволюционные алгоритмы. По его словам «этот подход существенно сокращает время обучения сети».

optimization
Каждая точка на графике — мутация, каждая линия — «эволюция»

В основе эволюционного подхода лежит идея применения методов случайного подбора. Сверточная нейронная сеть «эволюционирует» с помощью случайных мутаций, пока не будет достигнута нужная точность. Подход улучшает производительность нейронной сети и сокращает время обучения. Архитектура сети может меняться и усложняться непрерывно.

Работу алгоритма сравнили с другими подходами, протестировав его на задачах классификации изображений с помощью датасетов CIFAR-10 и CIFAR-100 с размеченными изображениями. В результате время обучения сети сократилось в 50000 раз по сравнению с некоторыми подходами, а ошибка выросла всего на 0,6%.

Схема демонстрирует процесс оптимизации нейросети и снижения error rate во времени. Некоторые из этапов пропущены.

network evolution

В будущем алгоритм интегрируют в облачные сервисы IBM.

IBM разработали водяной знак для защиты нейросетей от копирования 

22 июля 2018
защита нейросетей от копирования

IBM разработали водяной знак для защиты нейросетей от копирования 

На конференции ACM Asia 2018 компания представила новый метод для защиты авторских прав разработчиков нейросетей. Концепция включает три алгоритма для создания водяных знаков. Для индентификации моделей предлагается использовать содержательный контент,…

На конференции ACM Asia 2018 компания представила новый метод для защиты авторских прав разработчиков нейросетей. Концепция включает три алгоритма для создания водяных знаков.

Для индентификации моделей предлагается использовать содержательный контент, шум или нерелевантные образцы данных, встраивая их в код вместе с исходными данными глубокого обучения. При этом, водяные знаки не влияют на объём кода и производительность модели.

UBS создали цифровую копию главного экономиста 

16 июля 2018
neural network economist

UBS создали цифровую копию главного экономиста 

Швейцарский банк UBS создал цифровую копию своего главного экономиста Даниэля Кальта для общения с клиентами и партнёрами компании. В проекте UBS Companion приняли участие FaceMe, которые создали и анимировали аватар,…

Швейцарский банк UBS создал цифровую копию своего главного экономиста Даниэля Кальта для общения с клиентами и партнёрами компании. В проекте UBS Companion приняли участие FaceMe, которые создали и анимировали аватар, и IBM, которые занимались разработкой искусственного интеллекта.

Аватар создавали с помощью 120 HD-камер, установленных в кабинете и непрерывно фиксирующих все движения Кальта. Также нейросеть анализировала манеру общения экономиста с клиентами, а сам банкир обучал ИИ ответам на вопросы, поэтому аватар выглядит и говорит в точности как реальный Кальт.

Нейросеть от IBM прогнозирует производительность сотрудников

16 июля 2018
IBM watson

Нейросеть от IBM прогнозирует производительность сотрудников

Искусственный интеллект Watson делает прогнозы об эффективности работников с точностью 96%. Система учитывает, как часто сотрудник обучается, и анализирует навыки, которые будут полезны компании в будущем. Таким образом IBM фокусируются…

Искусственный интеллект Watson делает прогнозы об эффективности работников с точностью 96%. Система учитывает, как часто сотрудник обучается, и анализирует навыки, которые будут полезны компании в будущем.

Таким образом IBM фокусируются на развитии перспективных работников, и снижают траты на поиск новых. Технология актуальна и для малого бизнеса, где часто не хватает квалифицированных кадров и проще предсказать производительность работника.