В России разработали универсальную нейросеть для общения с людьми

Эта нейросеть, разработанная учеными НГУ, обладает рядом функций, сопоставимых с ChatGPT и Гигачатом, но при этом имеет значительно меньшие размеры. По задумке создателей, "Менон" способна отвечать на вопросы пользователей на основе текстовых документов, выполнять задачи автореферирования, улучшать понятность текста, а также повышать качество распознавания речи.

Нейросеть "Менон" разработана с учетом концепции "знания через припоминание", предложенной Платоном в одном из своих диалогов. Этот подход к обучению и пониманию информации вдохновил ученых на создание инновационной модели, способной значительно улучшить процессы обработки текста и анализа информации.

Согласно информации, предоставленной пресс-службой университета, нейросеть "Менон" обладает широким спектром возможностей, включая ответы на вопросы пользователей, автореферирование, повышение понятности текста и улучшение распознавания речи. Эти функции делают ее перспективным инструментом для различных областей, требующих обработки и анализа больших объемов информации.

Иван Бондаренко, научный сотрудник лаборатории прикладных цифровых технологий механико-математического факультета НГУ и сооснователь стартапа "Сибирские нейросети", подчеркнул, что "Менон" стремится стать неотъемлемой частью инновационной диалоговой системы. Эта система объединяет знания нейросети о русском языке с информацией о внешнем мире, представленной в текстовом корпусе.

По словам Бондаренко, важнейшую роль в языковых нейросетях играет представление знаний о мире через межнейронные связи. Такое сочетание позволяет разработчикам сократить размер нейросети, что в свою очередь снижает затраты на создание и поддержку диалоговых систем.

"Менон" не только улучшает качество общения с искусственным интеллектом, но и способствует более эффективному использованию ресурсов при разработке подобных технологий. Внедрение этой инновационной системы может привести к значительному улучшению процесса взаимодействия человека и машины в сфере различных приложений.

Исследователи "Менона" использовали китайскую нейросеть "Квен" в качестве основы и обучили ее на более чем 700 тысячах русскоязычных заданий и примеров правильного их выполнения. Благодаря этому процессу разработчики смогли адаптировать нейросеть к русскому культурному контексту, избавив ее от недочетов, которые проявлялись в использовании иероглифов в ответах на русскоязычные вопросы. Этот подход также способствовал развитию ключевых навыков нейросети, необходимых для успешной интеграции с внешней базой знаний, отметил ученый.

Важным аспектом работы с нейросетью "Менона" было не только обучение на большом объеме данных, но и акцент на формировании ее способности к адаптации к различным языкам и культурным особенностям. Это позволило создать инструмент, способный более точно и эффективно работать в русскоязычной среде, учитывая специфику языка и менталитета.

Исследование "Менона" подчеркивает важность контекстуализации нейросетей для повышения их эффективности и точности в различных областях применения. Работа над адаптацией "Квен" к русскому языку и культуре открывает новые перспективы для использования подобных технологий в русскоязычном информационном пространстве.

Иван Бондаренко сообщил, что процесс обучения нейросети "Менона" был организован по принципу "от простого к сложному", что напоминает процесс обучения ребенка и способствует сохранению внутреннего интереса к приобретению новых знаний как у нейросети, так и у живого ребенка.

Как отмечает Иван Бондаренко, результаты тестовых испытаний нейросети "Менон" были официально опубликованы на открытом бенчмарке MERA, который предназначен для оценки качества современных "русскоязычных" нейросетевых моделей общего искусственного интеллекта.

Организация обучения по принципу "от простого к сложному" в процессе обучения нейросети "Менона" позволяет ей сохранять интерес к усвоению новых знаний, подобно тому, как это происходит у настоящего ребенка.

Нейросеть "Менон" занимает 38-е место по общим способностям среди 62 моделей в MERA. Она выделяется своими математическими способностями, умением рассуждать, здравомыслием, а также пониманием добра и зла. Эта нейросеть занимает первое место в своем размерном классе, имея до полутора миллиардов параметров.

Отмечено, что нейросеть "Менон" проявляет выдающиеся способности в решении задачи MultiQ, связанной с выбором наиболее релевантного текста к вопросу и предоставлением ответа на него. В этой области она значительно превосходит среднюю производительность других моделей.

Исследования показывают, что нейросеть "Менон" занимает 25-е место в рейтинге и превосходит даже Гигачат при значительно меньшем количестве межнейронных связей. Это означает, что данная нейросеть способна не только понимать вопросы, но и находить необходимую информацию для ответов в произвольных текстах из внешних корпусов. Иван Бондаренко подчеркнул, что это значительный прорыв в области искусственного интеллекта.

Одной из важных особенностей "Менона" является его успешное решение задач по схеме Терри Винограда. Например, в задаче с кубком и чемоданом, где нужно определить, что не поместилось в другое из-за размера, нейросеть занимает 17-е место и превосходит даже GPT-4 от компании OpenAI. Это свидетельствует о высокой эффективности и универсальности работы "Менона".

Таким образом, нейросеть "Менон" демонстрирует выдающиеся результаты не только в понимании текста и ответах на вопросы, но и в решении сложных логических задач, что делает ее одним из ведущих инструментов в области искусственного интеллекта.

Важно отметить, что эта задача имеет большое значение не только для автоматического поиска информации, но и для улучшения качества ответов на вопросы, связанные с именами и специализациями ученых. Разработчики нейросети "Менон" видят перспективы в развитии проекта как в прикладной, так и в научной сфере. По их планам, улучшение алгоритмов и методов анализа текстов позволит более точно и эффективно обрабатывать запросы пользователей и предоставлять им актуальную информацию.

С целью улучшения процесса обучения и помощи студентам и абитуриентам в Новосибирском государственном университете (НГУ) планируется разработать нейросетевого "помощника". Этот инновационный инструмент поможет абитуриентам выбрать наиболее подходящее направление для поступления и своевременно подать необходимые документы, а студентам — разобраться в деталях организации учебного процесса в университете.

Исследователи в рамках научного направления сосредоточатся на улучшении механизма обучения нейросети "от простого к сложному". Они также будут работать над повышением устойчивости нейросети к ложным корреляциям между входными и целевыми факторами в обучающей выборке. Это позволит создать более эффективную и точную систему, способную предоставлять студентам и абитуриентам ценную помощь и информацию.

Новый нейросетевой "помощник" в НГУ будет не только инструментом для выбора образовательного пути, но и платформой для обучения и совершенствования навыков. Его разработка и внедрение откроют новые возможности для улучшения образовательной среды и поддержки студентов и абитуриентов в их учебных усилиях.

Программа "Приоритет-2030" активно поддерживает развитие нейросетей, предоставляя значительные ресурсы и финансирование для этой области исследований. Важным элементом в сфере искусственного интеллекта становится создание и обучение нейронных сетей, что позволяет решать сложные задачи и повышать эффективность различных технологий. Разработка нейросетей становится ключевым направлением в современной науке и технике, открывая новые перспективы для применения искусственного интеллекта в различных областях человеческой деятельности.

Источник и фото - ria.ru