Команда исследователей из Нью-Йоркского университета показала, что для эффективного обучения искусственного интеллекта важна поэтапность — сначала простое, потом сложное. Новый подход, получивший название «обучение по программе детского сада» (kindergarten curriculum learning), помогает нейросетям осваивать сложные задачи быстрее и успешнее. Работа опубликована в журнале Nature Machine Intelligence (NMI).
Исследование проводилось с рекуррентными нейронными сетями (RNN), которые обрабатывают последовательную информацию и широко используются, например, в распознавании речи. Ученые выяснили: если такие сети сначала обучить простым когнитивным действиям, они значительно лучше справляются со сложными задачами в будущем.
«Как дети сначала учатся держать равновесие, а потом катаются на велосипеде, — так и нейросети могут складывать сложное поведение из простых умений», — объяснила соавтор работы, доцент Кристина Савин.
Исследование началось с экспериментов на лабораторных крысах. Животные учились находить воду, но не напрямую — им нужно было распознавать связь между световыми и звуковыми сигналами и временем задержки перед подачей воды. Это потребовало от крыс объединения нескольких простых навыков в одну сложную стратегию.
Этот принцип ученые затем перенесли на ИИ. Вместо воды нейросети решали задачу ставок, где требовалось принять решения, максимизирующие итоговую выгоду. Сети, обученные по «детсадовской» схеме — от простого к сложному, — справлялись с заданиями быстрее и эффективнее, чем те, кого обучали по традиционным методам.
«Наши результаты показывают: чтобы ИИ успешно справлялся со сложными задачами, ему, как и человеку, нужно начать с «детского сада» — базовых умений и понятий», — подытожила Савин.
По мнению исследователей, открытие может изменить подходы к обучению ИИ и приблизить нейросети к более естественным, похожим на человеческие, способам освоения навыков.
